메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김홍비 (한국원자력연구원) 서호건 (한국원자력연구원) 유용균 (한국원자력연구원) 최희선 (한국원자력연구원)
저널정보
한국비파괴검사학회 비파괴검사학회지 비파괴검사학회지 제43권 제1호
발행연도
2023.2
수록면
60 - 68 (9page)
DOI
10.7779/JKSNT.2023.43.1.60

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 연구에서는 음향파 전파의 대리 모델을 일부 데이터만으로 학습함에 있어서 샘플링 방법에 따른 성능 차이를 비교 분석한다. Uniform sampling, farthest point sampling, Poisson disk sampling 기법을 활용해 소요 시간과 샘플 개수에 따른 대리 모델의 정확도 변화를 분석했다. 이전부터 음향파나 유체역학의 대리 모델링을 위해 여러 기계 학습 및 딥러닝 기반의 모델이 제안되었으나, 이러한 모델들은 데이터의 특성을 충분히 잘 반영하지 못했다. 본 연구에서는 각 샘플링 방법으로 데이터 세트를 생성하고, 심층 신경망 기반의 대리 모델을 학습했다. 조건별 성능을 비교하였을 때, 음향파 전파의 대리 모델 생성을 위해서는 정확도와 소요 시간 측면에서 Poisson disk sampling을 사용하는 것이 합리적임을 확인하였다. 본 연구를 통해 확인된 샘플링 기법에 따른 특성은 디지털 트윈과 같이 대리 모델의 생성이 실시간으로 빠르고 정확하게 이뤄져야 하는 상황에서 최적의 샘플링 기법을 선정하는 근거로 활용될 수 있다.
#샘플링 #기계 학습 #심층 신경망 #음향파 전파 #대리 모델링 #Sampling #Machine Learning #Deep Neural Network #Acoustics Wave Propagation #Surrogate Modeling

목차

초록
Abstract
1. 서론
2. 샘플링 알고리즘
3. 대리 모델 구조 설정
4. 실험 결과
5. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-530-000428041