인공신경망을 이용한 목재건조 중 발생하는 음향방출 신호 패턴분류

김기복; 강호양; 윤동진; 최만용

추천

검색

자료유형: 학술저널

저자정보: 김기복 (Human Life Measurement Group, Center for Environment & Safety Measurement, Korea Research Institute of Standards and Science) 강호양 (Dept. of Forest Products Engineering, Chungnam National University) 윤동진 (Center for Environment & Safety Measurement, KRISS) 최만용 (Center for Environment & Safety Measurement, KRISS)

저널정보: 한국농업기계학회 바이오시스템공학(구 한국농업기계학회지) 바이오시스템공학 제29권 제3호

발행연도: 2004.1

수록면: 261 - 266 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2004

인공신경망을 이용한 목재건조 중 발생하는 음향방출 신호 패턴분류

김기복 , 강호양 , 윤동진 외 1명 바이오시스템공학(구 한국농업기계학회지) 2004.01 학술저널

2003

목재 건조 중 발생하는 음향방출 신호의 해석 및 분류

김기복 , 강호양 한국농업기계학회 학술발표논문집 2003.01 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

This study was Performed to classify the acoustic emission(AE) signal due to surface cracking and moisture movement in the flat-sawn boards of oak(Quercus Variablilis) during drying using the principal component analysis(PCA) and artificial neural network(ANN). To reduce the multicollinearity among AE parameters such as peak amplitude, ring-down count event duration, ring-down count divided by event duration, energy, rise time, and peak amplitude divided by rise time and to extract the significant AE parameters, correlation analysis was performed. Over 96 of the variance of AE parameters could be accounted for by the first and second principal components. An ANN analysis was successfully used to classify the Af signals into two patterns. The ANN classifier based on PCA appeared to be a promising tool to classify the AE signals from wood drying.

#Acoustic emission #Wood drying #Surface cracking #Moisure movement #Principal component analysis #Artificial neural network

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

김기복

소속기관 Division of Metrology for Quality Life, Korea Institute of Standards and Science[KRISS]

주요연구분야 농수해양학 > 임학 공학 > 기타공학 > 농공학

논문수 64 이용수 216

강호양

소속기관 Dept. of Forest Products Engineering, Chungnam National University

주요연구분야 공학 > 기타공학 > 농공학

논문수 5 이용수 20

윤동진

소속기관 Center for Environment & Safety Measurement, KRISS

주요연구분야 공학 > 기타공학 > 농공학

논문수 4 이용수 6

최만용

소속기관 Center for Environment & Safety Measurement, KRISS

주요연구분야 공학 > 기타공학 > 농공학

논문수 3 이용수 10

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)