http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Application of Deep Learning in Chemical Engineering
류기윤 한국공업화학회 2019 한국공업화학회 연구논문 초록집 Vol.2019 No.0
In this work, we discuss the methodology to apply the deep learning in the chemical process industry. Deep learning is the powerful predictive tool, which drinks the remarkable success within the realm of artificial intelligence, recently. We can participate in this triumph by comprehending and evaluating the nature of deep learning thoroughly and applying the preditive power to the fitting business. We weigh this developing technology and probe the pertinent methodology to apply in the chemical process industry.
류기윤,신동윤,박명준 한국화학공학회 2014 Korean Journal of Chemical Engineering Vol.31 No.9
We developed an evaluation module to calculate the carbon capture efficiency of a fluidized bed carbonatorvia the semi-empirical modeling of the solvent activity of lime particles. Since the solvent activity is affected by re-generation cycle number, reactor temperature, and particle size, two design parameters for the particle activity model,i.e., the characteristic time (t*) and the maximum conversion of particles (XN), were determined as functions of thecarbonator operating conditions by applying the partial least square (PLS) method to experimental data reported inthe literature. The validity of the proposed approach was shown, and the effects of reactor design factors on the car-bonator performance are discussed by means of appropriate simulation studies.
지역난방 사용자설비의 열교환기 방식과 빅데이터 기반 운영실태 분석을 통한 에너지 효율향상 방안 연구
류기윤 한국에너지학회 2023 에너지공학 Vol.32 No.1
본 연구에서는 지역난방 시스템의 공급자와 사용자의 접점인 기계실의 수년간 운영 빅데이터를 수집하여, 실제 데이터 기반 분석을 통하여 에너지 효율 향상 방안을 도출하고자 하였다. 특히 기계실에서 공급과 회수온도의 온도차에 의한 단순 에너지 사용량 뿐 만 아니라 에너지 사용 질을 나타내 주는 엑서지 변화를 비교 분석 하였 다. 이러한 분석을 통해 기계실 운영 현황과 열사용 패턴을 파악할 수 있었다. 또한 아파트 사용자 기계실 설비 중 열교환 방식에 따른 에너지 사용 데이터를 수집하였다. 이들 결과를 종합 하여 사용자설비 에너지 효율 진단과 기계실의 운영과 유지보수 대책을 제시해 정밀 진단서비스를 확장하는 기 반을 마련하고자 하였다.
김형석,류기윤,김래현 한국화학공학회 2019 Korean Chemical Engineering Research(HWAHAK KONGHA Vol.57 No.2
최근 빅데이터 과학은 사회현상 모델링을 통한 예측은 물론 강화학습과 결합하여 산업분야 자동제어까지 응용범위가 확대되고 있다. 이러한 추세 가운데 이미지 영상 데이터 활용연구는 화학, 제조, 농업, 바이오산업 등 다양한 산업분야에서 활발히 진행되고 있다. 본 논문은 신경망 기술을 활용하여 영상 데이터의 시맨틱 분할 성능을 개선하고자, U-Net의 계산효율성을 개선한 DeepU-Net 신경망에 AutoML 강화학습 알고리즘을 구현한 NASNet을 결합하였다. BRATS2015 MRI 데이터을 활용해 성능 검증을 수행하였다. 학습을 수행한 결과 DeepU-Net은 U-Net 신경망 구조보다 계산속도 향상 뿐 아니라 예측 정확도도 동등 이상의 성능이 있음을 확인하였다. 또한 이미지 시맨틱 분할 성능을개선하기 위해서는 일반적으로 적용하는 드롭아웃 층을 빼고, DeepU-Net에 강화학습을 통해 구한 커널과 필터 수를신경망의 하이퍼 파라미터로 선정했을 때 DeepU-Net보다 학습정확도는 0.5%, 검증정확도는 0.3% 시맨틱 분할 성능을 개선할 수 있었다. 향후 본 논문에서 시도한 자동화된 신경망을 활용해 MRI 뇌 영상진단은 물론, 열화상 카메라를통한 이상진단, 비파괴 검사 진단, 화학물질 누출감시, CCTV를 통한 산불감시 등 다양한 분야에 응용될 수 있을 것으로 판단된다. In recent years, big data analysis has been expanded to include automatic control through reinforcement learning as well as prediction through modeling. Research on the utilization of image data is actively carried out in various industrial fields such as chemical, manufacturing, agriculture, and bio-industry. In this paper, we applied NASNet, which is an AutoML reinforced learning algorithm, to DeepU-Net neural network that modified U-Net to improve image semantic segmentation performance. We used BRATS2015 MRI data for performance verification. Simulation results show that DeepU-Net has more performance than the U-Net neural network. In order to improve the image segmentation performance, remove dropouts that are typically applied to neural networks, when the number of kernels and filters obtained through reinforcement learning in DeepU-Net was selected as a hyperparameter of neural network. The results show that the training accuracy is 0.5% and the verification accuracy is 0.3% better than DeepU-Net. The results of this study can be applied to various fields such as MRI brain imaging diagnosis, thermal imaging camera abnormality diagnosis, Nondestructive inspection diagnosis, chemical leakage monitoring, and monitoring forest fire through CCTV.