|
<H11을 구하기 위한 회로도>
H11을 구하기 위하여 V0(즉, 출력단)을 단락시키고 입력에 Vsrc AC = 1V를 가하여 입력전류와 입력전압 파형을 이용해서 H11을 구할 수 있다.
<H11을 구한 파형>
<H12를 구하기 위한 회로도>
H12를 구하기 위해서
|
|
|
h파라미터를 살펴보면 다음과 같다. , , ,
2) h-파라미터의 측정
4단자회로망 이론을 이용하여 트랜지스터의 h파라미터를 구해보자. 트랜지스터의 연결방법에는 베이스접지, 에미터접지, 콜렉터접지의 3가지가 있다. 트랜지스터회로에서는 일
|
|
|
이용하여 V6=1.168V임을 확인하였다. 여기서는 V2를 쇼트시켜서 와 를 계산하도록 하는 것이다.
실험 회로도
시뮬레이션 결과
분석 : Ic=2mA일때의 V6를 구하는 것인데 그래프를 통하여 구한 결과는 1.66V였다. 여기서는 V2를 쇼트시켜서 와 를 계산하
|
|
|
이용한 방정식 조립방법이다. 행렬은 규칙이기 때문에 기존의 수학과는 다른 규칙에 적응하는데 무척 애를 먹는 수학분야이다.
4 단자망의 1차 방정식을 행렬로 나타냈는데, 여기에서는 행렬의 곱셈정의를 알아야 한다. 행령의 곱셈규칙에서
|
|
|
transistors containing gate dielectrics coated with polymers with different functional groups" Org. Electron., vol.9, 2008
[13] 이종원, 게이트 절연막에 따른 유기 박막 트랜지스터의 특성에 관한 연구, 홍익대학교, 2009
[14] 김윤명, 유기 절연체를 이용한 유기 박막 트랜지
|
|
 |
이용하여 구현한 Block Diagram
○ 제어기의 선정과 응답 확인
위치제어기
- P제어기 사용
- 과도상태 특성과 정상상태 특성의 영향을 고려한 적절한 값 설정
- Damping ratio = 1.5로 선정
속도제어기
- PI제어기 사용
- 과도상태 특성과 정상상태 특성
|
|
|
H. S(1996), Pitfalls of Using R2 to Evaluate Goodness of Fit of Accident Prediction Models. Transportation Research Record 1542.
17. Smeed(1949), 'Some Statistical Aspects of Road
18. Safety Research', Journal of the Royal Statistical Society. Series A (General), Part 1.Vol. 23, No 5.
19. 국토해양부
|
|
|
이용하여 전기적 특성을 측정해 보았다. 그리고 기존의 silicon dielectric 대신에 취성이 없는 유기물 절연체 물질인 PVP(Poly Vinyl Phenol)을 이용하여 좀 더 플렉시블 하면서 고성능의 TFT를 만들어 보았다. 그 결과 이동도는 370.83cm2/Vs로 유기물 소자
|
|
|
h에서 제공하는 AnotherDC.Rectangle를 이용하여 사각형으로
물체영역을 결정한다. 위의 3.2.6.1의 그림과 같이 좌측 상단에서 검색된 x1, y1과
우측 하단에서 검색된 x2, y2로 사각형을 그린다. 검색시 잡음을 고려하여
주어진 경계값보다 큰 최초의 좌
|
|
|
H. Witten, Eibe Frank, Mark A. Hall, Data Mining Practical Machine Learning Tools and Techniques Third Edition, Morgan Kaufmann Publishers, 2011
종전연구 의사결정트리를 이용한 날씨에 따른 화재발생 확률 예측모델, 김영진, 류정우, 송원문, 김명원, 정보과학회논문지 40(11) 70
|
|
 |
스터 개발입니다. 이를 위해 다음과 같은 세부 목표를 설정했습니다.
- 높은 이동도를 가진 양자점 제작
- 양자점 트랜지스터의 게이트 제어 기술 개발
- 양자점 트랜지스터를 이용한 논리 회로 구현
○ 연구 방법
본 연구를 진행하기 위해 다
|
|
 |
파라미터 자동 튜닝
- 데이터 수집부터 모델 배포까지의 전체 과정을 워크플로우로 묶어주는 파이프라인 툴을 제공
이후,고객사가 해당 플랫폼을 이용하는 가정하여, 위험사물 인식 ML 모델 개발과 분석 파이프라인을 구축해보았습니다. 또한
|
|
 |
플리케이션에 대한 주요 타겟이었던 자동차 부품연구원과 타대학의 실제 차량을 이용하는 연구실과의 협력을 위해 수십가지 파라미터와 요구점을 대조해보면서 개발을 시작하였습니다.
현재 제가 개발하였던 안전서비스 어플리케이션은 제
|
|
 |
파라미터만 선별해 예측 모델을 수립할 수 있었습니다. 상기 경험을 바탕으로 삼성전자에 입사한 이후, 반도체 공정과 데이터 특성을 꾸준히 공부하고, 이를 바탕으로 불량 원인을 분석해 수율 향상에 기여하겠습니다. Q1 삼성전자를 지원
|
|
 |
파라미터의 관계를 고찰했습니다.
PECVD 장비의 하드웨어 구성을 관찰하며, 부품들의 역할과 작동 원리를 파악했습니다. gas의 흐름, plazma power 조절 방식 등을 파악하며 각 부품으로부터 공정 변수가 도출되는 원리를 이해했습니다. 독립된 5가
|
|
메뉴펼치기
