Intelligent Robot

1강 Deep Learning & PyTorch 파이썬 기초 프레임워크 비교 파이토치 기본 사용법 2강 Linear Regression & Neural Network Automatic Gradient Calculation 시각화 툴 Visdom 소개 선형회귀모델 선형회귀모델의 한계 인공신경망 모델 - 2차함수근사 인공신경망 모델 - 3차함수근사 인공신경망 모델 - 2D데이터 3강 Convolutional Neural Network - Basic CNN 기본 모듈 NN으로 MNIST 풀어보기 CNN으로 MNIST 풀어보기 CNN으로 CIFAR10 풀어보기 4강 Convolutional Neural Network - Advanced Custom Data 불러오기 VGGNet 구현해보기 GoogLeNet 구현..

Advanced Deep Learning with TensorFlow 2 and Keras (Updated for 2nd Edition) This is the code repository for Advanced Deep Learning with TensorFlow 2 and Keras, published by Packt. It contains all the supporting project files necessary to work through the book from start to finish. Please note that the code examples have been updated to support TensorFlow 2.0 Keras API only. About the Book Advan..

Categorization of machine learning Supervised Learning Given a set of labeled example, D={(xt,yt)}Nt=1 , learn a mapping f:X→Y which minimizes L(Y^=f(X),Y) Classification The desired outputs yt are discrete class labels (categorical information) The goal is to classify new inputs correctly Regression The desired outputs yt are continuous values The goal is to predict the output values for new in..

* 참고 : 이 글은 colab의 .ipynb 파일을 통하여 실험하였습니다. 1. Deep Learning Basics Deep Learning Learn hierarchical representations and the prediction model simultaneously, that are optimal for given task. Deep in the sense that it has multiple levels of non-linear feature transformations. Artificial Neural Networks Systems of interconnected neurons which learns parameters that non-linearly converts some inputs..

딥러닝에서 python을 이용하여 다양하게 프로그램을 할 수 있지만 Class를 만들어 관리하는 것이 간편하고 중요하다. 이에 대하여 간단히 알아본다. * 참고 : 이 글은 colab의 .ipynb 파일을 통하여 실험하였습니다. Class and objects Class Class is a frame which can create identical things Object Things generated by a class Features of Python Class In object-oriented programming, the composition of the program is made around objects A class is a frame that defines the properties an..

1) 실습예제를 이해하고, 문제화 하시오. 아래 그림과 같이 폭이 20mm, 높이가 60mm, 두께 t가 1mm인 판이 있다. 빨간색 면에 Z축 방향으로 하중 P가 500N을 주었다. 요소의 모양이 기본 사면체와 하이브리드(육면체)일 때, 요소의 크기가 t/2, t/5일 경우 각각의 최대 응력과 요소의 개수를 구하여라. 그리고 2D Model의 해석 결과와 비교하라. 단, Von-mises응력 해석을 통하여 해석하고, 재료는 등방성이라고 가정한다. 재료는 Steel로 프와송의 비는 0.3, 탄성계수는 2.1e5N/mm^2이다. 2) 재질, 경계ㆍ하중조건 물성 정보 - 탄성계수 : 210000N/mm^2 - 프와송 비 : 0.3 - 안전률 : 주어지지 않음 - 질량 밀도 : 주어지지 않음 - 항복 강도 :..

차체의 전달되는 진동 저감 지금까지 250kg의 엔진에 대하여 진동 저감을 하기 위하여 1. 엔진의 진동 해석 및 간단화 2. k, c 선정 을 진행하였습니다. 이번 장에서는 선정한 k, c가 엔진의 진동에 대한 결과를 이론과 시뮬레이션을 이용하여 비교해보고자 합니다. 1. 엔진 진동 저감을 위한 미분방정식 엔진의 진동에 대하여 선정한 k, c를 해석하기 위한 미분방정식과 그 해 x(t)는 아래와 같습니다. 각 해에 대해서는 아래의 표를 참고합니다. 2. MatLab Simulink 간단화 시킨 엔진의 진동에 대하여 미분방정식을 풀기위한 MatLab Simulink 설계는 아래와 같습니다. 3. 이론과 Simulink 비교 1) Displacement 위의 이론을 이용하여 계산한 displacement와..

1) 실습예제를 이해하고, 문제화 하시오. 아래의 그림과 같이 구멍이 난 판이 있다. 판의 너비가 20mm, 높이가 60mm, 두께는 1mm이고 구멍의 지름이 10mm이다. 판의 상하단에 선압력 P가 25N/mm와 50N/mm일 때, 각각을 비교하고 그 때의 최대응력과 최대 변위, 변형률을 구하여라. 단, 재료는 Steel로 등방성이며, 탄성계수는 210000N/mm^2이고, 프와송의 비는 0.3이다. Von Mises 응력해석으로 해석하며, 요소망의 크기는 1이며, 요소망 모양은 자동으로 한다. 2) 재질, 경계ㆍ하중조건 물성 정보 - 탄성계수 : 210000N/mm^2 - 프와송 비 : 0.3 - 안전률 : (항복강도가 주어지지 않아 구할 수 없다.) - 질량 밀도 : (주어지지 않았으며, 정적 선형..

1) 실습예제를 이해하고, 문제화 하시오. 아래 그림과 같은 간략화된 Pillow Box가 있다. A(초록색)의 4부분은 고정구속하였으며, B(빨간색)에 Y축방향으로 80000N 집중하중을 주었다. 이러한 경우, Pillow Box의 최대 응력과 최대변위, 이에 대한 각각의 발생위치, 그리고 안전율을 구하여라. 단, Pillow Box의 재료는 Steel로 등방성이라고 가정하며, 탄성계수는 210000N/mm^2, 프와송비는 0.3, 항복강도는 250N/mm^2 이며 Von-Mises응력이론으로 해석한다. 2) 재질, 경계ㆍ하중조건 물성 정보 - 탄성계수 : 210000N/mm^2 - 프와송 비 : 0.3 - 안전율 : 1.4673 (안전율 = 항복강도/실제응력값 이며, 실제응력값이 최대인 곳에서 안전율..

1) 실습예제를 이해하고, 문제화 하시오. 오른쪽 그림과 같이 간략화된 Bracket이 있다. A(초록색)부분은 고정구속이 되어 있으며, B(빨간색)부분 양쪽에 X축방향으로 60000N 베어링하중을 받고 있다. 이때, Bracket의 최대응력과 최대변위, 그리고 이에 대한 각각의 발생위치를 구하여라. 단, Bracket의 재료는 Aluminum으로 등방성이라고 가정하며, 탄성계수는 72000N/mm^2, 프와송비는 0.33이며, Von-Mises 응력이론으로 해석한다. 2) 재질, 경계ㆍ하중조건 물성 정보 - 탄성계수 : 72000〖N/mm〗^2 - 프와송 비 : 0.33 - 안전률 : 구할 수 없음 (항복강도가 주어지지 않았다.) - 질량 밀도 : 주어지지 않음 (선형정적해석이므로 결과에 영향주지 않는..