코로나 바이러스의 발병 이후, 의료 산업은 침체기에 들어섰으며, 이에 대한 대응책으로 정부는 일시적으로 비대면 진료를 허용한 상태이다. 본 연구에서는, 이런 시대 흐름에 맞추어 의료 산업에 있어 현대인의 비대면 의학상담에 대한 관심도를 분석하고자 한다. 전문가에게 의학상담을 받을 수 있는 플랫폼인 지식인과, 유튜브 두가지 소셜 플랫폼에서 빅데이터를 수집해 연구를 진행했다. 전화 상담 상위 5개 키워드인 "내과", "일반의", "산경과", "정신건강의학과", "소아청소년과"와 더불어, "전문의", "의학상담", "건강정보" 총 8개의 검색어를 가지고 각 플랫폼으로부터 데이터 세트를 구축했다. 이후 크롤링 된 데이터를 바탕으로 형태소 분류, 질병 추출, 정규화 등 전처리 과정을 거쳤다. 단어 빈도수를 기준으로 한 워드 클라우드, 꺾은선 그래프, 분기별 그래프, 질병 등장 빈도별 막대 그래프 등으로 데이터 시각화를 하였다. 유튜브 데이터에 한해 감성 분류 모델을 구축하였고, GRU와 BERT 기반 모델의 성능을 비교하였다.

최근 4차산업혁명과 함께 메타버스에 대한 관심이 증가하는 가운데, 메타버스를 구축하는 멀티 에지 기반의 구조가 제시된다. 메타버스는 멀티 에지 시스템에서 많은 양의 영상처리와 데이터 전송을 통해 디지털 의사와 같은 시스템을 만들어 낼 수 있는 구조이다. 하지만 에지는 부족한 연산능력이라는 제약이 있으므로, 런타임 스트리밍이 가능한 서비스제공을 위해서는, 에지에서만 이루어졌던 영상처리와 데이터 전송을 에지-클라우드 협동을 통해 처리하여 저전력 시스템을 구축해야한다. 많은 에지들이 연결되는 시스템에서는, 그 무엇보다도 에지 경량화를 통해 효율적인 전체 시스템의 경량화 및 소모전력의 감소를 이루어낼 수 있다. 본 논문에서는 원격영상 처리방법과 Region of Interest (RoI) 기법을 사용하여, AI 소프트웨어의 저전력 런타임 스트리밍이 가능해지는, 에지-클라우드 협동 메타버스 애플리케이션을 제안한다. 에지-클라우드 협동 메타버스의 구조는 PC와 임베디드 보드를 사용하여 구현하였으며, 본 논문의 후반부에서는 에지의 시간 감소와 그에따른 전력 소모, 네트워크 통신량 감소를 검증하였다.

Kirchhoff-Love 판 (KLP) 방정식은 특정 외력이 얇은 막에 끼치는 변형을 기술하는 잘 알려진 이론이다. 한편, frequency 도메인에서 진동하는 판을 해석하는 것은 주요 진동 주파수와 고유함수들을 구하는 것과 판의 진동을 예측하는데 중요하다. 다양한 모드 분석 방법들 중 dynamic mode decomposition (DMD)는 효율적인 data 기반 방법이다. 이 논문에서 우리는 DMD를 기반으로 sine 유형 외력의 영향력 안에 있는 KLP의 모드 분석을 수행한다. 우리는 먼저 유한차분법을 사용하여 이산적으로 표현된 시계열 형식의 KLP 해를 구한다. 720,00개의 FDM으로 생성된 해중에서, 오직 500개의 해만을 DMD의 구현을 위해 선택한다. 우리는 결과적으로 얻어진 DMD-mode를 보고한다. 또한, DMD를 통하여 KLP의 해를 예측하는 효율적인 방법을 소개한다.

본 논문에서는 최근 증가하는 무인주문기기의 인터페이스 및 기기 환경에 대한 직관력과 사용성 부족으로 인해 이러한 서비스의 소외된 디지털 소외계층을 위한 개선체계를 제안한다. 키오스크 서비스의 문제점은 디자인 원칙 중 직관력이 부족하고 일반적인 입석 기준에 맞는 환경에서 휠체어 승객 등이 사용할 수 없다는 점이다. 이를 해결하기 위해 모바일 기기로 QR코드를 촬영하여 키오스크와 같은 환경을 이용할 수 있는 서비스를 제안한다. 실험 결과 기존의 키오스크 모델 이용에서는 20대는 어려움을 겪지 못했으나 고령층의 경우에는 키오스크의 이용이 어려워 도움을 요청하는 결과가 나왔다. 개선된 키오스크의 모델은 20대는 어려움이 없이 진행 하였고, 고령층의 경우에서도 어려움 없이 진행 하는 결과가 나왔다.

저출산과 노령화로 보험 수요가 지속해서 감소하고 있다. 나아가 언택트 소비가 주류가 되면서 기존의 대면 서비스를 중심으로 한 보험상품 마케팅은 실효성이 크게 떨어지고 있다. 그러므로 보험업계는 비대면 서비스를 기반으로 한 새로운 마케팅이 절실한 시점이다. 확보된 내 외부 및 공공데이터를 바탕으로 보험 트렌드를 반영한 맞춤형 전략을 통해 기존 고객의 로열티를 강화하고 신규 고객을 확보할 수 있는 개인 맞춤형 보험 상품 추천시스템을 제안하고자 한다. 보험회사 데이터베이스에 등록된 고객을 대상으로 공공 데이터(시군구별 총인구수, 건강생활 실천율, 고령 인구 비율, 출생률, 노인여가복지 수, 연령대별 경제활동참가율 등), 고객 개인정보 및 기 계약 정보를 사용하여 인구통계학 기반과 모델 기반 추천시스템을 설계하였다. 인구통계학 기반 추천시스템은 군집화된 고객 내 코사인 유사도를 계산하여 유사도가 높은 고객들이 많이 가입한 보험상품을 추천하였다. K-means를 이용한 군집화 방식과 고객의 지역, 성별 및 연령대 기준의 Segmentation 방식으로 각각 수행하였다. 모델 기반 추천시스템은 Decision Tree, Random Forest Classifier를 사용하여 각각 추천시스템을 설계하였다. 본 연구 결과 군집 된 고객 간 코사인 유사도를 활용한 인구통계학 기반 추천시스템의 성능이 가장 우수하였다. 이는 개인의 특성(성별, 나이 등) 및 환경적인(경제력, 직업 거주지역 등) 요소에 따라 보험 상품을 선택하기 때문에 고객 간 유사도가 보험 추천시스템의 성능에 주요 요소인 것을 보여준다.

최근 학생 수 감소로 인한 대학 간 경쟁이 심화되면서 성과부진학생을 조기에 예측하고, 중도이탈을 예방하기 위해 다양한 노력을 기울이는 것은 대학의 필수 업무로 인식되고 있다. 이를 위해서는 학생의 성과를 정밀하게 예측하는 우수한 성능의 모델이 필수적이다. 본 논문은 성과부진학생을 식별하기 위한 분류 예측 모델에서 이상 데이터를 제거하거나 증폭을 통해 예측 성능을 향상시키는 방법에 대해 제안한다. 기존 이상데이터 처리방법은 주로 데이터를 삭제하거나 무시하는데 집중되었지만 이 논문에서는 잡음과 변화지표를 구분하는 기준을 제시하고, 데이터를 삭제하거나 증폭함으로써 예측 모델의 성능을 높이는데 기여한다. 제안 방법의 검증을 위해 공개된 학습 성과 데이터를 활용한 실험에서 기존 방법에 비해 제안방법이 분류 성능을 향상시킬 수 있는 다수의 사례를 발견할 수 있었다.

교수자 중심의 강의식 교수법이 갖는 한계점을 극복하고자 최근 학습자 중심의 교수법인 플립러닝이 널리 도입되고 있다. 하지만 플립러닝이 갖는 여러 장점에도 불구하고 학습자가 선행 학습 시 발생하는 질문들을 실시간 해결할 수 없다는 문제가 존재한다. 따라서 본 연구에서는 이러한 문제를 해결하기 위해 플립러닝 방식으로 운영하는 데이터베이스 설계 교과목을 위한 수업 도우미 챗봇인 디비봇을 개발하였다. 디비봇은 크게 학습자용 챗봇 앱과 교수자용 챗봇 관리 앱으로 구성되며, 수업 운영 관련 질문과 학습 내용 관련 매학기 반복되는 질문처럼 교수자가 미리 예상할 수 있는 질문은 구글의 다이얼로그 플로우(DialogFlow)를 활용해서 답변할 수 있도록 구현하였다. 또한, 팀 프로젝트와 관련된 질문처럼 교수자가 미리 예상하기 어려운 질문은 질의/응답 DB와 유사도 비교 알고리즘인 BM25 알고리즘을 활용해서 답변할 수 있도록 구현하였다.

행렬 곱셈은 과학 및 공학 분야에서 널리 사용되는 기본 연산이다. 딥러닝의 학습 알고리즘에도 행렬 곱셈이 많이 사용된다. 따라서 행렬 곱셈을 효과적으로 수행하기 위한 다양한 알고리즘들 개발하고 있다. 이중 행렬 곱셈의 연산량을 줄이는 방법으로 근사 행렬 곱셈 방법이 있다. 근사 행렬 곱셈은 행렬의 열과 행을 선택하기 위한 적절한 확률 분포를 결정하고, 이 분포에 따라 행렬의 열과 행을 선택하여 근사 행렬 곱셈을 수행한다. 기존의 방법들을 행렬 곱셈에 참여하는 두 개의 행렬 A, B를 모두 고려하여 확률 분포를 생성한다. 본 논문은 행렬 A만을 대상으로 근사 행렬 곱셈에 사용될 행렬의 열과 행을 선택하는 확률 분포를 생성하는 방법을 제안하였다. 기존의 방법들과 제안된 방법들을 사용하여 1000×1000, 2000×2000, 3000×3000, 4000×4000, 5000×5000 행렬에 대하여 근사 행렬 곱셈을 수행하였다. 기존의 방법보다 제안한 방법을 적용한 근사 행렬 곱셈이 평균 0.02%에서 2.34%까지 원래 행렬 곱셈 결과에 더 근접하는 결과를 보였다.

현재 교통 표지판 인식 기법들은 다양한 날씨, 빛의 변화 등과 같은 외부환경 뿐만 아니라 교통 표지판이 일부 훼손된 경우에는 인식 성능이 저하되는 경우가 발생한다. 따라서 본 논문에서는 이러한 문제점을 개선하기 위하여 홉필드 네트워크와 퍼지 Max-Min 신경망을 이용하여 손상된 교통 표지판의 인식 성능을 개선하는 방법을 제안한다. 제안된 방법은 손상된 교통 표지판에서 특징들을 분석한 후, 그 특징들을 학습 패턴으로 구성하여 퍼지 Max-Min 신경망에 적용하여 1차적으로 교통 표지판의 특징을 분류한다. 1차적 분류된 특징이 있는 학습 영상들을 홉필드 네트워크에 적용하여 손상된 특징을 복원한다. 홉필드 네트워크를 적용하여 복원된 교통 표지판의 특징들을 다시 퍼지 Max-Min 신경망에 적용하여 최종적으로 손상된 교통 표지판을 분류하고 인식한다. 제안된 방법의 성능을 평가하기 위하여 손상된 정도가 다른 다양한 교통 표지판 8개를 적용하여 실험한 결과, 제안된 방법이 퍼지 Max-Min 신경망에 비해 평균적으로 38.76%의 분류 성능이 개선되었다.

최근 영상 및 보안, 시스템의 지능화 등 디지털 시장의 거대화 및 다양화로 인하여 이에 사용되는 영상처리기술의 수요 역시 증가하고 있다. 특히, CT, MRI, X-ray, 스캐너와 같이 잡음에 민감하게 반응하는 경우, 영상교정 및 복원을 위해 잡음 처리가 필수적으로 이루어져야 한다. 이중 대표적인 Salt and Pepper 잡음은 기존에도 연구가 활발히 진행되었지만, 여전히 잡음이 아주 많은 경우 상세 정보와 에지가 만족스럽지 못하고 흐려지는 한계를 가진다. 따라서 본 논문은 유클리드 거리 식에 따른 가중치를 부분 마스크에 적용하고, 원본과 가장 유사한 비잡음 화소만을 유효 화소로 사용하는 알고리즘을 제안하였다. 제안한 알고리즘은 설계한 부분 마스크의 내부 화소 상태 및 마스크의 훼손 정도에 따라 필터의 종류를 결정하기 때문에, 훼손이 심한 환경에서도 우수한 잡음 제거 능력을 나타내었다.

체험자의 안전 문제로 실질적인 훈련이 불가능한 안전 훈련의 경우 가상현실이나 증강현실 같은 실감미디어를 이용한 훈련 콘텐츠가 새로운 대안이 되고 있다. 본 논문에서는 실감미디어 기술로 구현되는 안전 훈련 콘텐츠에 적용될 수 있는 연기 모델링 방법을 제안한다. 석유화학 플랜트와 같은 위험 지역에 사고가 발생하면 가스 유출 및 화재 발생으로 인해 시야가 확보되지 않는 상황이 발생한다. 이런 상황을 연출하기 위해서는 연기를 사실적으로 표현하는 것이 중요하다. 제안하는 방법은 석유화학 플랜트와 같이 통로와 장치가 복잡한 배경에 효과적으로 적용할 수 있는 연기 모델 기법이다. 제안하는 방법에서는 장면 렌더링이 완료된 이미지에 대한 포스트 프로세싱 단계에서 볼륨 렌더링을 이용하여 연기를 표현한다. 공장을 배경으로 구현한 결과를 보면 제안하는 방법이 사용자의 움직임에 따른 연기의 변화를 사실적으로 표현하는 것을 볼 수 있다.

가상현실 콘텐츠는 HMD기기를 이용하여 사용자에게 높은 몰입감을 제공한다. 그러나 HMD기기의 착용 중에는 사용자의 위치나 장애물과의 거리를 파악하기 어렵기 때문에 물리적 충돌로 인해 상처를 입는 경우가 발생한다. 본 논문에서는 HMD기기의 착용 중에 장애물과의 충돌 위험을 알려 사고를 방지하는 알리미 모듈을 제안한다. 제안하는 모듈은 가속도·자이로 센서로 사용자의 상태를 입력받아 충돌 사고 가능성이 있는 동작을 판별한다. 충돌 예상 범위에 장애물이 있다면 사용자에게 부저로 경고음을 출력한다. 실험 결과, HMD 착용 상태에서 장애물 감지 정확도가 1단계에서 86.6%, 2단계 상황에서 83.3%로 도출되어 사고 방지 알리미의 성능을 확인할 수 있었다.

최근 많은 산업체에서 3차원 스캐닝 기술을 활용하고 있다. 3D 스캐너의 성능이 향상됨에 따라 점데이터를 획득하면 후처리를 통해서 일정 비율만큼 줄이는 샘플링 단계를 수행하거나, 잡음이라고 판단되는 부분을 제거한다. 하지만, 이와 같은 추가과정 수행에도 불구하고 오랜 시간 동안 스캐닝하면 점데이터들을 한꺼번에 처리할 수 없다. 일반적으로 멀티스레드 환경을 이용하여 기획득된 점데이터를 먼저 처리하는 방식을 이용하지만, 스캐닝 프로세스 작업 시간이 증가함에 따라 다양한 환경 조건과 누적된 연산으로 인하여 점차 처리 성능이 낮아진다. 본 연구에서는 3D 스캐너로부터 실시간으로 들어오는 점데이터를 누적된 고속 특징점 히스토그램 계산을 이용하여 불필요하다고 판단되는 점데이터를 초기에 제거하는 방식을 제안한다. 이 방법을 이용하면 전체 3D 스캐닝 프로세스의 속도 향상을 가져온다.

채널 간격이 50 GHz 인 64 채널 파장분할 다중화 광신호를 위한 고출력 이득 평탄화된 L-band 광증폭기의 구조가 최적화되고 이 증폭기의 출력 특성이 측정되었다. 1570 nm 에서 1600 nm 사이에서 그리고 -2 dBm 입력조건 하에서, 최적화된 이단증폭기는 1 dB 오차 내에서 파장에 따른 평탄화된 이득을 가지며 이득 값은 20 dB 였다. 잡음지수는 6 dB 이내로 최소화 되었다. 추가적인 소자의 도움 없이 EDF 의 특성만을 고려하여 이득평탄화가 구현되었다. 증폭기는 2단 증폭단으로 구성되며 각 증폭단은 EDFA 구조를 기본으로 하였다. 각 단에서 EDF의 길이와 펌핑 구조들이 실험을 통해 최적화 되었다.

본 논문에서는 28GHz 대역의 5G 이동 통신 중계용 혼 안테나의 방사 패턴, 반사손실 등의 성능을 고려하여 중계용 안테나를 설계하였다. 안테나 소자를 위상 배열하여 5G 이동통신 중계기용 혼 Array를 설계하고 성능을 분석하였다. 밀리미터파 대역 통신에서는 기존의 WCDMA(3G), LTE(4G)와 달리 송수신 간의 높은 경로 손실이 발생한다. 5G 밀리미터파 혼 안테나 설계에서는 안테나의 이득, 대역폭뿐만 아니라, 안테나 소자 간 격리도, 이득 등의 안테나 성능을 추가로 고려해야 한다. 28GHz 대역의 단일 혼 안테나(1×1)와 배열 혼 안테나(2×4)의 안테나 이득은 각각 약 10.44dBi와 19.58dBi, 반사손실도 -18dB 이하의 특성을 되도록 설계하여 측정 결과로부터 구현의 타당함을 입증하였고, 5G 이동 통신 중계 시스템에 응용에 적합함을 보였다.

본 논문에서는 무선전력 통신 네트워크에서 소스에서 목적지 노드까지 종단간 데이터 전송률을 최대화하기 위한 최적의 멀티홉 전송 방식을 제안한다. 에너지 하베스팅을 하면서 멀티홉 전송을 위한 프레임 구조를 제시하고, 노드간 서로 다른 에너지 수확량과 링크 품질을 고려하여 종단간 전송률을 최대화하는 각 노드의 전송 시간을 수학적 분석을 통하여 도출한다. 아울러, 고려하는 무선전력기반 멀티홉 전송의 시스템 모델링을 통하여 최적화 문제를 도출하고, 이 최적화 문제가 convex 함을 보임으로써 전역 최적해가 존재함을 증명한다. 이를 통하여 최적화 문제를 계산 가능한 형태로 변형하여 손쉽게 최적해를 찾는다. 제안한 최적 멀티홉 전송 방식은 모든 링크의 전송률이 같아지도록 노드별 전송 시간을 최적으로 할당함으로써 종단간 전송률을 최대화한다.

본 논문에서 소개하는 페이저도에 의한 임피던스 정합회로 설계는 회로이론의 임피던스 삼각도에 기초한다. 정합회로 설계에 주어진 값들을 이용하여 페이저 도형의 작도를 통하여 설계하는 기법이다. 설계 패턴은 L형, 역L형, T형, 𝜋형을 기본으로, 미지의 리액턴스 소자를 페이저 도형을 통하여 결정한다. 본 논문에서는 입력과 출력포트가 순저항인 경우와 리액턴스를 갖는 경우의 몇 가지 사례에 대하여 설계하고 이를 직병렬 등가변환에 의하여 설계값을 검증하여 정합이 이루어짐을 확인하였다. 본 설계 기법은 입출력 위상이나 크기를 바로 파악할 수 있어 설계의 변경과 적용이 신속하여 주로 낮은 주파수 대역에서 적용이 기대된다.

대규모 해양 건설에 따른 해양 건설 작업자의 안전 및 해양 오염 문제가 발생하고 있다. 특히, 해양의 수중 건설 작업은 다른 작업에 비해 위험도가 높아 작업자의 안전을 고려한 무인 대체 시스템의 적용이 필요하다. 본 논문에서는 수중 무인 작업을 위해 해양 건설용 ROV 시스템을 개발 완료하였다. 수중 추진체의 제어를 통한 위치제어, 공압 gripper 그리고 수중 작업 모니터링을 위한 모니터링 시스템을 개발하였다. 성능평가 결과 ROV의 수중 이동속도는 최대 0.89m/s로 평가되었으며, 공압 gripper의 최대 하중은 80kg의 하중 허용 가능함을 확인하였다. 또한, 수중 ROV의 제어와 수중 영상 스트리밍에 필요한 네트워크 대역폭이 300Mbps 이상으로 평가되었으며, 유선 통신은 205m에서 92.7 ~ 95.0Mbit/s, 무선 통신은 78.3 ~ 84.8Mbit/s의 속도로 평가되었다.

최근 석유화학 산업단지에서 발생하는 가스누출, 화재 등의 사고로 화학물질에 관한 안전이 더욱 중요시되고 있다. 특히 우리나라의 울산, 여수지역의 산단들은 석유화학 산업에 크게 이바지하고 있어 유익함이 있는 반면에, 화학 누출 사고 등으로 인하여 재해가 발생할 수 있다. 따라서 본 논문에서는 화학 사고 대응을 위해 실외 설비 기준 20[m] 간격으로 센서 노드를 구성하고, TLVs의 8시간 기준(TWA)과 15분 기준(STEL)의 노출 허용농도를 제시하였다. 제안된 시스템은 멀티 홉 통신에서 0.6~0.75[s] 주기로 수집된 데이터를 Python으로 전처리하여 SQL 문을 통해 MySQL 데이터베이스에 저장하였으며, MySQL과 Grafana를 연동하여 저장된 데이터를 5초에 1회씩 갱신하는 실시간 원격 모니터링 시스템을 구현하였다.

처리지연이 적은 노이즈 캔슬러일수록 샘플링 주파수를 높일 수 있으므로 더 좋은 품질의 출력 신호를 얻을 수 있다. 단일 버퍼를 사용할 경우 프로세서가 입력된 데이터를 처리하는 동안 새로운 데이터를 버퍼에 쓰기가 불가능하므로 처리지연이 발생한다. 이러한 처리지연은 안티-노이즈와 출력 신호를 합성시킬 때 위상을 일치시키기 위한 추가적인 버퍼링 오버헤드를 발생시킨다. 본 논문에서는 대칭적 Even-Odd-buffer 구조를 사용하여 읽기와 쓰기 작업을 번갈아 가며 수행함으로써 처리지연을 최소화하고 처리속도를 높일 수 있는 가속기의 구조를 제안한다. 또한, Fast Fourier Transform 기반 노이즈 캔슬링과 적응 Least Mean Square 알고리즘을 사용한 노이즈 캔슬링의 구조적 차이를 비교한다. 그 결과로 대칭적 Even-Odd-buffer를 사용하였을 때 단일 버퍼 대비 처리지연이 29.2% 줄어들었다. 제안하는 대칭적 Even-Odd-buffer 구조는 다양한 노이즈 캔슬링 알고리즘에 적용될 수 있다는 장점이 있다.

인공지능 기술의 발전으로 산업 4.0시대가 열렸고 축산업에서도 ICT 기술이 접목된 스마트 농장의 구현이 큰 관심을 받고 있다. 그중에서도 컴퓨터 비전 기반 인공지능 기술을 접목한 축산물 및 축산 가공품의 품질 관리 기술은 스마트 축산의 핵심 기술에 해당한다. 그러나 인공지능 모형 훈련을 위한 축산물 이미지 데이터 수의 부족과 특정 범주(class)에 대한 데이터 불균형은 관련 연구 및 기술 개발에 큰 장해물이 되고 있다. 이러한 문제들을 해결하기 위해, 본 연구에서는 오버샘플링과 적대적 사례 생성기법의 활용을 제안한다. 제안되는 방법은 성공적인 불량 탐지 (Defect detection) 관점을 기반으로 하며, 이는 부족한 데이터 레이블을 효과적으로 활용하는데 필요한 방법이다. 최종적으로 실험을 통해 제안된 방법의 타당성을 확인하고 활용 전략을 검토한다.

근래 정보의 다양성과 활용에 따라 많은 데이터가 생성되었고, 데이터를 수집, 저장, 가공 및 예측 하는 빅데이터 분석의 중요성이 확대되었으며, 필요한 정보만을 수집할 수 있는 능력이 요구되고 있다. 웹 공간은 절반 이상이 텍스트로 이루어져 있고, 유저들의 유기적인 상호작용을 통해 수많은 데이터가 발생한다. 대표적인 텍스트 데이터 수집 방법으로 크롤링 기법이 있으나 데이터를 가져올 수 있는 방법에 치중되어 웹 서버나 관리자를 배려하지 못하는 크롤러가 많이 개발되고 있다. 본 논문에서는 크롤링 과정에서 발생할 수 있는 문제점 및 고려해야 할 주의사항에 대해 살펴보고 효율적으로 데이터를 가져올 수 있는 개선된 동적 웹 크롤러를 설계 및 구현한다. 기존 크롤러의 문제점들을 개선한 크롤러는 멀티프로세스로 설계되어 작업소요 시간이 평균적으로 4배정도 감소하였다.

스쿨버스 사용이 보편화됨에 따라 통학버스 운전자 및 동승 보호자의 과실로 인한 사고 발생이 빈번하여 어린이들의 스쿨버스 하차 확인을 의무화하는 등의 관련 법안이 제정되고 있다. 본 논문에서는 에너지 활용도와 비용 측면에서 효율적인 RFID(Radio-Frequency Identification)와 모바일 APP을 연동한 안전한 스쿨버스 시스템을 제안 한다. 스쿨버스 시스템은 RFID 카드를 이용해 스쿨버스에 탑승하는 어린이들의 승·하차 정보를 확인하고, 실시간 SMS 전송으로 학부모들은 아이들을 안심하고 등·하원 시킬 수 있다. 스쿨버스에 동승한 지도교사들은 아이들의 하차 정보를 APP을 통해 한 번 더 확인 할 수 있어 버스 내에 남겨진 아이들에게 일어날 수 있는 각종 사고를 예방할 수 있다. 어린이집 선생님들은 스쿨버스 운행일지의 자동화로 인해 더욱 효율적으로 승·하차 정보 확인뿐만 아니라 원생들의 등·하원 정보까지 관리 할 수 있다.

As shrinking the semiconductor process into the deep sub-micron to achieve high-density, low power and high performance integrated circuits, MBU (multiple bit upset) by soft errors is one of the major challenge of on-chip memory systems. To address the MBU, single error correction, double error detection and double adjacent error correction (SEC-DED-DAEC) codes have been recently proposed. But these codes do not resolve mis-correction. We propose the SEC-DED-DAEC-TAED(triple adjacent error detection) code without mis-corrections. The generated H-matrix by the proposed heuristic algorithm to accomplish the proposed code is implemented as hardware and verified. The results show that there is no mis-correction in the proposed codes and the 2-stage pipelined decoder can be employed on-chip memory system.

The news articles collected with keyword "non face-to-face" were analyzed through topic modeling applied with LDA algorithm. In this study, collected articles were divided into two periods, period 1(the beginning of COVID-19 spread) and period 2(the end of COVID-19 spread), according to issued date of the articles. The articles of period 1 showed support for non-face-to-face treatment, smart library, the beginning of the online financial era, non-face-to-face entrance exam and employment, stock investment for main topic words. And the articles of period 2 showed conversion to non face-to-face classes, increasing unmanned stores, online finance, education industry, home treatment for main topic words. Also, further issues were discussed through visualization of topic words. These results provide evidence that education and unmanned business in non-face-to-face industries are growing.

One of the most negative social changes of the last decade is population aging which leads to 19 times more patients with Mild Cognitive Disorder(MCI). It is well established that MCI is the most important state that can prevent dementia with early diagnosis and intervention. However, the social security system for patients with dementia is not working properly due to the coronavirus pandemic and the limited human power. This article proposes a form of workbench and design principles for dementia training programs of extended reality devices. and the findings in this study provide a guide for considering the cognitive and physical and social functions of patients.