통도사 스토어

통도사

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

888개
전체 판매량

1,000+개
최근 3개월 판매량

0개
자료후기 점수

평균A
자료문의 응답률

-

전체자료 888개

판매자 표지

[보고서_24]리튬이온석출

I.서론최근 전기자동차의 발화는 사회적 이슈가 되고 있다. 특히 중국산 배터리의 품질 문제가 이슈가 되고 있다고 할 수 있다. 하지만 한국산 배터리 또한 이러한 사회적 이슈로부터 자유로울 수는 없을 것이다. 어짜피 제조상에서 발생되는 이슈는 어느 제조사나 피해가기는 무척 어렵기 때문이다. 결국 제품의 품질과 신뢰성이 가장 중요한 요인이 될 수 있는데 배터리의 이상 발열이나 발화를 위해서는 이에 대해서 잘 알아야 하고 원인에 대한 방지 방안을 만들어야 할 것이다. 본 보고서에서는 이러한 배터리의 이상 발열과 발화의 원인에 대해서 상세히 알아보도록 하겠다.II.본론1.리튬 이온 배터리의 이상 발열대부분의 발열은 전지의 플러스와 마이너스가 직접 연결되는 단락이 원인이다.단락하면 순간적으로 큰 전류가 흐르면서 심한 열도 발생한다.리튬이온 배터리는 가연성 재료로 사용되고 있으므로 격렬한 발열은 발화와 폭발 등으로 이어질 위험이 높다.2.발화의 원인 원인외부단락전지 외부에서 플러스와 마이너스가 직접 연결되어 버리는 상태가 발생하는 경우이다. 전지를 보관이나 폐기할 때는 양극이나 음극의 단자를 노출하지 말고 테이프를 붙여 절연 처리하고 다른 전지나 금속제품과의 혼재, 결로하는 환경에서 방치하면 안된다.과충전전지를 용량 이상으로 충전하면 양극 재료의 구조 붕괴와 전해액의 분해와 함께 문제가 발생한다.내부단락전지 내부 구조 파괴나 분리막 불량, 오염, 금속 석출 등에 의한 단락을 말한다. 분리막 불량은 장기 사용에 따른 열화 등으로 인해 본래의 기능을 못하게 되는 경우 내부 단락 현상이 발생한다.이외에도 제조 장치 등에서 전지 안에 혼입된 이물이 분리막을 뚫고 합선을 일으킬 가능성이 있다.3.금속 석출 원인(리튬석출)오염 유래오염된 금속 조작이 분리막을 찢을 정도는 아니라 하더라도 전지를 사용하는 동안 해당 불순물로 인하여 석출물이 크게 성장하는 경우가 있다. 이로 인하여 석출되는 경우가 있다.활물질 유래활물질에 사용되는 금속성분이 원인이 되어 석출되는 경우가 있다.과방전과방전 상태에서는 음극에서 구리가 녹아 나오기 때문에 이것이 석출물이 될 가능성이 있다.4.리튬금속 석출 원인리튬 금속 석출에 있어서 최대 요인은 음극 중의 리튬 이온 농도 분포의 불균일화이다. 어떤 요인에 의해 국소적으로 리튬 이온이 모여 버리는 것으로, 여기서 금속으로 석출하기 쉬워지는 것이다.전극의 도공 얼룩이나 적층 어긋남과 같은 제조상의 불량전극의 두께, 면적, 조성과 같은 설계상의 문제전해액 열화나 주변온도, 전지에 흐르는 전류값과 같은 전지의 사용환경III.결론본 보고서에서는 리튬이온 석출에 대해서 알아보았다. 최근 전기차 화재로 여러 사회적 이슈가 발생하고 있는데 이러한 원인 중 하나로 리튬이온 석출이 있다. 고체분리막을 사용하기 어려운 현 시점에서는 액체분리막을 사용할 수 밖에 없으며 이러한 상황에서 배터리의 안전성을 확보하기 위해서는 발화의 원인을 제대로 파악하고 이를 미연에 방지하기 위한 검출 기술이 필요하다. 따라서 본 보고서에서 언급한 리튬이온 석출에 대한 원인을 잘 이해하고 대처하여 배터리 발화의 원인을 최대한 방지하는 활동이 필요하다고 할 수 있다.IV.참고문헌일본 carlit : https://www.carlit.co.jp/배터리 시험소의 특징 : https://www.carlit.co.jp/assessment/battery/안전성 평가 시험(건전지) : https://www.carlit.co.jp/assessment/battery/safety.html

공학/기술| 2024.10.16| 3페이지| 3,000원| 조회(128)

불량, 리듐이온석출, 배터리불량, 리튬이온석출

미리보기

닫기
판매자 표지

[보고서_24]Skip-gram방법에 대해

Skip-gram방법에 대해I. 서론문서나 그래프 형태의 Data는 컴퓨터가 이해할 수 있도록 표현방식을 바꾸어야 한다. 이를 위해 해당 형태의 Data를 표현하는 방식이 변경되어야 한다. 문서의 경우에는 word2vec방법이 있고, 그래프의 경우에는 node2vec가 있다. 본 보고서에서는 skip-gram방법에 대한 내용을 살펴보도록 하겠다.II. 본론1.정의Word2vec의 방법중 하나이다.대상단어와 주변 단어의 관계를 이용하여 함께 자주 등장한 단어일수록 유사한 벡터 공간에 표현하는 것이 목적이다.2.입력과 출력값입력 : 단어뭉치출력 : 가중치 행렬3.학습방법대상 단어가 입력으로 주어졌을 때 주변 단어를 예측하는 식으로 학습 진행하이퍼파라미터 : window size2라고 할 경우 대상 단어의 양 옆 2개의 단어까지를 학습에 사용함4.예제“이론”이 대상이고 window size가 2인 경우 앞과 뒤에 위치한 대상 단어를 이용하여 학습을 진행한다. 만약 앞이나 뒤에 대상 단어가 존재하지 않을 경우에는 해당 부분을 생략하고 학습을 진행한다.5. 아키텍처생각보다 단순한 구조를 갖고 있음은닉층의 레이어 개수가 1개인 신경망 모델을 학습하는 방식임입력(대상단어)이 주어졌을 때 출력(주변단어)을 예측하는 방식으로 가중치 행렬(W, W’)를 학습하는 방식임기존의 one-hot encoding형태로 표현했던 단어들을 더 밀집된 저차원으로 이베딩 시킬 수 있음차원에 해당하는 값이 은닉층의 노드개수(N-dim)이다.N값을 200으로 하게 되면 은닉층의 노드가 200개인 신경망 모델을 학습하는 것이고 최종적으로 각 단어를 200차원의 임베딩 벡터로 표현하게 된다.아래 예제에서는 N값을 3으로 설정한 결과이다.6. Skip-gram모델의 최종 결과앞에서 설명한 그림에 의하면 가중치 행렬(W)이 최종 결과값에 해당한다.W의 형태를 보면 V(전체 단어의 개수) * N(임베딩 차원) 의 크기를 갖는 행렬이 된다.‘이론’이라는 임베딩 벡터를 계산하고 싶다면 가중치 행렬과 이론의 one-hot vector를 곱해주면 된다.7. DeepWalk텍스트를 임베딩하는데 활용되는 skip-gram방식을 활용한다.그래프 형태의 입력을 말뭉치의 형태로 나타낸다.8. 그래프 표현용어노드(V)와 간선(E)으로 표현가능한 자료구조의 한 종류이다.종류방향성 그래프(Digraph)비방향성 그래프(Graph)예 : 비방향성 그래프9. 그래프와 NLPNLP관점에서 본 그래프그래프 = 문서워크 = 문장노드 = 단어그래프 임베딩 방법단어들을 임베딩하는 방식은 skip-gram이다.Skip-gram은 그래프에 존재하는 노드를 임베딩하는데 사용가능하다.Graph2vec는 문서를 임베딩하는 방법중 하나인 Doc2vec를 사용한다.10. random walkDeepWalk는 random walk를 활용하여 모델의 input을 만든다.노드위를 걸어다니는 것을 의미한다.한 노드에서 출발하여 간선으로 연결된 임의의 이웃으로 이동하고 이동된 노드의 임의의 이웃으로 이동하는 일련의 과정을 의미한다.[v1, v4, v5, v1], [v3, v2, v3, v2], [v4, v1, v2, v3] … 등의 random walk를 만들어 볼 수 있다.Skip gram의 입력을 만들기 위해서는 random walk의 개수와 길이를 사전에 설정해줘야 한다.논문에서는 각 노드별로 32~64개 정도의 random walk를 만들고 길이는 40 정도가 적당하다.11. CBOW에 비해 skip-gram이 좋은 이유4개의 단어(윈도우=2인 경우)를 갖고 중심 단어를 맞추는 것이 성능이 좋아 보일 수 있지만 CBOW의 경우 중심단어(벡터)는 단 한번의 업데이트 기회만 갖는다.동일한 윈도우 크기(2)에 대해서도 skip-gram을 적용하면 중심단어는 업데이트 기회를 4번이나 확보할 수 있다. 따라서 말뭉치 크기가 동일하더라도 skip-gram을 사용하면 CBOW에 비해 학습량이 4배 차이나는 장점이 있다.III. 결론1.DeepWalk는 그래프의 노드를 임베딩 하는 방법이다.데이터를 그래프 형태로 표현한다.random walk를 통하여 walk를 샘플링한다.결과값을 hidden layer가 1개로 이루어진 신경망인 skip-gram을 통해 학습한다.2. DeepWalk의 한계정random walk를 임의로 만들기 때문에 개별 노드의 이웃들 간 더 강한 관계를 파악하지 못한다는 단점이 있다. 이를 보완하기 위해 node2vec, SDNE와 같은 방법을 사용한다.IV. 참고문헌https://velog.io/@tyhlife/DeepWalk

공학/기술| 2024.10.16| 6페이지| 3,000원| 조회(84)

스킵그램, Skip gram방법, Skip gram

미리보기

닫기
판매자 표지

[보고서]설비자동화

서론공장내 설비의 자동화는 여러가지 분야로 구분할 수 있다. 본 보고서에서는 설비 자동화의 유형에 대해서 알아보도록 하겠다.본론설비 자동화란?설비 자동화는 생산성과 품질 향상을 목적으로 진행하는 생산현장내 혁신활동이라고 할 수 있다. 기존에는 생산성이 보다 중요하였다. 하지만 최근들어 공급이 수요를 초과함으로 인하여 품질이 보다 더 중요한 요소가 되었다. 이외에 인간이 하고 싶지 않은 비인간적인 작업을 대체하기 위해 진행하는 활동이다.설비 자동화의 유형1) 생산설비의 자동화일반적으로 생산설비는 단순, 반복적인 작업으로 표준화가 잘되어 있어 투자 대비 경제성 측면에서 투자를 결정하는 데 유리한 측면이 있다. 생산설비의 자동화를 단계별로 구분해서 보면 다음과 같다.- 1단계 : 사람이 하고 싶어 하지 않거나 사람이 하기에 위험한 작업을 자동화한다.- 2단계 : 생산라인의 효율성을 높여 산업용 로봇의 수를 최대한 줄인다.- 3단계 : 전체 공장의 완전 자동화를 통하여 생산, 물류, 검사 등의 전 과정에 최소한의 인력만 배치한다.생산설비의 자동화에 있어 눈여겨 보아야 할 사항은 다음과 같다.- 과거 생산 설비의 자동화는 부분 최적화 관점으로 추진되었지만 이제는 전체 최적화 관점에서 추진되어야 한다.- 자동화된 설비는 연결(Connect)되어 데이터를 축적할 수 있어야 한다. 무선 접촉 기술의 발전으로 지금까지 연결이 곤란했던 장치에의 접속이 가능하다. 따라서 이러한 데이터를 이용하여 '제조 데이터의 가시화'를 빠르게 추진해야 한다.2) 물류설비의 자동화생산설비의 자동화만으로는 무인공장을 실현할 수 없다. 제품이 필요한 곳으로 필요한 만큼 적기에 공급될 수 있도록 하는 체제가 필요하다. 미래 기업의 경쟁력은 제조가 아니고 SCM가 중요하다. 이러한 경쟁력 확보를 위해서 기업들은 자동 창고 시스템을 도입하고 물류센터 사이에서 제품을 수송하고 있다. 이를 통해 소량 제품의 출하속도를 획기적으로 개선하였다.예를 들어 독일의 산업용 로봇 제조기업 쿠카(KUKA)의 옴니무브(OmniMove)는 초대형 화물도 이동시킬 수 있는 운송로봇이자 모바일 플랫폼이다. 이외에도 아마존은 2012년부터 물류창고에서 '키바(Kiva)'를 도입하여 로봇이 물류운반을 하도록 하였다.3) 검사설비의 자동화대부분의 기업은 품질목표를 중요하게 생각하고 있다. 특히 스마트 팩토리는 불량 제로에 도전하고 있다. 이를 위해서는 전수검사 인프라가 갖추어져 있어야 하다. 다만 로봇이나 자동화의 도움이 없다면 샘플링 검사에 의지할 수 밖에 없다.예를 들어 현대 모비스 아산공장은 현대차의 차량 3종에 들어가는 130여개의 부품을 혼류 생산하고 있다. 이를 위해 카메라와 모니터로 부품을 확인함으로써 서로 다른 차종의 부품이 섞이는 것을 방지하고 있다. 최근에는 부품 및 제품의 외형이나 동적 정밀도를 측정하기 위해 레이저 트래커(Laser Tracker)의 소형화가 이루어졌다. 기존에 사람이 하던 검사업무를 자동화함으로써 결과값의 신뢰성을 확보하였고 실시간 분석을 통한 빠른 피드백을 통한 대응이 가능해졌다.결론설비자동화는 스마트 팩토리에 있어 매우 중요한 활동이다. 스마트 팩토리의 하나로 생산라인내 사람을 최소화하거나 무인화하는 것이 거의 모든 기업들의 목표이다. 본 보고서에서는 설비자동화에 대해서 정의하고 종류에는 무엇이 있는지에 대해 알아보았다.참고문헌이호성(2017), 제4차 산업혁명 시대 최강의 무기 현장 중시명 스마트 팩토리, KMAC

공학/기술| 2024.10.16| 3페이지| 3,000원| 조회(172)

4차산업혁명, 스마트팩토리, 설비자동화

미리보기

닫기
판매자 표지

[보고서_24] 하노버메세

하노버메세I.서론하노버 메세란 독일 하노버에서 개최되는 산업 박람회를 말한다. 이 행사는 독일 최초의 수출 박람회로 역사가 매우 깊다. 독일은 하노버 메세를 통하여 2차 세계 대전에서 패전한 후 매우 어려웠던 독일을 다시 일으킬 수 있었다라고 말할 정도로 하노버 메세는 독일 경제 기적의 상징으로도 유명한 행사라고 할 수 있다.하노버 메세의 주요 주제는 제조와 관련된 기술과 제품에 대한 내용이다. 본 보고서에서는 하노버 메세에 대해서 알아보도록 하겠다.II.본론개요1) 하노버 메세란?독일 전시협회 주관으로 1947년 이후 매년 개최대는 세계 최대 규모의 산업박람회로서 CES, 모바일 월드 콩그레스와 함께 3대 첨단 기술 전시회 중 하나로 꼽힌다.2) 매년 파트너 국가 선정으로 정상급 회담 추진 및 별도 전시/홍보기회 제공- 2023년은 인도네시아- 2024년은 노르웨이3) 주요 전시 내용- 인더스트리 4.0, 스마트제조 및 지속가능 생산공정- 기후 친화적 미래 솔루션- 자율적, 효율적 물류 생산을 위한 무선 통신 기술- 산업용 에너지, 디지털 에너지 & 에너지 효율- AI 및 머신러닝최근 다루고 있는 주요주제1) 인공지능과 머신러닝- 엔지니어링 분야의 AI기반 디지털 플랫폼 구축으로 생산 주문 지능화의 실현- AI는 품질관리 및 새로운 제조 요구사항에 자율적으로 적응2) 에너지 관리- 전력 공급망에 ICT기술이 접목된 형태로 공급자와 수요자가 에너지 생산/공급/사용 등의 정보를 실시간 공유하여 에너지 효율성 최대화- 에너지 관리를 극대화하기 위한 전력 인프라 전환 방안 논의3) 탄소중립 생산- 탄소 중립 에너지로 전환 로드맵 및 탄소 제로 공정의 완전 자동화 스마트 팩토리 사례- 각 산업 부문의 생산 공정에서 탄소를 줄이기 위한 혁신적인 공정기술 개발과 실증 사례4) 인더스트리 4.0- Industry 4.0의 다음 단계로 독일 산업의 혁신 부문과 로드맵 제시- 독일판 4차 산업혁명의 다음은 트랜스포메이션(인더스트리 4.0+스마트서비스+자율시스템)5) 수소 & 연료전지- 수소 및 연료전지의 미래 논의- 전자보다 분자를 운반 목표 및 2030년까지 회색 수소 대체 가능성 논의관전포인트1) 제조산업 혁신- 인더스트리 4.0, 탄소중립생산, AI 및 머신러닝, 에너지 관리, 수소 연료전지 등- 프로세스 자동화, 로봇 공학, 자동화 센서 등 적용한 혁신적인 제조 시스템- 산업을 변화시키는 주요 동력으로 ‘디지털’과 ‘지속 가능성’으로 제시하고, ‘디지털 에너지 관리’로 ‘자원절약’과 탄소 배출량을 줄이는 ‘제조혁신’ 사례 조명2) 차별화 기술(디지털 솔루션)- 디지털화, 인공지능, 자동화 및 지속 가능한 에너지 개념을 결합한 솔루션 다시 제시- 오토데스크, 보쉬, 노키아, 마이크로소프트, 지멘스 등 글로벌 기업들은 미래 산업 솔루션 제시 : 해당 산업의 실무 현장에서 성능이 입증된 기술 솔루션 전시- HERMES Award : 독일의 sumitomo cyclo drive사가 개발한 로봇 자동화 기술에 적용 가능한 완전 통합 동력전달 시스템에 수여하노버 메세 참여 국내기업하노버 메세에 참여하는 한국 기업으로는 LS일렉트릭, 한화 솔루션즈, SK 등 대기업을 포함해 약 70개의 한국 기업이 참여하고 있다. 사기업 외에도 한국관을 운영하는 코트라뿐만 아니라 한국 무역협회, 한국기계 산업 진흥회, 한국 로봇 산업 협회, 한국 전자기술 연구원 등의 공공기관과 창원시, 안산시 등의 지자체도 참가하고 있다.최근동향세계의 공장으로 불리던 중국의 기술적 성장은 매우 빠르다. 이러한 분위기로 인하여 하노버 메세에도 중국의 약진을 엿볼 수 있다. ‘24년 하노버 메세에서 중국 기업은 전체 참가 기업의 약 30%를 차지하며 개최국 독일 다음으로 많은 기업수를 자랑한다. 특히 중국은 하드웨어보다는 소프트웨어 측면에서 추격에 한계가 있다는 문제점이 지목되었지만 중국은 글로벌 로봇 기업에 대한 인수/합병을 통하여 시장을 선점해나가고 있다.III.결론하노버 메세는 1952년 작은 독일의 도시 하노버에서 개최되었다. 이를 기점으로 매년 봄에 연례행사로 이루어지는 제조업 분야의 국제적 행사로 발전하였따. 1960년 메세에는 100만명 이상의 방문객이 찾아올 정도로 성황리에 개최되었고 지금도 수십만명이 본 전시회를 방문하고 좋은 정보를 얻어가고 있다.최근에는 제조업 분야의 디지털화 분야의 솔루션을 메인으로 소개할만큼 제조업 분야에서도 ICT기술의 도입현황이 주요 주제가 되고 있으며, 환경을 생각한 그린기술에 대해서도 같이 소개하고 있다고 할 수 있다. 제조업 분야도 최근의 이슈를 무시할 수 없기 때문이다.본 보고서에서는 하노버 메세란 무엇이고 어떠한 주제를 다루며 관전 포인트는 무엇인지에 대해서 알아보았다.IV.참고문헌1) 딜로이트 보고서, Industrial-Transformation-Making-the-Difference, Hyperlink "https://www2.deloitte.com/kr/ko/pages/consumer/articles/2023/20230417.html" 산업 대전환, 차별화 하라 | Deloitte Korea | Insight2) 경제인사이드 말하는 대로 눈앞에 구현, https://www.newscj.com/news/articleView.html?idxno=3135549

공학/기술| 2024.10.16| 4페이지| 3,000원| 조회(151)

박람회, 산업박람회, 하노버메세

미리보기

닫기
판매자 표지

[보고서]GAN에 대한 보고서

GAN에 대한 보고서서론GAN은 적대적 훈련을 통해서 만들어지는 모델링이다. 일반적으로 신경망은 정보를 줄이고, 정제하고, 축약하는 데 사용한다. GAN은 이러한 일반적인 신경망의 구조를 변경시켜 만든 새로운 구조의 신경망을 말한다. 본 보고서에서는 이에 대해 기본적인 내용을 알아보도록 하겠다.본론GAN이란?- 진짜와 가짜를 구별할 수 없을 정도로 정교한 가짜를 만드는 생성자를 학습하는 알고리즘 이다.일반적인 이미지 처리 신경망- 신경망은 정보를 줄이고, 정제하고, 축약시킨다.- 예) MNIST 분류기는 784개 값을 입력받아 10개의 출력으로 변환시킨다.백쿼리(Backquery)- 하나의 숫자를 표현하는 원핫 인코딩 벡터를 이미 훈련된 네트워크에 넣어서 그 숫자에 맞는 이상적인 이미지를 거꾸로 만들어낼 수 있다. 이러한 과정을 백쿼리라고 한다.- 특성1 : 같은 원핫 인코딩 벡터면 같은 결과를 출력한다.- 특성2 : 그 레이블을 나타내는 모든 훈련 데이터의 뭔가 평균적인 이미지가 나온다.GAN이 필요한 이유- 간단한 백쿼리로는 훈련 샘플처럼 보이는 이미지를 만들 수 없다. 따라서 이와는 다른 신경망 구조가 필요하다.- 이러한 문제를 해결하기 위한 방법으로 GAN이 나타나게 되었다.GAN의 탄생- 2014년에 이언 굿펠로는 뭔가 다른 종류의 신경망 구조를 발표했다.- 기존의 신경망 구조와는 다른 신경망이다.GAN의 구조- 생성기(Generator) : 진짜 그럴듯한 이미지를 생성하는 신경망이다.- 판별기(Discriminator) : 만들어낸 이미지가 진짜인지 아닌지를 판별하는 신경망이다.GAN의 훈련판별기와 생성기는 서로 적대적 관계로 경쟁을 하게 되며, 서로를 뛰어 넘으려고 노력하기 때문에 결과적으로 둘 다 성능이 좋아지게 된다. 이러한 구조가 바로 생성적 적대적 신경망이라고 한다. 특히 손실함수를 이용하여 GAN을 훈련시켜야 하는데 다음과 같다.- 판별기를 무사히 속이면 생성기에 보상을 준다.- 판별기에 잡히면 생성기에 벌을 준다.GAN의 훈련 과정1) 판별기에 실제 데이터를 보여주고 1.0이라는 값이어야 한다고 알려준다.- 판별기에 실제 데이터에서 나온 이미지를 보여준다.- 결과는 1.0이 되어야 하며, 오차가 발생하면 이를 판별기를 업데이트하는 데 사용한다.2) 판별기에 생성기로부터 만들어진 가짜 데이터를 보여주고 0.0이어야 한다고 알려준다.- 생성기로부터 나온 이미지를 보여준다.- 결과는 0.0이어야 한다고 한다.- 오차를 통해 판별기만을 업데이트 한다.3) 판별기에 생성기의 결과를 보여주고, 생성기에 결과가 1.0이어야 한다고 알려준다.- 생성기는 판별기가 분류할 이미지를 생성하며 판별기의 결과가 1.0이 되도록 한다.- 오차는 생성기만을 업데이트 하는데 사용한다.- 이 단계에서 판별기를 업데이트 하지 않는다.GAN의 훈련과정이 어려운점실전에서 GAN을 훈련하는 게 굉장히 까다롭다. 생성기와 판별기가 서로 적대적인 관계로 발전하게 했을 때, 두 개의 성능이 서로 균형이 잘 맞춰져 있어야 GAN이 제대로 훈련된다.1) 판별기의 성능이 너무 빠르게 좋아지면, 생성기는 이를 따라잡지 못한다.2) 판별기가 너무 늦게 훈련된다면 생성기는 별로 어렵지도 않은 문제인 조악한 이미지를 가려내면서 점수를 획득하게 된다.결론본 보고서에서는 GAN이란 무엇이며, 이에 대한 구조와 훈련을 위한 방법에 대해서 간단히 알아보았다. GAN은 일반적인 모델링과는 다른 구조(생성기, 판별기)를 갖고 있으며 이를 위한 훈련방법은 쉽지는 않다. 따라서 훈련 방법에 대해서 상세히 알아보았으며 훈련 과정이 어려운 점에 대해서도 알아보았다.참고문헌타리크라시드(2021), GAN첫걸음, 한빛미디어

공학/기술| 2024.10.16| 3페이지| 3,000원| 조회(139)

알고리즘, 신경망, GaN

미리보기

닫기