본 논문에서는 고성능 병렬 계산 장치로 주목받고 있는 GPU에서의 선형 합동 방식(linear congruential)의 병렬 난수 생성 프로그램을 구현하였다. 난수는 임의성을 필요로 하는 모든 분야에서 중요하게 사용되며, 선형 합동 난수 방식은 컴퓨터 계산을 통하여 생성되는 의사 난수(pseudo random numbers) 생성 방식 중에 가장 많이 사용되는 방식이다. 본 논문에서는 NVIDIA CUDA 프로그래밍 모델을 사용하여 구현된 프로그램 및 MPI를 사용한 다중 GPU를 구동하는 병렬프로그램을 설명하고, 생성된 난수들의 임의성과 성능을 알아보았다. 또한 원주율(${\pi}$)을 계산하기 위한 몬테카를로 알고리즘을 사용하여 CUDA 라이브러리 함수인 cuRAND와 성능을 비교하였으며, 다수의 GPU를 동시에 계산한 성능의 변화도 알아보았다.

IoT 시대를 맞아 모바일 기기의 급격한 성능 향상에 힘입어 폭발적으로 증가하는 멀티미디어 빅데이터의 빠른 처리가 요구되고 있다. 하지만, 이런 환경의 대격변 속에서도 이미지 검색 연구 분야에서는 정확도 향상에 주로 초점을 맞춘 나머지, 고해상도 멀티미디어 데이터 Query에 대한 빠른 처리 측면에서는 제대로 대응하지 못하고 있다. 이에 우리는 이미지 검색만을 분산화한 선행연구와 달리 MapReduce 기반 분산 이미지 특징점 추출 기법을 활용하여 정확도는 유지하면서 빠른 응답시간을 확보하며, BIRCH 인덱싱을 기반으로 메모리 확장성까지 해결한 새로운 분산 이미지 검색 알고리즘을 제안한다. 그리고 제안하는 분산 이미지 검색 알고리즘의 정확도, 처리시간, 확장성에 대한 실험을 통해 뛰어난 성능을 확인한다.

최근에 서버 시스템에서 SSD(Solid-State Drive)가 고성능 저장장치 및 캐시로서 많이 사용됨에 따라 다양한 서버 응용들의 입출력 요청 스트림들을 위해 SSD 수준에서 서비스 품질(Quality-of-Service)를 제공할 수 있는지에 대한 관심이 높아지고 있다. 현재까지 대부분의 SSD는 SATA 버스 상에서 AHCI 컨트롤러를 사용해왔기 때문에 각 입출력 스트림을 SSD 내부에서 구별하여 서비스할 수가 없었다. 그러나, 최근에 새로운 SSD 인터페이스로서 PCI Express 버스 상에서 NVME 컨트롤러가 제안됨에 따라 각 입출력 스트림을 SSD 내부에서 구별할 수 있게 되었고, 이에 따라 입출력 요청들을 스케줄링 할 수 있게 되었다. 본 논문은 NVME 기반 플래시 저장 장치를 위한 플래시 연산 그룹 스케줄링(Flash Operation Group Scheduling)을 제안하고, 가중치에 따라 입출력 스트림별로 비례 지분 대역폭을 제공할 수 있음을 QEMU 기반 시뮬레이션을 통해 보인다.

스마트폰과 같은 모바일 기기가 널리 보급됨에 따라 사용자들은 모바일 기기 응용들을 사용하면서 빠른 응답성을 제공받기를 바란다. 하지만 모바일 기기 응용들은 종종 사용자가 기대하는 수준의 응답성을 제공하지 못한다. 응답성을 저해하는 주 원인들 중 하나는 과도한 페이지 폴트 발생에 따른 대화형 태스크 수행의 지연이다. 이는 대화형 태스크의 상주 페이지(resident page)들이 비대화형 태스크와의 페이지 캐시 경쟁에 의해 더욱 빈번히 희생될 페이지(victim page)으로 선정되어 스토리지로 쫓겨나기 때문이다. 이 논문은 이러한 문제를 해결하기 위해 프레임워크 지원 선별적 페이지 보호 기법을 제시한다. 제안한 기법은 프레임워크 레벨에서 대화형 태스크를 식별하고 이를 커널에 전달하여 페이지 replacement 시에 대화형 태스크의 페이지를 보호하고, 사용자 입력 처리 중에 발생하는 페이지 폴트를 줄인다. 실험 결과 제안된 기법은 기존 시스템에 비해 페이지 폴트 횟수를 37% 감소시켰고, 응답시간을 11% 단축할 수 있었다.

센서 네트워크에서 압축은 종단 간 지연시간과 에너지 사용량 사이의 이율배반적인 관계가 있다. 데이터의 크기를 줄이기 위해 압축을 하면, 추가적인 지연시간과 에너지 소비가 발생하지만, 전송으로 인한 에너지 소모는 감소하게 된다. 일반적으로, 배터리기반 센서 네트워크에서는 지연시간을 손해 보더라도 네트워크의 생존시간을 최대화하기위해 압축을 널리 사용하고 있다. 한편 태양 에너지 기반 센서 네트워크에서는 주기적으로 에너지 재생산이 이루어짐에 따라, 동작하는데 충분한 에너지양 이상의 에너지가 존재할 가능성이 있다. 본 논문에서는 여분의 에너지를 사용해 종단 간 지연시간을 감소시키는 에너지 적응형 선택적 압축 기법을 제안한다. 제안하는 기법은 노드의 에너지가 충분하지 않을 때, 에너지 소비를 줄이기 위해 압축을 사용하고, 에너지가 충분한 경우에는 종단 간 지연시간 감소를 위해 압축을 사용하지 않는다. 시뮬레이션을 통한 에너지와 지연시간의 성능평가를 통하여 제안하는 기법의 우수성을 증명하였다.

에이전트 기반 모델링 및 시뮬레이션(Agent-Based Modeling and Simulation)은 기존 시스템 수준에서의 시뮬레이션이 구현할 수 없는 에이전트의 세밀한 행동과 상호작용을 활용하여 시장이나 사회 현상의 모델링에 사용되는 기술이다. 그러나 에이전트 기반 모델링 및 시뮬레이션은 에이전트 기반 시스템의 지식 수준에서의 합리성의 원칙에 기반하여 구현되기 때문에 스스로의 목표 달성을 저해하는 에이전트를 표현할 수 없다[1]. 에이전트 기반 소프트웨어 공학 분야에서는 이러한 한계를 극복하기 위해 사회적 수준에서의 행동 법칙을 통해 해결하였으나[2], 구체적인 개발 방법론은 제시가 되어 있지 않다. 따라서 본 연구에서는 에이전트 기반 소프트웨어 공학 방법론인 트로포스와 사회적 행동 법칙을 결합하여 사회적 행동 법칙을 반영한 새로운 에이전트 기반 모델링 및 시뮬레이션 방법을 제안한다. 이를 위해 각 개발 단계별로 구체적인 과업을 명시하고 과업 별로 생성되는 산출물 분석을 통해 모델링 및 시뮬레이션의 과정을 설명한다. 또한 자가 적응적 스마트 그리드와 군 도메인 시스템에서의 구체적인 적용 사례와 실험을 통해 제안 방법을 검증한다.

본 연구에서는 미리 구축해 놓은 학습데이터 없이도 입력된 작문이 주어진 작문 주제에 적합한 내용인지 아닌지를 자동으로 판단할 수 있는 방법을 제안한다. ConceptNet은 다양한 종류의 문서에서 추출한 자연언어 문장들로부터 구축된 그래프 형태의 지식베이스이다. 본 연구에서는 작문 주제에 해당하는 작문 프롬프트(essay prompt)와 ConceptNet만을 이용하여 문서의 주제-이탈 여부를 판별하는 방법을 제안한다. ConceptNet에서 두 개념간의 최단 경로를 찾고 이에 대한 의미 유사도를 계산하는 방법을 제안한다. 이를 이용하여 작문 프롬프트와 수험생 작문 내용을 ConceptNet의 개념들로 매핑하고 이 개념들 사이의 의미 유사도를 계산하여 작문 프롬프트와 수험생 작문 사이의 주제 부합 여부를 판단한다. 8개의 작문 시험을 수행하여 얻은 수험생 작문 데이터에 대하여 평가를 수행한 결과 기존의 연구에 비해 좋은 성능을 얻을 수 있었다. ConceptNet을 활용하면 유의미한 단순 추론이 가능하기 때문에 본 연구에서 제안한 방법은 추론을 요하는 작문 문제에도 적용 가능함을 보였다.

뇌-컴퓨터 인터페이스는 사용자의 뇌전도(Electroencephalogram: EEG)를 획득하여 생각만으로 기계를 제어하거나 신체장애를 가진 사람에게 손 또는 발과 같은 신체를 대신하여 의사 전달 수단으로 사용될 수 있다. 본 논문에서는 동작 상상 EEG를 분류하기 위해 Sub-Band Common Spatial Pattern(SBCSP)를 기반으로 필터 선택을 하지 않는 특징 추출 방법에 대해 연구한다. 4~40Hz의 동작 상상 신호를 4Hz 대역마다 나눈 9개의 서브 밴드에 각각 CSP를 적용한다. 이후 Fisher's Linear Discriminant(FLD)를 사용하여 도출된 값들을 결합한 FLD 점수 벡터에 차원 축소를 위한 Principal Component Analysis(PCA)를 적용하여 클래스 구분을 위한 최적의 평면에 특징을 투영한다. 데이터베이스는 BCI CompetitionIII dataset IVa(2 클래스: 오른손 다리)를 이용하며, 추출된 특징은 Least Squares Support Vector Machine(LS-SVM)의 입력으로 사용된다. 제안된 방법의 성능은 $10{\times}10$ fold cross-validation을 이용하여 분류 정확도로 나타낸다. 본 논문에서 제안하는 방법은 피험자 'aa', 'al', 'av', 'aw', 'ay'에 대하여 각각 $85.29{\pm}0.93%$, $95.43{\pm}0.57%$, $72.57{\pm}2.37%$, $91.82{\pm}1.38%$, $93.50{\pm}0.69%$의 분류 정확도를 보였다.

최근 웨어러블 로봇에 활용이 가능한 실용적인 웨어러블 로봇 인터페이스 개발이 활발하게 이루어지고 있다. 본 논문은 인간의 생체신호 중 근전도를 활용하여, 회귀 기법 기반 연속적인 손목 움직임 의도 추정 방법을 제안한다. 실생활에서 사용자의 상지 자세 변화는 근전도 신호를 변조시켜 성능 저하의 주요한 원인이 되는데, 이를 해결하기 위해 서로 다른 상지 자세에서 학습된 회귀 기법 기반 움직임 추정모델을 통합함으로써 상지 자세 변화에도 강인한 연속적인 손목 움직임 의도 추정 방법을 제안한다. 실험결과에서 서로 다른 상지 자세에서 손목 움직임 의도를 추정하였을 때 제안 방법의 성능이 기존 방법보다 우수함을 확인하였다.

소프트웨어 신뢰도 성장 모델은 소프트웨어 신뢰도를 정량적으로 평가하기 위해서 사용되며 고장 데이터를 사용해서 소프트웨어 출시일 또는 추가 테스트 노력을 결정하기 위해서도 사용된다. 특정 소프트웨어 신뢰도 성장 모델을 모든 소프트웨어에 사용할 수 없기 때문에 평가 대상 소프트웨어에 가장 잘 맞는 소프트웨어 신뢰도 성장 모델을 선택하는 것이 중요한 이슈가 되었다. 기존 소프트웨어 신뢰도 성장 모델 선택 방법은 수집된 고장 데이터에 대한 소프트웨어 신뢰도 성장 모델의 적합도만을 평가하며 앞으로 발생할 고장 예측의 정확도는 고려하지 않는다. 이 논문에서는 고장 데이터의 트렌드와 고장 예측능력을 반영한 소프트웨어 신뢰도 성장 모델 선택 방법을 제안한다. 연구의 타당성을 보이기 위하여 실험을 통해서 기존 소프트웨어 신뢰도 성장 모델 선택 방법의 문제점을 확인하고 이 논문에서 제안하는 소프트웨어 신뢰도 성장 모델 선택 방법을 사용하면 기존 방법에 비해 더 정확한 고장 예측을 하는 신뢰도 모델을 선택할 수 있음을 보인다.

준지도 학습은 기계 학습의 한 분야로서, 레이블된 데이터와 레이블되지 않은 데이터 모두를 사용하여 모델을 학습함으로써 지도 학습에 비해 예측 정확도를 높일 수 있다. 최근 각광받고 있는 그래프 기반 준지도 학습은 입력 데이터를 그래프의 형태로 변환하는 그래프 구축 단계와 이를 사용하여 레이블되지 않은 데이터의 레이블을 예측하는 레이블 추론 단계로 나뉜다. 이 추론은 준지도 학습에서의 평활도 가정을 기본으로 한다. 본 연구에서는 추가로 각 꼭지점 중요도를 결합함으로써 개선된 레이블 추론 알고리즘을 제안한다. 이와 함께 알고리즘의 수렴성을 증명하고, 또한 실험을 통해 알고리즘의 우수성을 검증하였다.

본 논문은 자연언어 문장을 지식베이스의 지식 골격에 맞추어 지식의 형태로 변환하기 위한 과정 중의 하나인 관계추출(Relation Extraction)을 목표로 한다. 특히, 문장 내에 있는 서술어(Predicate)에 집중하여 서술어와 관련성 높은 지식베이스 프로퍼티(Property or Relation)를 찾아내고, 이를 통해 두 개체(Entity)간의 의미를 파악하는 관계추출에 초점을 둔다. 이에 널리 활용되는 원격지도학습(Distant Supervision) 접근 방식에 따라, 지식베이스와 자연언어 텍스트로부터 원격 학습이 가능한 레이블(Labeled) 데이터를 자동으로 마련하여 지식베이스 프로퍼티에 대한 어휘화 작업을 수행한다. 즉, 두 개체 사이의 관계로 표현되는 서술어와, 온톨로지로 정의할 수 있는 프로퍼티와의 연결을 통해, 텍스트로부터 구조적 정보를 생성할 수 있는 기반을 마련하고 최종적으로 지식베이스 확장의 가능성을 열어준다.

사물인터넷 컴퓨팅의 등장으로 다양한 사물인터넷 디바이스를 통해 사용자에 대한 건강 컨텍스트의 수집과 수집된 건강 컨텍스트를 분석하여 노화진단이 가능해졌다. 하지만, 기존의 노화진단 기법들은 서로 다른 고정된 노화진단요소들을 사용하여 사용자에 따라 획득 가능한 건강 컨텍스트의 가변성을 고려하지 않아서 새로운 노화진단요소의 추가 및 삭제에 대해 동적 대응이 힘들다. 본 논문에서는 다양한 사물인터넷 디바이스를 기반으로 노화진단에 필요한 다양한 노화진단 요소를 수집하고, 사용자마다 가변적인 노화진단 요소의 구성에 따라 동적으로 적응 가능한 노화진단 프레임워크의 기법 및 설계를 제안한다. 제안된 노화진단 프레임워크를 이용하면 획득 가능한 건강 컨텍스트의 가변성과 관계없이 노화진단기법의 적용이 가능하며, 노화진단 요소의 동적 추가 및 삭제가 가능하다.

차세대 시퀀싱(Next generation sequencing) 기술의 발달로 여러 생물 종의 유전체 데이터를 다양한 관점에서 비교 분석한 결과를 직관적으로 해석할 수 있게 해 주는 다양한 유전체 브라우저(Genome browser)들이 활발하게 서비스되고 있다. 그러나 기존 유전체 브라우저들은 현존 생물 종의 유전체 데이터에 국한되어 있기 때문에 생물의 진화 현상에 주목하는 연구자들의 수요를 충족시키지 못하고 있다. 본 논문에서는 현존 생물 종의 유전체 데이터를 이용하여 복원된 조상 유전체 정보를 열람할 수 있게 해주는 유전체 브라우저인 AGB (Ancestral Genome Browser)를 소개한다. AGB를 이용하면 진화 과정 중에서 발생한 유전체 변이 현상을 직관적으로 빠르게 추적할 수 있다. AGB는 현재 http://bioinfo.konkuk.ac.kr/genomebrowser/에서 이용 가능하다.

다양한 개인 의료 장비들이 등장함에 따라 개인 의료 컨텍스트가 풍부하게 수집되고 있다. 이렇게 수집된 의료 컨텍스트를 분석함으로써 소프트웨어적으로 질병을 진단하기 위한 노력이 이어지고 있다. 본 논문에서는 의료 전문가들이 사용하는 의료 분석 기법을 정형화하고, 각 의료 기법을 실현화하기 위한 추론 기법을 식별하며, 추론기법의 적용 지침을 제시한다. 또한, 의료 기법을 제공하는 추론 시스템을 PoC 수준에서 개발하고, 실제 의료 컨텍스트를 분석하여 질병 진단 실험을 수행함으로써 제시하는 의료 분석 기법 및 추론 기법 적용 지침의 실효성과 그 효과를 검증한다.

오늘날 네트워크는 HBDP (High Bandwidth Delay Product) 특징을 가지고 있으며, 기존 TCP는 혼잡 윈도우 크기의 느린 증가와 패킷 손실 시 급격한 감소로 인하여 HBDP 네트워크에 적합하지 못하다. 기존 TCP의 문제를 해결하기 위해 새로운 혼잡 제어 기법에 관한 많은 연구들이 진행되었다. C-TCP (Compound-TCP)는 손실기반 TCP와 지연기반 TCP를 결합한 하이브리드 TCP이다. C-TCP의 목적은 빠른 대역폭 점유, 조기 혼잡예측에 의한 혼잡 방지와 공정성 보장이다. 하지만 C-TCP는 혼잡 정도를 고려하지 않는 지연 윈도우 감소율을 적용하기 때문에 성능의 저하를 초래한다. 제안하는 기법은 네트워크의 혼잡 상태에 따라 적응적으로 지연 윈도우의 증감률을 조절함으로써 C-TCP의 대역폭 점유 효율과 공정성을 개선한다. 실험 결과를 통해 HBDP 네트워크에서 제안하는 기법이 기존 C-TCP보다 향상된 성능을 보임을 확인하였다.

안드로이드 시스템은 권한 기반의 접근제어 기능을 제공하고, 사용자로 하여금 앱 설치시 앱이 가진 권한을 통해 설치여부를 판단하도록 요구하고 있지만, 대부분의 사용자는 이것을 무시하거나 모르고 지나치는 경향이 있다. 따라서 사용자가 이와 같은 중요한 단계에 주어진 역할을 직관적으로 수행할 수 있도록 하기 위한 개선된 방법이 필요하다. 본 논문에서는 퍼미션 기반 접근제어 시스템을 위해 사용자의 의사결정을 즉각 지원할 수 있는 새로운 기법을 기계학습에 기반하여 연구하고 제안한다. 구체적으로 K-최근접 이웃 알고리즘을 목적에 맞게 수정하여 악성앱 가능성 판단에 대한 연구를 진행하였으며, 특성으로 안드로이드의 권한 152개를 사용했다. 실험 결과 약 93.5%의 정확도를 보였으며 유사한 알고리즘, 혹은 특성으로 권한만을 사용한 기존의 연구결과에 비해 우수한 분류 결과를 보였다. 이는 K-최근접 이웃 알고리즘의 범주 선택시 가중합을 반영했기 때문이다. 본 연구결과는 사용자가 권한을 검토하고 설치할 때 의사결정에 도움을 줄 수 있을 것으로 기대된다.

모바일 기기의 성능은 점진적으로 증가하여 멀티코어를 사용하는 고성능의 CPU를 장착한 스마트폰이 일상화 되었다. 그러나 고성능 기기가 사용하는 전력의 소모량을 배터리의 용량이 따라가지 못하므로 전력 관리를 위한 성능 제어가 필수적이 되었다. 이에 DVFS와 같은 Linux 기반의 전력 관리 방안이 연구되고 있으나, 동적으로 자원 요구량의 변화가 심하고 사용자의 입력이 불규칙적인 모바일 기기의 특성으로 인한 한계가 존재한다. 본 연구에서는 DVFS와 같은 기존 Linux 기반의 전력 관리 방안이 웹페이지 로딩에 있어 부족한 점을 보완하여 사용자 반응성을 유지하면서 전력 소모를 줄이는 방법으로 네트워크를 통해 연산에 필요한 데이터를 받을 때까지 CPU의 동작 Frequency을 제한하는 방안을 제안하였다. 또한, 어플리케이션 수준에서의 구현을 통하여 웹페이지 로딩 시의 전력 소모가 감소함을 확인하였다.