인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
초정밀 부품의 수요 증대에 따라 표면품질 개선의 중요성이 증대되고 이에 따른 표면거칠기 예측 모델에 대한 연구도 활발히 진행되고 있다. 본 연구에서는 회전 전자기 표면연마 공정에서 표면거칠기 예측 모델을 최적화하기 위하여 오토인코더(AE)와 심층신경망(DNN)을 활용하였다. 소량의 데이터 분석에 적합한 k-fold 교차 검증법과 AE를 바탕으로 표면거칠기에 영향을 미치는 잠재적 특징을 추출하하였다. 예측 모델의 성능 최적화를 위하여 추출되는 잠재 변수의 개수를 변화시키며 예측 성능을 분석한 결과, 잠재 변수의 개수가 4개일 때 학습 데이터와 검증 데이터의 손실 함수 값이 가장 낮게 도출됨으로써 표면거칠기 예측 모델의 성능이 우수함을 확인할 수 있었다. 또한 단일 DNN 기반 예측모델보다 약 2배 이상의 높은 정확도를 나타냄을 확인하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092483852
