• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2004년도 하계학술대회 논문집 Vol.5 No.2
• /
• pp.1010-1014
• /
• 2004

High quality GaN layer and $In_xGa_{1-x}N$ alloy were obtained on (0001)sapphire substrate using ammonia$(NH_3)$ and dimethylhydrazine$(DMH_y)$ as a nitrogen source by gas source molecular hem epitaxy(GSMBE) respectively. As a result, RHEED is used to investigate the relaxation processes which take place during the growth of GaN and $In_xGa_{1-x}N$. The full Width at half maximum of the x-ray diffraction(FWHM) rocking curve measured from Plane of GaN has exhibitted as narrow as 8 arcmin. Photoluminescence measurement of GaN and $In_xGa_{1-x}N$ were investigated at room temperature, where the intensity of the band edge emission is much stronger than that of deep level emission. In content of $In_xGa_{1-x}N$ epitaxial layer according to growth condition was investigated.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권3호
• /
• pp.1014-1025
• /
• 2020

Cloud computing services changed the way the data are managed across the healthcare system that can improve patient care. Currently, most healthcare organizations are using cloud-based applications and related services to deliver better healthcare facilities. But architecting a cloud-based healthcare system needs deep knowledge about the working nature of these services and the requirements of the healthcare environment. The success is based on the usage of appropriate cloud services in the architecture to manage the data flow across the healthcare system.Cloud service providers offer a wide variety of services to ingest, store and process healthcare data securely. The top three public cloud providers- Amazon, Google, and Microsoft offers advanced cloud services for the solution that the healthcare industry is looking for. This article proposes a framework that can effectively utilize cloud services to handle the data flow among the various stages of the healthcare infrastructure. The useful cloud services for ingesting, storing and analyzing the healthcare data for the proposed framework, from the top three cloud providers are listed in this work. Finally, a cloud-based healthcare architecture using Amazon Cloud Services is constructed for reference.

• 대한원격탐사학회지
• /
• 제37권4호
• /
• pp.747-761
• /
• 2021

With the increasing application of UAVs in intelligent transportation systems, vehicle detection for aerial images has become an essential engineering technology and has academic research significance. In this paper, a vehicle detection method for aerial images based on the YOLOv4 deep learning algorithm is presented. At present, the most known datasets are VOC (The PASCAL Visual Object Classes Challenge), ImageNet, and COCO (Microsoft Common Objects in Context), which comply with the vehicle detection from UAV. An integrated dataset not only reflects its quantity and photo quality but also its diversity which affects the detection accuracy. The method integrates three public aerial image datasets VAID, UAVD, DOTA suitable for YOLOv4. The training model presents good test results especially for small objects, rotating objects, as well as compact and dense objects, and meets the real-time detection requirements. For future work, we will integrate one more aerial image dataset acquired by our lab to increase the number and diversity of training samples, at the same time, while meeting the real-time requirements.

• Structural Monitoring and Maintenance
• /
• 제9권3호
• /
• pp.289-303
• /
• 2022

In this study, the impact of assigned pixel labels on the accuracy of crack image identification of steel structures is examined by using an atrous separable convolution neural network (ASCNN). Firstly, images containing fatigue cracks collected from steel structures are classified into four datasets by assigning different pixel labels based on image features. Secondly, the DeepLab v3+ algorithm is used to determine optimal parameters of the ASCNN model by maximizing the average mean-intersection-over-union (mIoU) metric of the datasets. Thirdly, the ASCNN model is trained for various image sizes and hyper-parameters, such as the learning rule, learning rate, and epoch. The optimal parameters of the ASCNN model are determined based on the average mIoU metric. Finally, the trained ASCNN model is evaluated by using 10% untrained images. The result shows that the ASCNN model can segment cracks and other objects in the captured images with an average mIoU of 0.716.

• Advances in nano research
• /
• 제12권5호
• /
• pp.489-499
• /
• 2022

Nanofluids have recently triggered a substantial scientific interest as cooling media. However, their stability is challenging for successful engagement in industrial applications. Different factors, including temperature, nanoparticles and base fluids characteristics, pH, ultrasonic power and frequency, agitation time, and surfactant type and concentration, determine the nanofluid stability regime. Indeed, it is often too complicated and even impossible to accurately find the conditions resulting in a stabilized nanofluid. Furthermore, there are no empirical, semi-empirical, and even intelligent scenarios for anticipating the stability of nanofluids. Therefore, this study introduces a straightforward and reliable intelligent classifier for discriminating among the stability regimes of alumina-water nanofluids based on the Zeta potential margins. In this regard, various intelligent classifiers (i.e., deep learning and multilayer perceptron neural network, decision tree, GoogleNet, and multi-output least squares support vector regression) have been designed, and their classification accuracy was compared. This comparison approved that the multilayer perceptron neural network (MLPNN) with the SoftMax activation function trained by the Bayesian regularization algorithm is the best classifier for the considered task. This intelligent classifier accurately detects the stability regimes of more than 90% of 345 different nanofluid samples. The overall classification accuracy and misclassification percent of 90.1% and 9.9% have been achieved by this model. This research is the first try toward anticipting the stability of water-alumin nanofluids from some easily measured independent variables.

• Smart Structures and Systems
• /
• 제31권1호
• /
• pp.45-56
• /
• 2023

Vibration-based structural health monitoring is used to ensure the safety of structures by installing sensors in structures. The peak picking method, one of the applications of vibration-based structural health monitoring, is a method that analyze the dynamic characteristics of a structure using the peaks of the frequency response function. However, the results may vary depending on the person predicting the peak point; further, the method does not predict the exact peak point in the presence of noise. To overcome the limitations of the existing peak picking methods, this study proposes a new method to automate the modal analysis process by utilizing long short-term memory, a type of recurrent neural network. The method proposed in this study uses the time series data of the frequency response function directly as the input of the LSTM network. In addition, the proposed method improved the accuracy by using the phase as well as amplitude information of the frequency response function. Simulation experiments and lab-scale model experiments are performed to verify the performance of the LSTM network developed in this study. The result reported a modal assurance criterion of 0.8107, and it is expected that the dynamic characteristics of a civil structure can be predicted with high accuracy using data without experts.

• Journal of the Korean Wood Science and Technology
• /
• 제46권1호
• /
• pp.73-84
• /
• 2018

최근 들어 늘어나고 있는 도시형 화재 사고와 건축 외장재에 따른 화재 피해 사례의 증가에 따라 난연처리기술의 중요성이 부각되고 있다. 특히, 목재를 기반으로 한 건축재료의 활용에 있어서 난연처리기술은 더욱 중요하게 평가되고 있다. Intumescent 시스템은 비할로겐계 난연처리기술의 하나로, 발포와 탄화층 형성을 통하여 난연성을 구현하는 시스템이다. 본 연구에서는 Intumescent 시스템을 적용하기 위해 Ethylene vinyl acetate (EVA)를 매트릭스로 채용하여 복합재료를 제조하였다. Intumescent 시스템의 난연특성을 강화하기 위해 나노클레이를 함께 적용하였다. Intumescent 시스템과 나노클레이 기술을 함께 적용한 복합재료를 시트상의 시험편으로 가공한 후, 이를 활용하여 표면의 난연특성이 강화된 새로운 구조의 교호집성재를 제작하였다. Intumescent 시스템을 적용한 복합재료의 연소특성 평가에서 최대 열방출량이 효과적으로 감소되는 것을 확인할 수 있었다. 표면에 부착된 구조에 따라 CLT는 두 단계에 걸친 연소 현상이 발생했다. 또한, 심부 연소 과정에서 최대 열방출률이 크게 감소하는 경향을 확인할 수 있었다. 이러한 특성은 목재의 연소과정에 있어 연소 확산지연효과가 있을 것으로 판단된다. 표면단판에 대한 난연처리기술 및 복합재료 적용 최적화 기술을 통해 보다 화재특성이 개선된 CLT 구조체 개발이 가능할 것으로 기대된다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제23권3호
• /
• pp.31-38
• /
• 2017

본 논문에서는 도심 영상에 대해 맨하탄 좌표계를 추정하는 합성곱 신경망(Convolutional Neural Network) 기반의 시스템을 제안한다. 도심 영상에서 맨하탄 좌표계를 추정하는 것은 영상 조정, 3차원 장면 복원 등 컴퓨터 그래픽스 및 비전 문제 해결의 기본이 된다. 제안하는 합성곱 신경망은 GoogLeNet[1]을 기반으로 구성한다. 합성곱 신경망을 훈련하기 위해 구글 스트리트 뷰 API로 영상을 수집하고 기존 캘리브레이션 방법으로 맨하탄 좌표계를 계산하여 데이터셋을 생성한다. 장면마다 새롭게 합성곱 신경망을 학습해야하는 PoseNet[2]과 달리, 본 논문에서 제안하는 시스템은 장면의 구조를 학습하여 맨하탄 좌표계를 추정하기 때문에 학습되지 않은 새로운 장면에 대해서도 맨하탄 좌표계를 추정한다. 제안하는 방법은 학습에 참여하지 않은 구글 스트리트 뷰 영상을 검증 데이터로 테스트하였을 때 $3.157^{\circ}$의 중간 오차로 맨하탄 좌표계를 추정하였다. 또한, 동일 검증 데이터에 대해 제안하는 방법이 기존 맨하탄 좌표계 추정 알고리즘[3]보다 더 낮은 중간 오차를 보이는 것을 확인하였다.

• 지구물리와물리탐사
• /
• 제6권2호
• /
• pp.87-94
• /
• 2003

지진 발생을 전후로 ULF대역 지자기장의 진폭이 증가하는 현상이 관측 보고 되고 있으며, 그 원인으로서 단층대 전기전도도의 빠른 변동이 거론되고 있다. 즉 단층대 매질에 유도전류가 발생하면 전자기장의 변동이 발생할 수 있다고 하는 것이다. 본 연구에서는 2차원 단층구조 모델에 대한 수치 계산을 통해 전자기장 교란의 발생 가능성을 살펴보았다. 전기전도도가 ULF 대역의 주파수로 진동하면 낮은 주파수의 전자기장들이 ULF 대역의 주파수로 변조되어 좁은 주파수 대역에 중첩됨으로써 상대적으로 큰 전자기장의 교란을 일으킬 가능성이 있다. 단층대의 전기전도도와 형태, 전기전도도 변동의 크기와 주파수, 지각 및 맨틀의 전기비저항 구조, 관측 전자기장 주파수 대역의 폭 등에 의해 전자기장 교란의 관측가능성이 결정됨을 확인할 수 있었다. 지진과 관련된 전자기적 활동의 관측을 위해서는 단층대의 구조 뿐만 아니라 심부 지각의 전기비저항 구조의 연구가 이루어져야 하며, 관측 주파수 대역의 적절한 선택이 필요하다.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.435-444
• /
• 2019

최근 딥러닝(DL)은 여러 분야에서 급속도로 활용되고 있으며, 특히 영상으로부터 객체를 인식하여 분류하고 인식하기 위한 컴퓨터비전 분야에서 활발하게 연구가 진행되고 있다. 영상분야에서는 주로 합성곱 신경망(CNN)을 이용한 딥러닝 모델의 성능 향상에 주력하고 있다. 대부분의 합성곱 신경망은 영상을 학습시켜 영상분류 및 객체인식에 활용하고 있지만, 본 논문에서는 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 수치표면모델(DSM)과 이 데이터로부터 생성한 경사 및 주향 정보를 효율성과 성능이 우수하다고 평가받는 합성곱 신경망기반의 SegNet 모델에 적용하여 객체를 분류하고 분석하였다. 딥러닝은 고사양의 컴퓨터 시스템과 다량의 학습 데이터와 라벨 데이터가 필요하고, 다수의 시행착오에 의한 풍부한 경험이 요구된다. 또한 본 논문에서는 한정된 수량의 데이터로부터 효율적인 학습을 위한 데이터 생성 방법을 제시하고 수치표면모델을 분류하였다. 분석 결과 수치표면모델 데이터와 이로부터 도출한 부가적인 데이터를 딥러닝 모델에 적용해도 객체를 타당한 정확도로 분류할 수 있음을 확인하였다.