개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 노영주
- 발행연도
- 2020
- 저작권
- 한국산업기술대학교 논문은 저작권에 의해 보호받습니다.
이용수12
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
가스는 여러 환경에서 쓰이는 유용한 자원중 하나이다. 산업현장 뿐만 아니라 가정환경에서도 다양하게 쓰이는 여러 종류의 가스는 유용한 반면, 완벽하게 통제된 환경 내에서 올바르게 사용되지 않을 경우 인명, 재산 피해 등을 야기하기도 한다. 그렇기 때문에 가스를 통제하기 위한 다양한 시도들이 존재 하였다. 센서를 설치하여 모니터링 하는 것은 가스를 통제하는 방법 중 하나이다. 하지만 센서 자체의 오류 혹은 기기적 특성 때문에 센서의 수치를 전적으로 신뢰 하기는 어렵다. 그렇기 때문에 가스의 특성을 파악하는 것이 중요하다. 수학적 방법인 CFD는 그 중 하나의 방법으로 오래 전부터 사용 되어왔다. 하지만 연산 량이 과도하고, 변수가 변함에 따라 매번 다시 계산해야 하는 단점이 존재 한다. 수학적 모델링이 아닌 머신러닝 기법으로 적용이 가능하다면 비교적 적은 비용으로 구현이 가능 할 것으로 예상하며, 데이터 의존적인 머신러닝의 특성 상 다른 기체로의 이식성 또한 좋을 것으로 예상 된다. 본 연구에서는 이러한 가능성을 확인하기 위해 가스 저가형 센서를 활용하여 패턴이 존재함을 확인하고, 보다 정교한 센서를 이용하여 가스 수집 방법에 대해 설명하고 이를 MLP, DLP, LSTM 모델들을 활용해 머신러닝 기법을 적용한다. 또한 이를 Stacking, Voting 등과 같은 앙상블 기법에 적용하여 데이터 증식을 시켜 본 연구와 같은 특별한 상황에서 시뮬레이터로 활용한다.
목차
목 차 I표 목차 II그림 목차 III국문요약 IVPublications VⅠ. 서론 11.1 연구 배경1.2 관련 연구1.2.1 Multi-Layer, Deep Multi-Layer Perceptron1.2.2 Long-Short-Term Memory1.2.3 Ensemble1.2.4 Voting1.2.5 StackingⅡ. 본론 72.1 1차 기초 실험2.1.1 MQ-135 센서와 Arduino를 이용한 실험 환경 구성 및 방법2.1.2 수집 데이터 분석2.2 2차 성능 향상 실험2.2.1 SH-NDHT-003 센서와 Arduino를 이용한 실험 환경 구성 및 방법2.2.2 수집 데이터 분석2.3 모델 레이어, 입?출력 데이터 구성2.3.1 DLP, MLP Layer Summary & input data definition2.3.2 DLP, MLP 출력 값 분석2.3.3 LSTM Layer Summary & input data definition2.4 앙상블 기법 (Ensemble)Ⅲ. 결론 303.1 분석 및 결과3.2 결론Reference 34영문 요약 35
최근 본 자료
댓글(0)
0