The important thing in the field of deep learning is to find out the appropriate hyper-parameter for image classification. In this study, the main objective is to investigate the performance of various hyper-parameters in a convolutional neural network model based on the image classification problem. The dataset was obtained from the Kaggle dataset. The experiment was conducted through different hyper-parameters. For this proposal, Stochastic Gradient Descent without momentum (SGD), Adaptive Moment Estimation (Adam), Adagrad, Adamax optimizer, and the number of batch sizes (16, 32, 64, 120), and the number of epochs (50, 100, 150) were considered as hyper-parameters to determine the losses and accuracy of a model. In addition, Binary Cross-entropy Loss Function (BCLF) was used for evaluating the performance of a model. In this study, the VGG16 convolutional neural network was used for image classification. Empirical results demonstrated that a model had minimum losses obtain by Adagrad optimizer in the case of 16 batch sizes and 50 epochs. In addition, the SGD with a 32 batch sizes and 150 epochs and the Adam with a 64 batch sizes and 50 epochs had the best performance based on the loss value during the training process. Interestingly, the accuracy was higher while performing the Adagrad and Adamax optimizer with a 120 batch sizes and 150 epochs. In this study, the Adagrad optimizer with a 120 batch sizes and 150 epochs performed slightly better among those optimizers. In addition, an increasing number of epochs can improve the performance of accuracy. It can help to create a broader scope for further experiments on several datasets to perceive the suitable hyper-parameters for the convolutional neural network. Dataset: https://www.kaggle.com/c/dogs-vs-cats/data

본 연구는 온실의 온도와 CO2농도를 높이기 위해 DME버너용 연료로 DME가스를 사용했을 때 DME 연소가스의 성능을 결정하고 겨울에 상추와 양배추의 엽록소 함량 그리고 무게와 건조무게에 대한 영향정도를 조사하기 위해 수행되었다. 각각 온실1과 온실2에 처방 된 DME-1과 DME-2 처방은 덕트의 평균 DME 유량 17.4 m3 min-1과10.2 m3 min-1으로 구성됐으며, 대조군(DME-3)으로 남겨진 온실3에는 DME 가스가 공급되지 않 았다. DME 공급 시간은 각각 주차 별로 1주차는 하루당 0.5시간, 2주차는 1시간, 3주차는 1.5시간, 4주차는 2 시간으로 설정하였다. 각각 처방마다 엽록소 함량과 상추와 배추의 건조 전, 후 중량을 측정했으며, 연구결과 무처리구인 온실3과 비교하여 온실1과 온실2 의 CO2 농도는 각각 265%, 174% 증가하였고, 온도의 경우 4.8oC, 3.10oC 상승하였다. DME 가스를 제외한 다른 조건이 같은 온실에서 재배된 상추와 양배추의 엽록소 함량과 생체중, 건물중은 온실1에서 (유의적으로) 가장 높았으며, 온실2는 대조구 온실보다 높았다. 이러한 결과는 DME가스 연소에 의한 CO2 농도 차이에 기인된 것으로 판단된다. 일반적으로 가스연소에 의해 발생되는 유해가스 증상은 나타나지 않았으며 동절기 난방과 CO2 공급이 동시에 필요할 경우 DME가스가 기존의 경유 또는 LPG 등을 대체할 수 있는 가능성을 확인하였다. 향후 정밀한 연구를 통하여 효율적인 난방방식으로의 검토가 적극 필요하다고 판단된다.