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
전서영 (대구가톨릭대학교) 최원규 (한국전자통신연구원) 권성수 (대구가톨릭대학교) 이종혁 (대구가톨릭대학교) 배지훈 (한국교원대학교)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제23권 제2호(JKIIT, Vol.23, No.2)
발행연도
2025.2
수록면
155 - 164 (10page)
DOI
10.14801/jkiit.2025.23.2.155

이용수

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

초록· 키워드

오류제보하기
본 논문에서는 다양한 전력 부하에서 발생하는 아크 결함을 정확하게 분류하기 위해, 다중 수준 이산 웨이블릿 변환(DWT, Multi-level Discrete Wavelet Transform)과 다중 스케일 잔차 주의 네트워크(MSRAN, Multi-Scale Residual Attention Network)를 결합한 딥러닝 모델을 제안한다. 제안한 모델은 전력 신호의 복잡한 패턴을 효과적으로 학습하기 위해, 다양한 주파수 대역에서 특징을 추출하는 다중 스케일 특징 추출기와 깊은 네트워크에서 정보 손실을 방지하는 잔여 블록을 포함한다. 또한, 자가 주의 집중 메커니즘을 통해 신호 내 중요한 패턴을 강조하여 결함 감지의 정확성을 높인다. 실험 결과, 제안된 모델은 전통적인 접근 방식 및 기존 신경망 모델보다 99.38%의 높은 정확도로 전력 신호의 패턴을 학습하고 결함을 감지할 수 있음을 확인하였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 데이터 수집 및 다중 스케일 분석을 통한 전처리 방법
Ⅲ. 아크 결함 분류를 위한 다중 스케일 잔차 주의 네트워크
Ⅳ. 실험 및 결과
Ⅴ. 결론
References

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) : I410-151-25-02-092466682