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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김성현 (한국선급)
저널정보
한국해군과학기술학회 Journal of the KNST Journal of the KNST Vol.5 No.1
발행연도
2022.3
수록면
16 - 19 (4page)
DOI
10.31818/JKNST.2022.03.5.1.16

이용수

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

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
본 연구는 소음기반 엔진고장 진단을 위한 기계학습 기법 연구로서 원본 학습데이터를 MFCC 변환 형상으로 대체 적용하는 경우 기계학습 모델 3종에서 고장감별 정확도가 크게 향상되는 것을 고찰하였다. 또한 고장 소음의 패턴추출에 집중할 수 있도록 수리 후 정상소음과 혼합 학습하는 전략이 유효하게 작동함을 확인하였으며, 향후 MFCC 형상변환 과정의 권장 보완을 통해 고장감별의 편향성의 개선과 심층강화 학습과 연계한 후속연구를 제안한다.

목차

Abstract
1. 서론
2. 본론
3. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-039-001155952