총 168개
-
전자공학실험 20장 연산 증폭기 심화 실험 A+ 예비보고서2025.01.131. 연산 증폭기 연산 증폭기는 아날로그 회로에서 가장 널리 사용되는 회로이다. 일반적인 연산 증폭기는 차동 입력을 받아서 단일 출력을 내보낸다. 이 실험에서는 연산 증폭기의 전압 이득, 입력 저항, 출력 저항, 대역폭, 옵셋 전압, 슬루율 등 기본적인 성능 파라미터들을 익히고 실험을 통해서 측정하여, 이를 바탕으로 연산 증폭기를 이용한 응용 회로를 설계할 수 있는 능력을 배양하고자 한다. 2. 연산 증폭기 성능 파라미터 이번 실험에서 사용하고자 하는 연산 증폭기(LM741)의 데이터시트를 보고, 전압 이득, 공통 모드 입력 전압 ...2025.01.13
-
Regression with an Abalone Dataset 코드2025.01.271. 데이터 로딩 및 전처리 train.csv와 test.csv 파일을 pandas 라이브러리를 사용하여 로드했습니다. LabelEncoder를 사용하여 범주형 변수(sex)를 숫자 값으로 인코딩했습니다. 새로운 특성인 size(length x diameter x height)를 만들기 위해 특성 엔지니어링을 수행했습니다. 높이 값이 0인 행을 제거하여 데이터를 정리했습니다. 2. 데이터 변환 대부분의 특성에 대해 np.log1p 함수를 적용하여 로그 변환을 수행했습니다. 이 변환은 데이터 분포를 정규 분포에 가깝게 만들어 모델 성...2025.01.27
-
디지털통신시스템설계 12주차 실습2025.05.091. WIFI 신호 파라미터 실습 강의노트에 있는 WIFI 규격 파라미터를 이용했다. iter는 시뮬레이션 반복을 의미하며 100회부터 1000000회까지 수를 늘리며 실험을 반복했다. EbN0는 0dB~10dB까지 1 간격으로 나타냈다. 2. 변조 방식 Modulation Type은 index로 표현했고 첫 번째는 BPSK를 나타내는 메시지의 수를 2로, 두 번째는 QPSK 메시지의 수를 4로 나타내어 index의 수만큼 반복문을 진행하고, 각각의 메시지 수에 따라 변조 방법을 달리 했다. BPSK는 실습에서 구현했던 코드를 진행...2025.05.09
-
딥러닝의 통계적 이해 출석 수업 과제물 (2023, 만점)2025.01.241. Teachable Machine을 이용한 머신러닝 모델 구축 Teachable Machine을 활용하여 이미지를 학습시켰다. 사용한 이미지는 구글 이미지에서 '귀멸의 칼날'이라는 애니메이션의 주인공 4명의 다른 사진들을 각각 10장씩 찾은 뒤 머신러닝의 입력값으로 사용하였다. 본 머신러닝으로 실제로 가지고 있는 피규어 사진을 찍어 이 사진을 입력하면 애니메이션 캐릭터를 정확하게 분류할 수 있는지 파악하고자 하였다. 다양한 하이퍼파라미터 조정을 통해 최적의 정확도를 얻고자 하였으나, 설정에 따른 결과 비교를 대량으로 진행하여 거...2025.01.24
-
PID liquid level control 결과보고서2025.04.261. PID 제어기 튜닝 실험 목적은 액체 높이 제어를 통한 PID 제어기 튜닝 과정과 PID 제어 이론을 이해하는 것입니다. PID 제어기는 기본적인 feedback control 모습으로, 출력값은 P(비례), I(적분), D(미분)의 합으로 표현됩니다. P는 입력과 출력의 오차값에 비례하여 작용하며, 오프셋이 발생할 수 있습니다. I는 steady state error를 없애기 위한 오차의 누적항으로, 과도한 응답 시 오버슈트와 진동이 발생할 수 있습니다. D는 미래의 공정 출력과 설정 값의 오차를 예측해 제거해주지만, 노이즈...2025.04.26
-
실험 13_공통 게이트 증폭기 결과보고서2025.04.281. 공통 게이트 증폭기 공통 게이트 증폭기는 입력 임피던스가 작아 전류를 잘 받아들이는 특성이 있다. 이 실험에서는 공통 게이트 증폭기의 동작 원리를 살펴보고, 증폭기의 전압 이득 및 특성을 실험을 통하여 확인하고자 한다. 2. MOSFET 증폭기 회로 이번 실험에서는 MOSFET을 이용한 기본적인 세 가지 증폭기 중에서 공통 게이트 증폭기에 대한 실험을 진행한다. 실험을 통해 공통 게이트 증폭기의 동작 원리, 전압 이득, 입력-출력 임피던스 등을 확인하였다. 3. 입력-출력 전달 특성 실험회로 1의 입력-출력 전달 특성을 확인하...2025.04.28
-
[보고서]딥러닝 모델링 성능 향상 기법2025.01.241. 손실함수 신경망의 성능을 개선하기 위한 방법 중 하나로 손실함수에 대해 다루었습니다. 연속형 모델의 경우 평균 제곱 오차법(MSE)을, 이산형 모델의 경우 이진 교차 엔트로피(BCE) 손실을 사용하는 것이 적합하다고 설명하고 있습니다. Pytorch에서는 nn.MSELoss()와 nn.BCELoss()를 사용할 수 있습니다. 2. 활성화 함수 신경망 훈련 시 기울기 소실 문제를 해결하기 위해 다양한 활성화 함수에 대해 설명하고 있습니다. 전통적인 시그모이드 함수의 문제점을 지적하고, ReLU와 Leaky ReLU 함수를 소개하...2025.01.24
-
[예비보고서]중앙대학교 전자회로설계실습 MOSFET 소자 특성 측정2025.05.101. MOSFET 소자 특성 측정 이 보고서는 전자회로 설계 및 실습 과정에서 MOSFET 소자의 특성을 측정하고 분석하는 내용을 다루고 있습니다. 주요 내용으로는 MOSFET의 주요 파라미터 계산, MOSFET 회로 구성 및 시뮬레이션, 측정값과 데이터시트 값 비교, 포화 영역에서의 특성 분석 등이 포함되어 있습니다. 1. MOSFET 소자 특성 측정 MOSFET(Metal-Oxide-Semiconductor Field-Effect Transistor)은 현대 전자 기기에서 가장 널리 사용되는 반도체 소자 중 하나입니다. MOSF...2025.05.10
-
평가 데이터를 활용하여 기존 모델을 업데이트하는 베이지안 추론 (파이썬코드 예제포함)2025.05.091. 베이지안 추론 베이지안 추론은 데이터를 통해 모델을 업데이트하고 불확실성을 다루는데 유용한 통계적 추론 방법입니다. 특히, 새로운 데이터가 주어진 상황에서 모델의 파라미터를 추정하고 예측하기 위해 사용됩니다. 베이지안 추론은 사전 분포와 관측 데이터를 조합하여 사후 분포를 계산하며, 이를 통해 모델의 불확실성을 업데이트할 수 있습니다. 2. 모델 업데이트 데이터에 대한 정보를 사전 분포에 반영하고, 관측 데이터와 사전 분포를 조합하여 사후 분포를 계산함으로써 신뢰할 수 있는 결과를 얻을 수 있습니다. 이를 통해 기존 모델을 새...2025.05.09
-
공정제어 다단액위제어(Cascade 제어)2025.04.251. 공정제어 공정제어는 공정의 제어변수(CV)를 외란(D) 하에서 조작변수(MV)를 적절히 조작하여 주어진 설정점(SP)에 최대한 근접하게 유지하도록 하는 것을 의미한다. 공정제어의 필요성은 공정 안정성 확보, 제품 규격 만족, 환경 규제치 만족, 운전 제약조건 만족, 실시간 공정 상태 파악, 공정 경제성 극대화 등이다. 대표적인 제어 전략으로는 되먹임제어(Feedback Control)와 앞먹임제어(Feedforward Control)가 있다. 2. Cascade 제어 Cascade 제어는 Primary controller의 출...2025.04.25
1 / 17
