http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
저온 주사 레이저 현미경(LTSLM)을 이용한 YBCO 초전도 선재의 불균질성 연구
박상국,김종만,이상봉,김상훈,김가영,이형철,Park, S.K.,Kim, J.M.,Lee, S.B.,Kim, S.H.,Kim, G.Y.,Ri, H.C. 한국초전도학회 2009 Progress in superconductivity Vol.11 No.1
Low temperature scanning laser microscopy (LTSLM) can be used for a two-dimensional display of bolometric response arising from the localized excitation of a sample by the focused laser beam. In this study, the distribution of critical temperature ($T_c$) and critical current density ($J_c$) in YBCO coated conductor were analyzed using LTSLM. For improving the temperature stability, we have modified the system into a double-shielding type. Through the modification, the temperature stability was successfully improved from ${\pm}10mK\;to\;{\pm}2mK$. The superconducting properties of YBCO coated conductors were measured for the sample of a narrow bridge type using wet etching process. The spatial non-uniformity of the ac voltage response, ${\delta}V(x)$, which is proportional to ${\partial}\rho(x,J_B)/{\partial}T$ in the transition temperature region could be observed and displayed in a two-dimensional image.
전극 이동과 특성벡터를 고려한 근전도 기반 손 자세 인식 알고리즘 개발
김종만(J. M. Kim),구범모(B. M. Koo),남예진(Y. J. Nam),양수민(S. M. Yang),김영호(Y. H. Kim) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
근전도 기반 손 동작 인식은 편리성과 높은 정확도 등의 장점 때문에 최근 Human-computer Interaction (HCI) 등 다양한 분야에서 많은 관심을 받고 있다. 본 연구에서는 일반인들이 편리하게 사용할 수 있는 암밴드형 근전도 센서를 개발하였으며, 일상생활에서도 높은 분류 성능을 유지하기 위해 전극 이동과 특성벡터를 고려하여 알고리즘을 개발하였다. 건강한 성인 10 명(남성 7 명, 여성 3 명, 24.1 ± 0.7 세)을 대상으로 근전도를 측정하였으며, 피험자들은 우측 하완에 8 개의 근전도 모듈로 구성된 암밴드 센서를 착용한 뒤 12 가지(Rest, OK-sign, Spread, Scissor-sign, Finger Pointing, V-sign, Thumb-up, Cylindrical Grasp, Spherical Grasp, Lateral Pinch, Palmar Pinch, Tip Pinch) 자세를 수행하였다. 손 자세들은 무작위로 각각 5 초씩 수행되었으며, Dynamometer 를 이용하여 MVC 20% 수준의 일정한 힘이 유지되었음을 확인하였다. 측정이 완료된 뒤에는 암밴드를 벗고 5 분 이상 휴식을 취했으며, 다시 암밴드를 착용하여 동일한 실험을 총 10 회 반복하였다. 근전도 신호는 21 개의 시간 영역 특성벡터로 연산 되었으며, ANN 분류기의 훈련 및 평가는 각각의 특성벡터를 이용하여 10-fold Cross-validation 으로 진행되었다. 전극이동에 대한 선형 상관관계를 확인하기 위해 Pearson Correlation Coefficient (PCC)를 연산하였으며, 훈련에 따른 분류 정확도와 함께 PCC 값을 분석하였다. 모든 특성벡터들은 전극 이동에 대한 훈련 데이터가 증가할수록 분류 정확도가 향상 되었으며, 평균 4 개 이상의 데이터를 학습시켰을 때 통계적으로 유의한 차이가 확인되었다. 또한 PCC 값이 0.7 이상인 특성벡터들은 모두 우수한 분류 성능을 보였으며, 이는 PCC 분석을 통해 동작 인식에 적합한 특성벡터를 확인할 수 있음을 의미한다.