선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 부분방전의 결함원을 인식하는 기법을 개발하기 위해, 최근 이 분야에서 널리 응용되고 있는 신경회로망, 륵히 백프로파게이션 알로리즘을 이용한 부분방전 패턴인식[1, 51과 통계적인 연산자로 대표되는 특징량 추출(feature extractig)과 이의 분석을 통한 패턴인식 방법[7, 8〕을 모의결함으로부터 검출된 부분방전신호를 이용하여 비교 검토하였다.
- 본 연구에서는 제 4장에서 설명한 대로 10개의 연산자로 형성된 연산자벡터와 13개의 연산자로 형성된 연산자 벡터를 준비하고 이에 대해 각 벡터들간의 사이각을 계산하여 패턴의 유사도를 살펴보았다. 이 때 기준이 되는 인산자벡터를 결정하여야 하는데 이는 각 전극계로부터 측정된 20개의 방전신호에서 20개의 연산자 벡터를 민들고.
- 본 연구에서는 추출된 연산자의 개수가 신경망을 이용한 부분방전패턴 인식에 어느정도의 영향을 미치는 가을 살펴보기 위해 2가지 종류의 연산자집합을 준비하였다- 하나는 그림 3의 방전특성 분포곡선 중 -q 와。
가설 설정
- 의 각도를 표2로 정리하였다 표 N에서 주목할 점은 IEC(b) 전극계와 CIGRE method H 전극계의 기준연산자간 각도가 13개 연산자를 이용할 경우 1。개의 연산자 때보다 2배 가까이 커졌다는 것이다. 바로 이러한 변화로 인해 10개 연산자를 사용했을 때 구분이 어려웠던 IEC(b) 무분방전과 CIGRE method H 부분방전이 13개 연산자를 사용할 경우 그림 9(b) 첫 번쩨 구간에서와 같이 뚜렷이 구별 가능하게 된다. 이러한 결과들은 패턴을 분류할 때 가능한 많은 양의 특징량을 이용하여 판단하는 것이 정확도를 향상시킨다는 것을 의미한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.