스마트미디어저널 (Smart Media Journal)

  • 제11권2호
  • /
  • Pages.63-69
  • /
  • 2022
  • /
  • 2287-1322(pISSN)
  • /
  • 2288-9671(eISSN)
한국스마트미디어학회 (THE KOREAN INSTITUTE OF SMART MEDIA)
권호 표지
DOI QR코드

DOI QR Code

뉴로모픽 아키텍처 기반 자율형 IoT 응용 통합개발환경 응용 시나리오

Application Scenario of Integrated Development Environment for Autonomous IoT Applications based on Neuromorphic Architecture

  • 박지수 (한남대학교 정보통신공학과) ;
  • 김서연 (인하대학교 인간중심컴퓨팅연구소) ;
  • 김회남 (한남대학교 정보통신공학과) ;
  • 정재혁 (로빈 ICT) ;
  • 김경수 (한남대학교 정보통신공학과) ;
  • 정진만 (인하대학교 컴퓨터공학과) ;
  • 윤영선 (한남대학교 정보통신공학과)
  • 투고 : 2022.03.07
  • 심사 : 2022.03.22
  • 발행 : 2022.03.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

다양한 IoT 디바이스 사용이 증가함에 따라 IoT 플랫폼의 중요성 또한 대두되고 있다. 최근에는 IoT 디바이스에 인공지능 기술이 결합되는 추세이며, 저전력으로 많은 연산 처리가 가능한 뉴로모픽 아키텍처를 적용하는 연구도 증가하고 있다. 본 논문에서는 GUI 형식의 뉴로모픽 아키텍처 기반 자율형 IoT 응용 통합개발환경(NA-IDE:Integrated Development Environment for Autonomic IoT Applications based on Neuromorphic Architecture)에서 IoT 디바이스와 뉴로모픽 아키텍처 FPGA 디바이스를 사용하여 NA-IDE의 가능성 및 유효성을 확인하기 위한 IoT 응용 시나리오를 제안한다. 제안된 시나리오는 IoT 디바이스에 카메라 모듈을 연결하여 실시간으로 MNIST 데이터셋 이미지를 수집하여 뉴로모픽 보드를 통해 수집된 이미지를 인식하고 다른 IoT 디바이스에 연결된 센서 모듈을 통해 인식 결과를 표시한다. 이와 같이 이기종 IoT 디바이스에 뉴로모픽 아키텍처를 적용하여 다양한 응용 서비스에 활용한다면 뉴로모픽 아키텍처 기반 자율형 IoT 응용 통합개발환경은 4차 산업혁명을 주도하는 핵심 기술로 부상할 것으로 전망한다.

As the use of various IoT devices increases, the importance of IoT platforms is also rising. Recently, artificial intelligence technology is being combined with IoT devices, and research applying a neuromorphic architecture to IoT devices with low power is also increasing. In this paper, an application scenario is proposed based on NA-IDE (Neuromorphic Architecture-based autonomous IoT application integrated development environment) with IoT devices and FPGA devices in a GUI format. The proposed scenario connects a camera module to an IoT device, collects MNIST dataset images online, recognizes the collected images through a neuromorphic board, and displays the recognition results through a device module connected to other IoT devices. If the neuromorphic architecture is applied to many IoT devices and used for various application services, the autonomous IoT application integrated development environment based on the neuromorphic architecture is expected to emerge as a core technology leading the 4th industrial revolution.

키워드

과제정보

이 논문은 2019년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행된 연구임 (No. 2019-0-00708, 뉴로모픽 아키텍처 기반 자율형 IoT 응용통합개발환경).

참고문헌

  1. 김영진, 김동환, "IoT 응용 및 적용 사례," 기계 저널, 제56권, 제2호, 37-41쪽, 2016년 2월
  2. 오정원, 김행곤, "IoT 기반 Apache Spark 분석기법을 이용한 과수 수확 불량 영역 모니터링 아키텍처 모델," 스마트미디어저널, 제6권, 제4호, 58-64쪽, 2017년 12월
  3. 노순국, "인공지능 기반 구글넷 딥러닝과 IoT를 이용한 의류 분류," 스마트미디어저널, 제9권, 제3호, 41-45쪽, 2020년 9월 https://doi.org/10.30693/smj.2020.9.3.41
  4. 김미선, 박용석, 서재현, "IoT 헬스 데이터 공유를 위한 HFN 기반 권한 관리," 스마트미디어저널, 제10권, 제1호, 88-98쪽, 2021년 03월
  5. 정동규, 송도선, "인공지능과 사물인터넷 특징 및 결합 산업 동향," 한국정보기술학회, 제15권, 제2호, 29-39쪽, 2017년 12월
  6. Von Neumann architecture(2022). https://en.wikipedia.org/wiki/Von_Neumann_architecture (accessed Mar., 4, 2022).
  7. I. K. Schuller, R. Stevens, R. Pino, M. Pechan, "Neuromorphic Computing: From Materials to Systems Architecture," U.S. Department of Energy Of ice of Scientific and Technical Information, pp. 1-40, Oct. 2015.
  8. S. Ghosh-Dastidar. and H. Adeli, "Spiking Neural Networks", International Journal of Neural Systems, Vol. 19, No. 4, pp. 295-308, Aug. 2009. https://doi.org/10.1142/S0129065709002002
  9. 김용주, 김태호, "Spiking Neural Network(SNN) 구조에서 뉴런의 개수와 학습량에 따른 학습 성능변화 분석," The Journal of the Convergence on Culture Technology (JCCT), Vol. 6, No. 3, pp. 463-468, Aug. 2020. https://doi.org/10.17703/JCCT.2020.6.3.463
  10. Y-S. Yun, S. Kim, J. Park, H. Kim, J. Jung, S. Eun, "Development of Neuromorphic Architecture Integrated Development Environment," International Conference on Green and Human Information Technology, pp. 47-49, Hanoi, Vietnam, Feb. 2020.
  11. 김서연, "뉴로모픽 아키텍처 기반 자율형 IoT 응용 최적화 연구," 한남대학교 박사학위 논문, 2022년 2월
  12. K. Park, B. Kim, "Dynamic neuromorphic architecture selection scheme for intelligent Internet of Things services.", Concurrency and Computation: Practice and Experience, May. 2021.
  13. C. S. Han, K. M. Lee, "Spiking Neural Network Transformer for Deploying into a Deep Learning Framework," RACS' 20, pp. 82-83, Gwangju, Republic of Korea, Nov. 2020.
  14. node-red(2013). https://nodered.org/ (accessed Oct., 19, 2021).
  15. A. Nayyar, V. Puri, "Raspberry Pi-A Small, Powerful, Cost Effective and Efficient Form Factor Computer: A Review," International Journal of Advanced Research in Computer Science and Software Engineering, Vol. 5, No. 12, pp. 720-737, Dec. 2015.
  16. Tinker board(2019). https://tinker-board.asus.com/index.html (accessed Mar., 5, 2022).
  17. Terasic DE1-SoC(2014). http://de1-soc.terasic.com (accessed Mar., 5, 2022).
  18. L. Deng, "The mnist database of handwritten digit images for machine learning research [best of the web]," IEEE signal processing magazine, Vol. 29, No. 6, pp. 141-142, Nov. 2012. https://doi.org/10.1109/MSP.2012.2211477