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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Kidong Lee (Portland State University) Sung Yi (Portland State University) Soongkeun Hyun (Inha University) Cheolhee Kim (Portland State University)
저널정보
대한용접·접합학회 대한용접·접합학회지 大韓熔接·接合學會誌 第39卷 第1號
발행연도
2021.2
수록면
10 - 19 (10page)

이용수

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

초록· 키워드

오류제보하기
During machine learning algorithms, deep learning refers to a neural network containing multiple hidden layers. Welding research based upon deep learning has been increasing due to advances in algorithms and computer hardwares. Among the deep learning algorithms, the convolutional neural network (CNN) has recently received the spotlight for performing classification or regression based on image input. CNNs enables end-to-end learning without feature extraction and in-situ estimation of the process outputs. In this paper, 18 recent papers were reviewed to investigate how to apply CNN models to welding. The papers was classified into 5 groups: four for supervised learning models and one for unsupervised learning models. The classification of supervised learning groups was based on the application of transfer learning and data augmentation. For each paper, the structure and performance of its CNN model were described, and also its application in welding was explained.
#Deep learning #Convolution Neural Network #Image #Welding #Model #Application

목차

Abstract
1. Introduction
2. CNN Structure and Learning Methods
3. Supervised learning with training from scratch
4. Supervised learning with transfer learning
6. Summary and Outlook
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

한글의 초성, 중성, 종성 구조를 반영한 OCR 인식 모델 개발
강태휘 ,  김은솔 ,  박미진 외 3명 제어로봇시스템학회 국내학술대회 논문집 2023 .06
Al/Fe 이종재의 마이크로 마찰교반 맞대기용접 적용성 평가
유현정 ,  안영남 ,  이성 외 2명 대한용접·접합학회지 2021 .06
가변극성을 이용한 알루미늄 5183 와이어의 아크 적층 공정에서 EP/EN 비율의 영향 평가
황승연 ,  이태현 ,  김철희 외 2명 대한용접·접합학회지 2020 .04
고함량의 Mg을 함유한 Al-Mg 합금의 이축교번단조 변형에 따른 미세조직 및 인장특성 변화
신영철 ,  하성호 ,  윤영옥 외 4명 소성·가공 2019 .12

최근 본 자료

전체보기

댓글(0)

0