• International Journal of Computer Science & Network Security
• /
• 제23권9호
• /
• pp.47-54
• /
• 2023

For Bengali music emotion classification, deep learning models, particularly CNN and RNN are frequently used. But previous researches had the flaws of low accuracy and overfitting problem. In this research, attention-based Conv1D and BiGRU model is designed for music emotion classification and comparative experimentation shows that the proposed model is classifying emotions more accurate. We have proposed a Conv1D and Bi-GRU with the attention-based model for emotion classification of our Bengali music dataset. The model integrates attention-based. Wav preprocessing makes use of MFCCs. To reduce the dimensionality of the feature space, contextual features were extracted from two Conv1D layers. In order to solve the overfitting problems, dropouts are utilized. Two bidirectional GRUs networks are used to update previous and future emotion representation of the output from the Conv1D layers. Two BiGRU layers are conntected to an attention mechanism to give various MFCC feature vectors more attention. Moreover, the attention mechanism has increased the accuracy of the proposed classification model. The vector is finally classified into four emotion classes: Angry, Happy, Relax, Sad; using a dense, fully connected layer with softmax activation. The proposed Conv1D+BiGRU+Attention model is efficient at classifying emotions in the Bengali music dataset than baseline methods. For our Bengali music dataset, the performance of our proposed model is 95%.

• 한국항해항만학회지
• /
• 제46권4호
• /
• pp.367-374
• /
• 2022

본 연구는 자율운항 선박의 연료 계통 펌프와 청정기를 대상으로 고장을 진단 사례를 제시하였다. 계측된 신호의 시간종속성을 반영한 심층학습(Deep learning) 알고리즘 적용 절차를 구성하고, 장비의 정상 운전상태와 고장 상태에서 계측한 진동 신호를 고장 패턴 학습에 사용하였다. 특히, 진동 신호에 내포된 열화의 시간 종속성을 반영할 수 있는 방법을 찾고자 하였으며, 슬라이딩 윈도우 연산 과정을 가진 Conv1D를 이용하여고장의 시간 종속성을 반영하였다. 또한 계측된 신호의 차수를 2차원에서 3차원으로 확장하여 시간 영역의 특징을 반영할 수 있는 데이터 전처리과정을 고안하였다. Conv1D 알고리즘의 적층과 변수를 결정하는 과정에서 그리드 탐색 기법을 사용하여 초매개변수의 최적 값을 결정하였다. 마지막으로 제안한 데이터 전처리 방법과 시계열 데이터의 시간 종속성을 반영한 Conv1D 모델이 이상 감지 및 고장 진단에 타당성이 있음을 확인하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.110-110
• /
• 2022

본 연구는 자율운항 선박의 원격 고장 진단 기법 개발의 일부로 수행되었다. 특히, 엔진 연료 계통 장비로부터 계측된 시계열 데이터로부터 상태 진단을 위한 알고리즘 구현 결과를 제시하였다. 엔진 연료 펌프와 청정기를 가진 육상 실험 장비로부터 진동 시계열 데이터 계측하였으며, 이상 감지, 고장 분류 및 고장 예측이 가능한 심층 학습(Deep Learning) 및 기계 학습(Machine Learning) 알고리즘을 구현하였다. 육상 실험 장비에 고장 유형 별로 인위적인 고장을 발생시켜 특징적인 진동 신호를 계측하여, 인공 지능 학습에 이용하였다. 계측된 신호 데이터는 선행 발생한 사건의 신호가 후행 사건에 영향을 미치는 특성을 가지고 있으므로, 시계열에 내포된 고장 상태는 시간 간의 선후 종속성을 반영할 수 있는 학습 알고리즘을 제시하였다. 고장 사건의 시간 종속성을 반영할 수 있도록 순환(Recurrent) 계열의 RNN(Recurrent Neural Networks), LSTM(Long Short-Term Memory models)의 모델과 합성곱 연산 (Convolution Neural Network)을 기반으로 하는 Conv1D 모델을 적용하여 예측 정확성을 비교하였다. 특히, 합성곱 계열의 RNN LSTM 모델이 고차원의 순차적 자연어 언어 처리에 장점을 보이는 모델임을 착안하여, 신호의 시간 종속성을 학습에 반영할 수 있는 합성곱 계열의 Conv1 알고리즘을 고장 예측에 사용하였다. 또한 기계 학습 모델의 효율성을 감안하여 XGBoost를 추가로 적용하여 고장 예측을 시도하였다. 최종적으로 연료 펌프와 청정기의 진동 신호로부터 Conv1D 모델과 XGBoost 모델의 고장 예측 성능 결과를 비교하였다

• 한국컴퓨터정보학회논문지
• /
• 제26권3호
• /
• pp.35-42
• /
• 2021

본 연구에서는 3차원 RGB-D Xtion2 카메라를 이용하여 보행자의 골격좌표를 추출한 결과를 바탕으로 동적인 특성(속도, 가속도)을 함께 고려하여 딥러닝 모델을 통해 사람을 인식하는 방법을 제안한다. 본 논문의 핵심목표는 RGB-D 카메라로 손쉽게 좌표를 추출하고 새롭게 생성한 동적인 특성을 기반으로 자체 고안한 1차원 합성곱 신경망 분류기 모델(1D-ConvNet)을 통해 자동으로 보행 패턴을 파악하는 것이다. 1D-ConvNet의 인식 정확도와 동적인 특성이 정확도에 미치는 영향을 알아보기 위한 실험을 수행하였다. 정확도는 F1 Score를 기준으로 측정하였고, 동적인 특성을 고려한 분류기 모델(JCSpeed)과 고려하지 않은 분류기 모델(JC)의 정확도 비교를 통해 영향력을 측정하였다. 그 결과 동적인 특성을 고려한 경우의 분류기 모델이 그렇지 않은 경우보다 F1 Score가 약 8% 높게 나타났다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.134-142
• /
• 2019

에너지인터넷 기술의 발전과 다양한 전자기기의 보급으로 에너지소비량이 패턴이 다양해짐에 따라 수요예측에 대한 신뢰도가 감소하고 있어 발전량 최적화 및 전력공급 안정화에 문제를 야기하고 있다. 본 연구에서는 고신뢰성을 갖는 수요예측을 위해 딥러닝 기법인 Convolution neural network(CNN)과 Bidirectional Long Short-Term Memory(BLSTM)을 융합한 1Dimention-Convolution and Bidirectional LSTM(1D-ConvBLSTM)을 제안하고, 제안한 기법을 활용하여 시계열 에너지소비량대한 소비패턴을 효과적으로 추출한다. 실험 결과에서는 다양한 반복학습 횟수와 feature map에 대해서 수요를 예측하고 적은 반복학습 횟수로도 테스트 데이터의 그래프 개형을 예측하는 것을 검증한다.

• 한국분무공학회지
• /
• 제28권1호
• /
• pp.1-9
• /
• 2023

In the cylinder of gasoline direct injection engines, the spray targeting from injectors is of great significance for fuel consumption and pollutant emissions. The automotive industry is putting a lot of effort into improving injector targeting accuracy. To improve the targeting accuracy of injectors, it is necessary to develop models that can predict the spray targeting positions. When developing spray targeting models, the most used technique is computational fluid dynamics (CFD). Recently, due to the superiority of machine learning in prediction accuracy, the application of machine learning in this field is also receiving constant attention. The purpose of this study is to build a machine learning model that can accurately predict spray targeting based on the design parameters of injectors. To achieve this goal, this study firstly used laser sheet beam visualization equipment to obtain many spray cross-sectional images of injectors with different parameters at different injection pressures and measurement planes. The spray images were processed by MATLAB code to get the targeting coordinates of sprays. A total of four models were used for the prediction of spray targeting coordinates, namely ANN, LSTM, Conv1D and Conv1D & LSTM. Features fed into the machine learning model include injector design parameters, injection conditions, and measurement planes. Labels to be output from the model are spray targeting coordinates. In addition, the spray data of 7 injectors were used for model training, and the spray data of the remaining one injector were used for model performance verification. Finally, the prediction performance of the model was evaluated by R² and RMSE. It is found that the Conv1D&LSTM model has the highest accuracy in predicting the spray targeting coordinates, which can reach 98%. In addition, the prediction bias of the model becomes larger as the distance from the injector tip increases.

• The Korean Journal of Physiology and Pharmacology
• /
• 제20권5호
• /
• pp.507-514
• /
• 2016

Although 3D-complex fractionated atrial electrogram (CFAE) mapping is useful in radiofrequency catheter ablation for persistent atrial fibrillation (AF), the directions and configuration of the bipolar electrodes may affect the electrogram. This study aimed to compare the spatial reproducibility of CFAE by changing the catheter orientations and electrode distance in an in -silico left atrium (LA). We conducted this study by importing the heart CT image of a patient with AF into a 3D-homogeneous human LA model. Electrogram morphology, CFAE-cycle lengths (CLs) were compared for 16 different orientations of a virtual bipolar conventional catheter (conv-cath: size 3.5 mm, inter-electrode distance 4.75 mm). Additionally, the spatial correlations of CFAE-CLs and the percentage of consistent sites with CFAE-CL<120 ms were analyzed. The results from the conv-cath were compared with that obtained using a mini catheter (mini-cath: size 1 mm, inter-electrode distance 2.5 mm). Depending on the catheter orientation, the electrogram morphology and CFAE-CLs varied (conv-cath: $11.5{\pm}0.7%$ variation, mini-cath: $7.1{\pm}1.2%$ variation), however the mini-cath produced less variation of CFAE-CL than conv-cath (p<0.001). There were moderate spatial correlations among CFAE-CL measured at 16 orientations (conv-cath: $r=0.3055{\pm}0.2194$ vs. mini-cath: $0.6074{\pm}0.0733$, p<0.001). Additionally, the ratio of consistent CFAE sites was higher for mini catheter than conventional one ($38.3{\pm}4.6%$ vs. $22.3{\pm}1.4%$, p<0.05). Electrograms and CFAE distribution are affected by catheter orientation and electrode configuration in the in-silico LA model. However, there was moderate spatial consistency of CFAE areas, and narrowly spaced bipolar catheters were less influenced by catheter direction than conventional catheters.

• 산업경영시스템학회지
• /
• 제43권2호
• /
• pp.120-125
• /
• 2020

Supply chain managers seek to achieve global optimization by solving problems in the supply chain's business process. However, companies in the supply chain hide the adverse information and inform only the beneficial information, so the information is distorted and cannot be the information that describes the entire supply chain. In this case, supply chain managers can directly collect and analyze supply chain activity data to find and manage the companies described by the data. Therefore, this study proposes a method to collect the order-inventory information from each company in the supply chain and detect the companies whose data characteristics are explained through deep learning. The supply chain consists of Manufacturer, Distributor, Wholesaler, Retailer, and training and testing data uses 600 weeks of time series inventory information. The purpose of the experiment is to improve the detection accuracy by adjusting the parameter values of the deep learning network, and the parameters for comparison are set by learning rate (lr = 0.001, 0.01, 0.1) and batch size (bs = 1, 5). Experimental results show that the detection accuracy is improved by adjusting the values of the parameters, but the values of the parameters depend on data and model characteristics.

• 대한전자공학회논문지SD
• /
• 제46권3호
• /
• pp.75-85
• /
• 2009

본 논문에서는 two-carrier W-CDMA 응용과 같이 고해상도, 저전력 및 소면적을 동시에 요구하는 3G 통신 시스템 응용을 위한 13비트 100MS/s 0.13um CMOS ADC를 제안한다. 제안하는 ADC는 4단 파이프라인 구조를 사용하여 고해상도와 높은 신호처리속도와 함께 전력 소로 및 면적을 최적화하였다. 입력 단 SHA 회로에는 면적 효율성을 가지멸서 고속 고해상도로 동작하는 게이트-부트스트래핑 회로를 적용하여 1.0V의 낮은 전원 전압동작에서도 신호의 왜곡없이 Nyquist 대역 이상의 입력 신호를 샘플링할 수 있도록 하였다. 입력 단 SHA 및 MDAC에는 낮은 임피던스 기반의 캐스코드 주파수 보상 기법을 적용한 2단 증폭기 회로를 사용하여 Miller 주파수 보상 기법에 비해 더욱 적은 전력을 소모하면서도 요구되는 동작 속도 및 안정적인 출력 조건을 만족시키도록 하였으며, flash ADC에 사용된 래치의 경우 비교기의 입력 단으로 전달되는 킥-백 잡음을 줄이기 위해 입력 단과 출력 노드를 클록 버퍼로 분리한 래치 회로를 사용하였다. 한편, 제안하는 시제품 ADC에는 기존의 회로와는 달리 음의 론도 계수를 갖는 3개의 전류만을 사용하는 기준 전류 및 전압 발생기를 온-칩으로 집적하여 잡음을 최소화하면서 시스템 응용에 따라 선택적으로 다른 크기의 기준 전압 값을 외부에서 인가할 수 있도록 하였다. 제안하는 시제품 ADC는 0.13um 1P8M CMOS 공정으로 제작되었으며, 측정된 DNL 및 INL은 13비트 해상도에서 각각 최대 0.70LSB, 1.79LSB의 수준을 보이며, 동적 성능으로는 100MS/s의 동작 속도에서 각각 최대 64.5dB의 SNDR과 78.0dB의 SFDR을 보여준다. 시제품 ADC의 칩 면적은 $1.22mm^2$이며, 1.2V 전원 전압과 100MS/s의 동작 속도에서 42.0mW의 전력을 소모하여 0.31pJ/conv-step의 FOM을 갖는다.

• 한국해양환경ㆍ에너지학회지
• /
• 제1권2호
• /
• pp.82-95
• /
• 1998

이 논문에서는 LS/DYNA3D를 이용하여 다음과 같은 2가지 수치 시뮬레이션을 수행한다: 첫 번째 시뮬레이션은 310,000 DWT 이중선체 VLCC (피충돌선)과 35,000 및 105,000 DWT의 2척의 유조선(충돌선)들과의 충돌에 관한 경우로서, 충돌선들은 VLCC의 중심선에 직각으로 중앙부에 충돌하는 것으로 가정한다. 두 번째는 40,000 DWT급의 재래식과 개량식 이중선체 유조선의 선저구조의 2가지 모델, CONV/PD328과 ADH/PD328에 대한 좌초에 관한 시뮬레이션이다. 이 연구의 전체적인 목적은 이중선체 유조선의 선측 및 선저구조에 충돌 및 좌초가 각각 발생하는 동안에 이중선체의 내판이 찢어지기 시작하고 운동에너지가 소산되면서 선체가 정지되는 등의 구조적인 파손 및 흡수에너지의 역학적인 거동을 이해하는 것이다. 이러한 수치 시뮬레이션을 통하여 충돌 및 좌초시의 손상 정도를 쉽게 추정할 수 있을 것이고 유조선의 설계 시 안전도의 개선에 이바지할 수 있게 할 것이다.