znusion 스토어

znusion

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

11개
전체 판매량

42개
최근 3개월 판매량

0개
자료후기 점수

-
자료문의 응답률

-

전체자료 11개

기술사업화 성장곡선법

년도(t)기술수준(y)(%)19801.119811.319821.419831.519841.719851.919862.119872.419882.919893.819904.419916.119927.719938.819949.7199511.3199612.7199713.8199814.8199916.1200017.1200120.1200219.2200322.2200425.1200530.4200635.8200736.8200843.6200947.1201049.2L=100년도(t)기술수준(y)(%)y/(L-y)Y=log(y/(L-y)19801.10.011122346-1.*************1.30.013171226-1.880373819821.40.014198783-1.84774887919831.50.015228426-1.81734497119841.70.017293998-1.*************1.90.019367992-1.*************2.10.02145046-1.66856339719872.40.024590164-1.*************2.90.029866117-1.*************3.80.03950104-1.4*************.40.046025105-1.*************6.10.064962726-1.*************7.70.083423619-1.0*************.80.096491228-1.*************9.70.107419712-0.96*************.30.127395716-0.89*************.70.145475372-0.*************13.80.160092807-0.*************14.80.17370892-0.760177879199916.10.191895113-0.71*************.10.206272618-0.68555842200120.10.251564456-0.5*************9.20.237623762-0.*************22.20.285347044-.81734497119841.70.017293998-1.*************1.90.019367992-1.*************2.10.02145046-1.66856339719872.40.024590164-1.*************2.90.029866117-1.*************3.80.03950104-1.4*************.40.046025105-1.*************6.10.064962726-1.*************7.70.083423619-1.0*************.80.096491228-1.*************9.70.107419712-0.96*************.30.127395716-0.89*************.70.145475372-0.*************13.80.160092807-0.*************14.80.17370892-0.760177879199916.10.191895113-0.71*************.10.206272618-0.68555842200120.10.251564456-0.5*************9.20.237623762-0.*************22.20.285347044-0.*************25.10.335113485-0.47*************.40.436781609-0.*************35.80.557632399-0.25*************.80.582278481-0.23486926200843.60.773049645-0.1*************7.10.890359168-0.*************49.20.968503937-0.01389861201049.20.968503937-0.01389861L=100년도(t)기술수준(y)(%)y/(L-y)Y=log(y/(L-y)19801.10.011122346-1.*************1.30.013171226-1.880373819821.40.014198783-1.84774887919831.50.0150523199713.80.160092807-0.*************14.80.17370892-0.760177879199916.10.191895113-0.71*************.10.206272618-0.68555842200120.10.251564456-0.5*************9.20.237623762-0.*************22.20.285347044-0.*************25.10.335113485-0.47*************.40.436781609-0.*************35.80.557632399-0.25*************.80.582278481-0.23486926200843.60.773049645-0.1*************7.10.890359168-0.*************49.20.968503937-0.01389861201049.20.968503937-0.01389861L=100No년도(t)기술수준(y)(%)y/(L-y)Y=log(y/(L-y)y(t)119801.10.011122346-1.9538036061.04*************.30.013171226-1.88037381.2*************1.40.014198783-1.8477488791.41*************.50.015228426-1.8173449711.636566585519841.70.017293998-1.7621045961.*************51.90.019367992-1.7129154062.2*************2.10.02145046-1.6685633972.54*************.40.024590164-1.6092385762.*************2.90.029866117-1.5248212323.*************893.80.03950104-1.4033914753.*************04.40.046025105-1.3370052164.5636649581219916.10.064962726-1.*************0.10.251564456-0.59935072220.0796957723200219.20.237623762-0.62411013222.609*************.20.285347044-0.54462662325.*************425.10.335113485-0.47480809628.315*************.40.436781609-0.35973565631.4*************35.80.557632399-0.25365200134.*************736.80.582278481-0.2348692638.3*************43.60.773049645-0.11179261541.*************947.10.890359168-0.05043476545.*************49.20.968503937-0.0138986149.4013564832201049.20.968503937-0.0138986153.16756318L=100No년도(t)기술수준(y)(%)y/(L-y)Y=log(y/(L-y)y(t)119801.10.011122346-1.9538036061.04*************.30.013171226-1.88037381.2*************1.40.014198783-1.8477488791.41*************.50.015228426-1.8173449711.636566585519841.70.017293998-1.7621045961.*************51.90.019367992-1.7129154062.2*************2.10.02145046-1.6685633972.54*************.40.024590164-1.6092385762.*************2.90.029866117-1.5248212323.*************893.80.03950104-1.4033914753.*************04.40.046025105-1.3370052164.5636649581219916.10.064962727.768*************.10.251564456-0.59935072220.0796957723200219.20.237623762-0.62411013222.609*************.20.285347044-0.54462662325.*************425.10.335113485-0.47480809628.315*************.40.436781609-0.35973565631.4*************35.80.557632399-0.25365200134.*************736.80.582278481-0.2348692638.3*************43.60.773049645-0.11179261541.*************947.10.890359168-0.05043476545.*************49.20.968503937-0.0138986149.4013564832201049.20.968503937-0.0138986153.1*************56.*************260.*************364.0*************7.4*************70.70*************3.72*************6.*************879.14*************1.5*************83.6*************85.*************287.3*************88.9*************0.3640269647202591.*************92.68*************3.64*************4.4*************95.2*************95.86*************6.4225099754203296.9*************.32*************7.69*************8.*************698.28*************8.5*************98.*************998.9*************99.05425698632045

공학/기술| 2021.07.05| 1페이지| 2,500원| 조회(72)

기술사업화, 성장곡선법, 기술사업화 성장곡선법

미리보기

닫기
새로운 생명체 인공지능 전범위 요약정리 (A+)

인공지능 2시간 요약 정리1주차산업혁명1차 : 18-19세기, 증기, 2차 는 19세기 후반 : 전기, 전하, 내연기반3차 : 디지털 , 4차 : 인공지능 나노 자율주행..인공지능 정의지능적인 기계. 사람이 할 수 있는 동작, 추론, 직관을 기계에 부여약 인공지능 , 강 인공지능 : 기계가 실제로 의식을 가진다.의식을 가지면서 사람보다 우월한 의식을 가지는 것을 초지능(super intelligence)앨런 튜링인공지능 발전 전에 생각하는 기계를 만들 수 있는가?에 대해 제시한 사람Test 한 방법을 최초로 언급튜링 테스트딥블루와 왓슨(암진단에 많이 사용)인공지능 : 최근에 나온 용어가 아님. 1956년부터 활용최근들어서 일반인들이 사용할 수 있는 기술이 나와서 일반인들이 알게 된 것.전문가 시스템특수 목적으로 개발하는 ai를 연구. 범용적인 ai는 아직 불가.NPC, Adas 시스템.1장에서 가장 중요하게 여기는 것은 초지능의 출현 가능성초지능은 실현 가능하고, 이것에 의해 인류가 멸망할 수 있다는 견해도 있음.초지능이 만들어졌을 때 사람이 해야할 일을 고민해야 한다.2주차인공지능 활용 분야게임에서 인공지능검색 : 알파고처럼 어느 위치에 두어야 할지 결정Minimax 알고리즘기계 학습 알고리즘.. 현재나 다음 위치를 보고 어느 위치가 좋은지 학습 , 또는 컴퓨터가 직접 둬서 보상과 벌을 주는 방식으로 학습..NPC -> NGDB -> 모든 사람도 게임에 흥미를 느낄 수 있도록 해줌.STT , TTS도 다 요새는 머신러닝 사용STS : 음성 번역말한 사람을 인식 : speaker recognitionVoice print : 말한 사람에 대해 인증하는 것. 그 사람의 특성…QA 시스템의 구성 : 질문을 이해하고 그거에 맞는 답변을 만든다(검색) 그걸 사람이 알아들을 수 있도록 자연어로 변환(NLP).왓슨이 일종의 질의응답 시스템Computer Vision : 물체를 판별하고 검출 등등…ADAS 후방 카메라 켜지고 자동 주차, 차선 끼어들때 도와주는 것… 등등..이게 특징점 : 삼각주, 분기점, 중심점) 그걸로 정합얼굴인식얼굴의 특징을 가지고 인식..보안 많이 필요한 시스템에서는 사용 많이 안하고그런경우에는 홍채인식 사용.홍채인식 : 홍채는 동공을 둘러싸는 영역. 홍채의 패턴이 바뀌는 특성(주파수)을 가지고 0/1 로 인코딩해서 만들어진 것과 입력과 비교해서 동일인인지 다른지 판별홍채가 보안 제일 높음.3주차논리 : 참 / 거짓퍼지는 모호한 정도를 표현일반적인 논리는 참 또는 거짓인데 퍼지는 0에서 1 사이 참의 정도를 가짐.일반논리에서 여러 연결자를 가지고 논리를 표현. 3가지, and, or , not퍼지에서는 이런 것이 어떻게 수행되었는가? -> and 은 둘 중 작은 값, or의 경우에는 둘 중 큰 값. Not은 1에서 빼준 값.퍼지 시스템 구현(13페이지) : 입력, 출력 모두 실제 값.실제 입력을 받아서, 퍼지화를 수행하여 퍼지 값으로 만들어주고, 퍼지 값에 대한 결과를 실제 값으로 바꿔주고(역 퍼지화) , 입력으로 된 퍼지 값을 출력으로 가는 퍼지 값으로 바꿔주는 것이 퍼지 추론 값. 그 때 사용되는 지식이 규칙 기반으로 만들어지는데 (if 기반), 이걸로 추론해서 만든다.실제 값을 퍼지값으로 바꿔주어야 하니까 각 variable에 대한 멤버쉽 함수(참에 대한 정도값)을 알아야 한다.인공지능 세탁기 예시.실제 입력값을 무게, 부피.. (실제 값) 출력은 물의 값(실제 값)무게가 무겁다, 가볍다 등을 퍼지값으로 표현. 그것에 대한 멤버쉽 값을 이용해서 퍼지 논리 값을 만듬. 그리고 퍼지 규칙은 무게가 무거우면 물을 많이 준다. 이런 규칙을 사용하고 이것에 의해 물의 양이 퍼지 값으로 결정되는데,물에 대한 양을 멤버쉽 함수로 실제 물의 양을 계산.역퍼지화 : 세로축에서 만들어진 퍼지값으로 가로 축의 실제 값을 추론.여러 가지 방법이 있음 MOM, Centroid가 있음. 주로 센트로이드로 함.비대칭 구조라면 centroid를 이용해서 역퍼지 수행 가능퍼지 값과 실제 값의 가중합을 해주면 실제 값의 평균 값이 점 진화하게 해주는 것이 유전 알고리즘.실제 유전 : 좋은 개체를 찾아서 어머니 아버지 교차 유전자 받는 것.그래서 좋은 유전자를 선택하고, 교차해서 유전 한 개 물려받고, 부모가 가지지 못한 유전형질을 발생해야 더 좋은 개체가 되므로 돌연변이, 변이를 가끔 유발시킴. 그런식으로 세대를 이어가서 적합도가 높아지게끔 한다.염색체 표현이진수 : 가지고 있다 아니다순열 TSP문제는 순서도 고려하기 때문에 사용진화과정대치 : 계속 인구가 늘어나면 안좋으니까, 안좋은 개체는 좋은 개체로 대치3가지는 선택, 교차, 돌연변이4가지라면 대치 포함언제까지 반복? : 종료 조건 만족종료조건 : 몇 세대까지 반복하겠다, 적합도 함수가 몇이 될 때까지 종료, 더 이상 적합도함수까지 못가는데 값이 좋아지지 않는다 -> 반복 종료교차 연산TSP인 경우에는 순서 교차유전 알고리즘의 한계적합도 값이 얼마나 더 떨어질 지 모름(종료 조건이 명확하지 않음: 실제 답을 모르기에) -> 현재 해가 전역 최적인지, 국부 최적인지 모름.TSP문제(순회 외판원 문제)순열로 유전자를 표현해야 함.일점교차는 수행 불가. (일점교차는 중복 방문이 발생하기에 중복되어 방문한 집이 있을 수 있고, 방문하지 않는 집이 발생할 수 있음)따라서 순서 교차를 해야함.돌연변이는 다른문제의 경우 임의의 위치 0/1을 반대로 바꿔주면 되는데, TSP에서는 0또는 1도 아니고, 두 개가 짝으로 이루어져서 바꾸어주어야 함유전 알고리즘에서 중요시 하는 것진화과정(선택, 교차 , 변이)선택 : 좋은 개체(적합도가 높은 개체, 많이 진화한 개체)를 선택할 것이고교차 : 두 개를 골라서 아버지와 어머니로 해서 교차로 염색체 생성돌연변이 : 확률에 따라서 돌연변이 생성, 이게 있어야 부모가 가지지 못하는 우수한 형질의 개체를 만들 수 있다.5주차게임에서의 인공지능MINIMAX 알고리즘 , 알파 베타 가지치기보드게임 시 사람이랑 게임하는 인공지능어디를 선택할 지 결정가장 간단한 방법이 미니맥스 알고리즘계속 서로 둬서, 내가 이기는 경우 우수한지를 평가.그 방법이 휴리스틱 평가 함수를 사용하는 것. 맨 아래로 내려가지 않고 중간에서 Minimax로 올라감.휴리스틱 평가함수는 내가 정의하는 것. 틱택토 같은 경우에는 내가 이길 수 있는 경로의 개수 – 상대방이 이길 수 있는 경로의 개수 로 평가이게 양수면 내가 이길 가능성이 더 높은 경우…게임을 끝까지 가지 않고 누가 더 우세한지 평가 가능..오델로 게임(reversy game)내 돌의 개수가 상대방의 개수보다 높으면 이김.중간에 평가하게 됨. 너무 오래걸려서.가장 간단한 휴리스틱 평가함수 : 내 돌의 개수 – 상대방의 돌의 개수또다른 것 : 위치가 중요할 수 있음. 구석이면 상대방은 날 못뒤집음. 가장 중요한 것.가장 구석 바로 옆이 제일 안좋음. 그래서 가중치를 구석은 양수, 그 옆은 음수.. 로 해서가중치 곱 * 개수 해서 빼주면 자리까지 고려한 휴리스틱 함수알파 베타 가지치기더 이상 비교할 필요가 없는 경우 가지치기.알파 >= 베타 면 하위 노드는 더 찾을 필요가 없다.6주차데이터 분석 및 처리데이터 분석 : 유용한 정보를 발견하기 위해 검사하고 변환하고 모델링하는 모든 과정데이터 마이닝 : 많은 데이터 셋으로부터 어떤 패턴이나 상관관계를 찾는 프로세스.데이터 마이닝은 데이터 분석 안에 포함되어있음.입력으로 받는 featrue을 선택 및 추출Feature selection :사용할 부분만 선택Feature extraction : 특징을 추출해주는거라 가공해주는것.Feature. :데이터가 가지는 속성Featre을 가지는 하나의 데이터가 sample, instance그걸 분류, 군집화.. 무엇인지를 알고 나눠주는 것이 분류.(지도)레이블 된 값이 없는 모르고 분류가 군집화 (비지도학습)PCA, LDA 크게 중요하지는 않음.차원 축소에 사용되는 애들.한 축으로 투영시켜 차원을 감소해주는 것PCA는 서로 모이는 특성으로 나타나고, LDA는 class가 분리가 잘 되도록 분리해주는 차원으로 축소시켜 줌.음향음향의 주파수 : 높은음이냐 낮은음이개 섞여있는것. 가장 큰 주파수가 대표할 수 있음.변화가 심한 주파수 : 높은 주파수변화가 약한 주파수 : 낮은 주파수주파수 필터사운드나 이미지 영상에서 필요한 주파수를 끄집어낼 수 있음 그것이 filter개념.LPF : 낮은 주파수만 통과시켜줌. 그러면 높은 주파수는 통과시켜주지 않겠지.HPF : 높은 주파수만 통과시켜줌. 낮은 주파수는 통과시키지 못함.이걸 공간 domain에서 변화시킨 게 convolutionFiltering을 시간 영역에서 주파수 추출해서 잘라서 filtering할 수도 있지만,시간 도메인에서 convolution을 하면 바로 filtering가능.Convolution하면 중간값으로 변환되게 됨 -> 큰 변화가 작아진다 : LPF가 됨주변 값을 빼줬다고 하면, 차이가 크면 클수록 절댓값이 커지는 값이 나옴 -> HPF가 됨.스펙트로그램시간에 따라 음의 크기가 바뀌는 사운드 신호.주파수는 현재 샘플 하나로 표현 불가능. 왜냐하면 이전과 어떻게 변했느냐를 비교하는 거니까.시간 영역 안에서 3차원 구조로 변환 -> 밝기값으로 표현하게 됨.밝은 값 : 해당 시간에서 해당 주파수가 강하다… 라는 뜻->사운드의 주파수 특성을 시간의 변화에 따라 볼 수 있음.영상 데이터한 점이 하나의 픽셀이 되는 것가로 세로의 픽셀 수를 공간해상도라고 하며 W * H가 실제 영상의 화소 수가 되는 것5백만개가 있으면 5메가 픽셀 영상이 되는 것컬러영상 : rgb 3개의 채널하나의 채널이 가질 수 있는 크기가 1 byte. 0 부터 255까지 256가지를 표현RGB가 1바이트씩해서 3바이트.가질 수 있는 색상은 총 2의 24제곱이라서 1600만가지 색상을 가짐.그레이 스케일은 밝기 값만 가지는 것. 1 바이트로 표현. 채도가 없어서 rgb값이 같음.그래서 컬러영상에서도 rgb 값을 똑같이 놓으면 회색조 영상이 됨.얘도 한 픽셀이 256가지 색상을 표현영상 저장, 전송시에는 Rgb가 아니라 ycbcr 등의 다른 모델을 사용할 수 있음. 깊게 알필요 없음.Rgb당 1 바.

공학/기술| 2021.07.05| 11페이지| 2,500원| 조회(310)

인공지능, 기말고사 요약정리, 새로운 생명체 인공지능

미리보기

닫기
새로운생명체 인공지능 딥러닝 활용분야 (A+)

중간고사 보고서과목 : 새로운 생명체 : 인공지능제출 일자 : 2021.05.031. 기술의 이름Deep Support Vector Data Description (Deep SVDD)데이터를 구분할 때, 다른 데이터와 다른 비정상 데이터를 anomaly(이상치) 라고 하고, 이를 탐지하는 것을 Anomaly Detection이라고 합니다. 이런 Anomaly Detection은 데이터가 anomaly다 라고 표시해주는 label이 있으면 많이 사용되는 지도 학습법(supervised learning)을 사용하여 모델을 훈련시키고, 데이터에 적용해서 구분할 수 있습니다.그러나 라벨 값이 없는 데이터의 경우에는 지도 학습법을 적용할 수 없기 때문에 비지도학습법, 준지도 학습법 등을 사용하여 학습하게 됩니다. 이러한 비지도 학습법에 신경망 네트워크를 적용하여 더 수준 높은 이상치 탐지를 목적으로 개발된 기법이 Deep SVDD 이고, Deep SVDD 알고리즘은 모델이 정상적인 데이터의 특징을 추출하고 이를 정확하게 학습하는 것입니다.서포트 벡터 머신(Support Vector Machine) 이란?Deep SVDD 라는 이름을 보면, Support Vector 가 들어가 있다. 따라서 먼저 Support Vector 가 무엇인지 알게 된다면, Deep SVDD가 어떤 식으로 작동하는지 알기 쉬워질 것이다. Support Vector machine은 쉽게 말하면, 평면 위에 놓인 데이터 샘플들의 라벨 값을 분류하는 기법이다. 물론 회귀로도 사용할 수 있지만 핵심은, 이 데이터 샘플들을 분류할 수 있는 직선이나 곡선을 긋는 경계를 만들어나가는 기법이다. 아래 그림과 같이 검은색 특성을 가진 데이터 포인트와 하얀색 특성을 가진 데이터들을 구분하는 직선을 긋게 된다. 이것은 2차원의 평면에 데이터를 나열하였을 때고, 고차원의 경우에는 곡선의 형태가 되며, 고차원에서 이는 초평면이 된다.Deep SVDD의 원리도 Support Vector Machine의 방법을 차용하고 있다. 즉, 정상으로 판단되는 데이터들을 구 형태의 경계 안에 넣으려 하고, 이 경계를 찾아가는 방식을 학습하게 된다.기존의 Anomaly Detection의 문제점사실 이상치 탐지 알고리즘은 과거부터 존재해왔다. 그러나 이들은 높은 차원의 데이터들을 대상으로는 계산 능력이 부족하여 오래 걸리거나 차원의 저주(변수의 수가 많아질수록 계산량이 기하 급수적으로 높아지는 현상)때문에 효과적인 결과를 가져오지 못하였다. 따라서 변수를 적절히 제거해주거나 변형하여 수를 줄여주는 feature engineering이 필요했는데, 딥러닝은 이러한 관련있는 변수들을 알아서 학습하기 때문에 분석가의 부담을 줄여줄 수 있을 뿐만 아니라 높은 성능을 가져올 수 있도록 해준다.Deep SVDD즉, 앞서 말한 것처럼 Deep SVDD는 뉴럴 네트워크를 사용하여 모델이 데이터 포인트들을 포함하는 경계인 초구를 점점 축소하게끔 훈련하며, 이를 위해 데이터 분포에서 정상적인 분산을 추출하여 정상 데이터의 특징을 파악하며 학습한다. 이 결과를 통해 어떤 데이터가 정상 데이터고 어떤 데이터가 이상치인지를 파악할 수 있기 때문에 Data Description(데이터 기술) 이라는 단어가 명칭에 붙게 된 것이다.2. 처리 방법아래 그림은, Deep SVDD 원 논문에 처리과정을 도식화한 그림을 그대로 가져온 것이다.가장 왼쪽 그림은 원래 데이터를 평면에 plotting한 것으로, input space X 라고 한다. 이를 output space F로 변환하게 되는데, 이 과정에서 데이터 포인트를 w의 가중치와 뉴럴 네트워크를 통해 매핑하게 된다. Output space F로 변환하면 중심 c, 반지름 R인 초구를 경계로 만들게 되는데, 이 R이 최소가 되면서 가능한 많은 정상 데이터를 포함하게 하여, 정상 데이터 포인트들은 초구 안으로 들어오고, 비 정상 데이터 포인터들은 초구 밖으로 나가게 된다.3. 결과 예시예를 들어, 동물의 사진들을 사용하여 deep SVDD를 적용했다면, 같은 또는 비슷한 다수의 데이터들을 정상 데이터로 판단하였을 것이고, 비정상적인 즉, 다른 동물들의 데이터를 이상치라고 판단하여 초구를 좁힐 것이다. 따라서 아래 그림과 같이 만약 호랑이의 그림이 대다수라면 호랑이 그림은 초구 안에 위치해 있을 것이고, 나머지 동물들의 그림은 초구 밖에 위치할 것이다.4. 활용 분야 등전공이 산업경영공학과 이므로 아무래도 공정, 유통과 관련된 분야를 배우게 된다. 그런데, 최근 스마트 팩토리 분야에서 이 기법이 많이 도입이 되고 있다고 한다. 스마트 팩토리의 공장은 완전 기계화 되어있고, 이러한 기계들로만 이루어져있기 때문에 오류가 잘 일어나지 않는다고 한다. 이미 정확도가 98%, 99% 정도 되는데 이런 공정에서 더 개선을 하려고 하거나, 혹은 오류들을 분석하려고 하니, 데이터들이 턱없이 부족한 것이다. 정상 데이터들이 대부분이고 비정상 데이터가 거의 없기 때문에, 비정상 데이터를 학습시켜서 분석하기가 힘든 현상이 나타나는 것이다.또한, 라벨링 자체도 어렵다고 한다. 왜냐하면 제조 데이터는 많이 쏟아낼 수 있지만, 어떤 기준에 의해 정상인지 장애인지 각각 형태가 다르기 때문이다. 이런 많은 데이터를 보유하고 있지만, 이를 분석하는 컴퓨팅 능력 또한 좋아야 하며 모델도 가벼워야 한다. 왜냐하면 센서의 위치가 바뀌거나 구동구조가 바뀌면 데이터도 바뀌는데 이런 것을 빠른 시간내에 분석해야 개선을 할 수 있기 때문이다.따라서 Deep SVDD를 이용해서 정상 데이터들의 특징을 학습하게 되는데, 특이한 점은 정상 데이터들만 사용하여 훈련한다는 것이다. 이를 Novelty 라고 하는데, 제조 현장에서 많이 사용한다고 한다. 정상을 학습해서 비정상을 찾는 것이다. 기존의 방법들로 novelty방식으로 훈련을 하면, 성능이 안좋게 나오는 경우가 많았으나, 딥러닝을 사용하는 Deep SVDD를 사용하면 성능이 좋게 나와서 최근 스마트 팩토리 공장에서 많이 사용된다고 한다. PAGE PAGE 1

공학/기술| 2021.07.05| 4페이지| 2,500원| 조회(233)

인공지능, SVDD, 새로운 생명체, 딥러닝 활용분야

미리보기

닫기
제품제조개발 TRIZ과제2(14-26번)(A+)

제품 제조 및 개발 시스템HW TRIZ 214. 타원형- 자동차 A 필러 : 과거 직선 형태로 가공하였지만 현재는 곡선을 통해 미적 가치 상승- 마사지 볼 : 볼 형태로 제작하여 회전을 통해 혼자서도 마사지 가능15. 유연성- 기계식 키보드 키캡 : 키캡을 교환할 수 있도록 하여 유연한 디자인 변경 가능- 공차 : 당도 조절이 가능하여 사용자에게 최적의 음료를 선택 가능하게 함16. 과부족 조치- 밥솥 : 물을 많이 받아서 과도한 수증기가 내부에 있어도 외부 용기 틈 사이로 저장 가능- 가공식품 포장 : 정량 그램 수 보다 부족하면 안되므로 살짝 더 많이 담음.- lg gram : 광고한 무게보다 무거운 일이 발생하면 안되므로 광고 스펙보다 실제가 더 가벼움.17. 다른 차원 :- 벌통 : 하나의 벌통씩만 있는 것이 아니라 위로도 몇 개씩 쌓을 수 있다.- PCA : 데이터 차원 축소 기법으로, 많은 변수의 데이터를 소수의 차원으로 줄인다.18. 진동- 전기 면도기 : 면도 날에 진동을 가하여 털을 깎아줌- 촉각 기계 : 표면의 진동을 다르게 하여 사용자로 하여금 실제 물체를 만지는 것 같은 촉각을 전달함.19. 주기적 조치- 산소호흡기 : 불규칙적인 호흡을 산소 호흡기를 사용하여 규칙적인 빈도로 전환- 혈관의 판막 : 연속적인 혈액의 역흐름을 판막을 통해 제어20. 유용한 작용의 지속- 거품기 : 모터의 회전작용을 이용하여 지속적으로 회전- 슈퍼 세트 : 운동 시 세트 사이의 휴식을 최대한 배제하여 사이사이에도 간단한 운동을 추가해주어 효율을 높인다.21. 고속처리- 고온 살균처리 : 짧은 시간동안 높은 온도로 살균하여 세균만을 빠르게 파괴- 카이로 프랙틱 : 뼈를 바로 맞추어 짧고 굵은 고통으로 지속적인 고통을 치료함22. 전화위복- 박테리오 파지 : 바이러스를 죽이기 위해 박테리오 파지를 투입- 물 : 가연성 물질인 수소와 산소의 결합으로 유해한 요소를 제거23. 피드백- 모션 인식 센서 : 행동을 피드백으로 인식하여 원하는 기능 작동- 강의평가 : 학생들에게서 피드백을 수렴하여 강의 개선24. 중간매개물- 화학 촉매재 : 화학반응을 전달하기 위해 중간 매개체로 사용- 성냥의 인 : 열에너지를 전달하여 불을 붙일 수 있도록 하는 중간 매개체25. 셀프 서비스- 밑에서 충전되는 맥주 잔 : 특정 부분에 잔을 올려놓으면 밑으로부터 맥주가 충전된다.- 자동커피 머신 : 원두만 넣어주면 알아서 압착하고 찌꺼기를 버리는 등 자동적으로 보충 및 청소 작업 수행26. 대체 수단- 강화유리 : 깨지기 쉬운 유리를 대신해서 플라스틱 합성의 강화유리를 사용- 초음파 센서 : 자율주행에서 비싼 라이다 센서 대신 초음파 센서를 사용

공학/기술| 2021.07.05| 2페이지| 1,500원| 조회(110)

triz, 제품제조개발, 제품개발 및 제조시스템

미리보기

닫기
제품제조개발 TRIZ 과제1(1~13번)

제품 제조 및 개발 시스템HW TRIZ 11. 분할- 화장품 쿠션 : 스펀지 부분과 가루 부분을 분할하여 소모성 제품만 교환하면 되도록 함- 조각 케이크 : 타겟 소비자층의 다양성을 고려하여 분할 판매2. 적출- 노트북의 전원 어댑터 파워 : 노트북에서는 불필요하므로 파워를 충전 코드로 빼냈음- 감자 탈피기 : 감자에서 껍질이 필요하지 않은 경우에 뺄 수 있도록 도와줌3. 국부적 품질- 게이밍 마우스 : 평범한 마우스 기능에 왼편에 다양한 버튼을 추가하여 서로 다른 기능을 수행- 스테이플러 : 앞쪽은 종이를 하나로 찍을 수 있게 해주고, 뒤에는 찍은 철심을 뺄 수 있도록 기능함.4. 비대칭- 인체공학 키보드 : 기존의 수평 키보드에서 비대칭의 인체 공학 키보드- 데드리프트 발가락 신발 : 발가락 모양에 맞추어 비대칭적으로 설계하여 편안함 부여.5. 통합- 회전하는 에어프라이어 : 조리와 회전을 동시에 할 수 있도록 기능을 통합- 데이터 전처리 시 pipeline 설계 : 데이터 전처리와 모델 훈련을 동시에 할 수 있는 함수 제공6. 다용도- 최근 자동차의 핸들 : 핸들에 다양한 버튼들을 통해 차의 기능을 조작할 수 있다.- 멀티 페어링 블루투스 키보드 : 하나의 객체가 여러 다른 객체와 연결되어있어 서로 다른 객체에서 기능을 수행 할 수 있다.7. 포개기- 경찰 3단봉 : 3단의 봉을 1단으로 접히도록 하여 휴대의 용이성 부여- 노트북 스탠드 : 접으면 평면이지만 세우면 높아진다.8. 평형추- 타워크레인 : 앞쪽의 무거운 무게를 들기 위해 뒷쪽에 무거운 콘크리트 덩어리로 평형 유지- 네오디뮴 자석을 통한 부양 : 자석간의 척력을 사용하여 램프 등의 데코레이션 물체를 공중에 띄운다.9. 사전반대조치- 벌목 : 나무를 벨 때, 한쪽으로만 찍으면 균형이 맞지않게 무너지므로 원하는 방향으로 무너뜨리기 위해 반대쪽으로도 찍어놓음- 영유아 주사 투여 : 주사의 고통을 대비해 다른 쪽 피부를 두드려서 반대쪽으로 시선 분산10. 사전준비조치- 킷캣 : 부셔먹을 것을 염두해 두고 미리 홈을 파놓음- 김밥집 : 김밥을 말기 위해 미리 필요한 반찬통을 전부 김 앞에 세팅함.11. 사전보호조치- 에어백 : 안전벨트로 부족할 수 있는 충격흡수를 에어백으로 상쇄- Mac Safe : 충전시 사람에 의해 걸리는 경우를 대비해 자석으로 쉽게 떨어질 수 있도록 미리 설계12. 높이유지- 자동 높이 조절 테이블 : 높이를 조절할 수 있는 책상을 설계하여 작업 조건을 변화- 지게 차 : 객체를 직접 들고 내릴 필요없이 지게 차가 조절하여 그대로 밀어 넣으면 되게 끔 작업 조건을 변화13. 반전- 음펨바 효과 : 더 빠른 냉각을 위해 끓인 물을 냉동실에 넣으면 더 빨리 언다.- 회전 테이블 : 중국 음식의 회전 테이블을 통해 기존의 움직일 수 있는 부분은 고정하되, 고정된 테이블을 회전시킨다.

공학/기술| 2021.07.05| 2페이지| 1,500원| 조회(117)

triz, 제품개발 및 제조세스템, 제품제조개발

미리보기

닫기