• Proceedings of the Korean Vacuum Society Conference
• /
• 2011.08a
• /
• pp.326-326
• /
• 2011

최근 다양한 종류의 태양전지의 연구가 수행되고 있으며 그 중 박막형 태양전지 및 웨이퍼 실리콘 기반의 태양전지의 경우 태양전지의 효율 및 생산단가를 충족시키는 것에 연구의 목적이 집중되어 있다. 이러한 사항을 만족시키기 위하여 대면적 PECVD기반의 플라즈마 소스를 적용하려는 연구가 진행되고 있으며 결정질의 실리콘 박막 증착에 있어서 다중접합 태양전지 기준으로 효율 10% 내외를 유지하면서 결정질 기준 증착속도 0.5 nm/sec의 성과를 보이고 있다. 하지만 단위 가격 당 전력 생산 단가의 경쟁력을 확보하기 위하여 증착속도의 고속화에 대한 연구가 더욱 진행되어야 한다. 본 연구에서는 새로운 플라즈마 방전 개념으로서 Gas의 분사되는 Jet을 plasma에 통과시켜 증착속도의 향상을 도모하는 plasma 소스를 제시하였다. 새로운 방전 개념을 이용하여 다양한 공정조건인 압력(3~8 torr), Gas ratio([SiH4]/[H2]), RF power에서의 Plasma의 특성을 확인 하였으며 해당 조건에서의 박막 특성을 확인하여 비정질 기준 3 nm/sec, 결정질 기준 결정화도 약 70%의 조건에서 증착속도 2 nm/sec의 결과를 확인하였다. 또한 해당 조건에서의 효율 및 FF, $V_{oc}$, $I_{sc}$를 확인하여 태양전지로서의 적용가능성을 확인하였다. 마지막으로 해당소스의 대면적 적용가능성을 확인하기 위하여 대면적 plasma 개념의 모델중 하나인 In-line 개념의 plasma source로서의 적용 가능성을 제시하였다.

• Journal of KIISE:Software and Applications
• /
• v.30 no.7_8
• /
• pp.672-680
• /
• 2003

A shopbot is a software agent whose goal is to maximize buyer´s satisfaction through automatically gathering the price and quality information of goods as well as the services from on-line sellers. In the response to shopbots´ activities, sellers on the Internet need the agents called pricebots that can help them maximize their own profits. In this paper we adopts Q-learning, one of the model-free reinforcement learning methods as a price-setting algorithm of pricebots. A Q-learned agent increases profitability and eliminates the cyclic price wars when compared with the agents using the myoptimal (myopically optimal) pricing strategy Q-teaming needs to select a sequence of state-action fairs for the convergence of Q-teaming. When the uniform random method in selecting state-action pairs is used, the number of accesses to the Q-tables to obtain the optimal Q-values is quite large. Therefore, it is not appropriate for universal on-line learning in a real world environment. This phenomenon occurs because the uniform random selection reflects the uncertainty of exploitation for the optimal policy. In this paper, we propose a Mixed Nonstationary Policy (MNP), which consists of both the auxiliary Markov process and the original Markov process. MNP tries to keep balance of exploration and exploitation in reinforcement learning. Our experiment results show that the Q-learning agent using MNP converges to the optimal Q-values about 2.6 time faster than the uniform random selection on the average.

• The Journal of the Korea Contents Association
• /
• v.15 no.12
• /
• pp.483-492
• /
• 2015

This study involved elementary schoolchildren in Busan Metropolitan city and assumed the foundation of social cooperative associations that provide education services for meteorological fields, then we analyzed expected profits in a year for successful operation of first year. Twelve variables relating to profits and expenses were derived, and we used the decision tree for analyzing optimal expected profits. Profit-related variables were lecture's fee per hour and price of textbooks. Expense-related variables were production costs for the textbooks, annual salary for a teacher, education costs for a teacher, developing costs for the textbooks, traveling expenses, rental fees, and operating costs. Besides, by adding education demands, the number of grades, and the number of teachers, we analyzed changes in expected profits, considering variability of profits and expenses. As a result, despite of expected lower demands, to increase price of textbooks and education costs per hour was of advantage to enhance expected profits. The reason is that the more demand, the more increased production costs for textbooks, which is because not to make enough profits to offset the increased expenses due to lowered price of textbooks and education costs. Considering the value of public interest for social cooperative associations, price determination only concerning increase in demands will be avoided.

• Journal of Intelligence and Information Systems
• /
• v.29 no.1
• /
• pp.377-396
• /
• 2023

As the cryptocurrency market continues to grow, it has developed into a new financial market. The need for investment strategy research on the cryptocurrency market is also emerging. This study aims to conduct an empirical analysis on an investment methodology of cryptocurrency that combines short-term trading strategy and deep learning. Daily price data of the Ethereum was collected through the API of Upbit, the Korean cryptocurrency exchange. The investment performance of the experimental model was analyzed by finding the optimal parameters based on past data. The experimental model is a volatility breakout strategy(VBS), a Long Short Term Memory(LSTM) model, moving average cross strategy and a combined model. VBS is a short-term trading strategy that buys when volatility rises significantly on a daily basis and sells at the closing price of the day. LSTM is suitable for time series data among deep learning models, and the predicted closing price obtained through the prediction model was applied to the simple trading rule. The moving average cross strategy determines whether to buy or sell when the moving average crosses. The combined model is a trading rule made by using derived variables of the VBS and LSTM model using AND/OR for the buy conditions. The result shows that combined model is better investment performance than the single model. This study has academic significance in that it goes beyond simple deep learning-based cryptocurrency price prediction and improves investment performance by combining deep learning and short-term trading strategies, and has practical significance in that it shows the applicability in actual investment.

• Journal of Internet Computing and Services
• /
• v.11 no.5
• /
• pp.105-117
• /
• 2010

In recent years, dynamic collaboration (DC) among cloud providers (CPs) is becoming an inevitable approach for the widely use of cloud computing and to realize the greatest value of it. In our previous paper, we proposed a combinatorial auction (CA) based cloud market model called CACM that enables a DC platform among different CPs. The CACM model allows any CP to dynamically collaborate with suitable partner CPs to form a group before joining an auction and thus addresses the issue of conflicts minimization that may occur when negotiating among providers. But how to determine optimal group bidding prices, how to obtain the stability condition of the group and how to distribute the winning prices/profits among the group members in the CACM model have not been studied thoroughly. In this paper, we propose to formulate the above problems of cooperative negotiation in the CACM model as a bankruptcy game which is a special type of N-person cooperative game. The stability of the group is analyzed by using the concept of the core and the amount of allocationsto each member of the group is obtained by using Shapley value. Numerical results are presented to demonstrate the behaviors of the proposed approaches.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2015.05a
• /
• pp.741-743
• /
• 2015

오늘날 BI(Business Intelligence)시스템 다차원 데이터를 다루는 많은 방법들이 제안되어 TB 이상의 데이터를 다룰 수 있다. 하지만 IT 전문가 및 IT에 대한 투자여력이 충분하지 않은 중소 제조 기업들은 발 맞춰가기 힘들다. 또한 생산관리시스템(MES)을 미 도입한 기업이 대다수이고, 존재하는 현장데이터의 대부분도 수기데이터 또는 Excel 데이터로 보관 되어 있어, 수작업에 의한 데이터 분석과 의사결정을 수행한다. 이로 인해, 불량 요인 파악이나 이상 현상 파악이 불분명하기 때문에 데이터 분석에 어려움을 겪는다. 이에 본 연구에서는 중소제조기업의 경쟁력 강화를 위하여 제조 기업현장에서 사용되는 데이터를 자동으로 수집하여 정제 및 처리하여 저장이 가능하도록 하는 빅 데이터 분석 시스템 모델을 개발하였다. 이 분석 시스템 모델은 ERP, MIS 등에 존재하는 데이터들이 각 시스템의 DB 기능을 활용하여 데이터를 추출하고 정제하여 수집하는 ETL(Extract Transform Loading)과정을 통한다. 현장에서 비정형으로 기록되고 있는 정보들(ex. Excel)은 ODE(Office Data Excavation)모듈을 통해 문서의 패턴을 자동으로 인식하고 정형화된 정보로서 추출, 정제되어 수집된다. 저장된 데이터는 오픈소스 데이터 시각화 라이브러리인 D3.js를 이용하여 다양한 chart들을 통한 강력한 시각효과를 제공함으로써, 정보간의 연관 관계 및 다차원 분석의 기반을 마련하여 의사결정체계를 효과적으로 지원한다. 또한, 높은 가격에 형성되어 있는 빅데이터 솔루션을 대신해 오픈소스 Spago BI를 이용하여 경제적인 빅 데이터 솔루션을 제공한다. 본 연구의 기대효과로는 첫째, 현장 데이터 중심의 효과적인 의사결정 기반을 마련할 수 있다. 둘째, 통합 데이터 기반의 연관/다차원 분석으로 경영 효율성이 향상된다. 마지막으로, 중소 제조기업 환경에 적합한 분석 시스템을 구축함으로써 경쟁력과 생산력을 강화한다.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.607_608
• /
• 2009

일반적으로 매입형 영구자석 동기전동기는 영구자석의 사용량이 많을수록 돌극비를 향상 시킬 수 있으므로 발생토크 중 릴럭턴스 토크의 비중을 키울 수 있다. 이는 토크 발생 시 입력전류를 저감시켜 동손이 감소하고 효율을 향상시키는 효과를 기대할 수 있다. 하지만 최근에 희토류계 영규자석의 가격 상승으로 인하여 영구자석 형 전동기 개발에 있어 제약이 따르는 상황이며 가격 경쟁력을 위하여 영구자석의 사용량을 저감시키는 노력을 기울이고 있다. 본 논문에서는 HEV 구동용 매입형 영구자석 동기전동기를 대상으로 영구자석 사용량 저감 설계에 대하여 다루고자 한다. 영구자석 사용량 저감은 영구자석의 두께를 변경시켜서 검토하였으며 실험을 통한 영구자석의 감자특성을 검토하여 최적의 두께를 결정하였다. 영구자석 두께 저감에 따라 감소한 최대출력 확보를 위하여 회전자의 형상설계를 기계적 구조해석과 병행하여 수행하였다. 최종으로 설계된 모델의 특성은 Prototype과 비교하여 성능만족 여부 및 영구자석 사용량 변화를 확인하였다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.774-779
• /
• 2007

최근 온라인 경매나 오픈 마켓 같은 온라인 전자상거래가 활발히 이루어지고 있다. 더불어 사용자가 PDA와 같은 단말기를 휴대하고 이동하는 동안 전자상거래가 이루어질 가능성이 높아지고 있다. 이러한 상황에서 온라인 전자상거래의 구매자와 판매자를 대신해서 협상을 수행하고 매매를 성사시키는 에이전트에 대한 연구가 시도되고 있다. 이를 확장하여 지능형 에이전트를 휴대형단말기에 적용함으로써, 모바일 환경에서 구매자와 판매자간의 전자상거래를 대행하는 협상 에이전트의 필요성이 부각되고 있다. 본 연구에서는 모바일 전자상거래환경에서 에이전트가 협상에 대한 합리적인 판단할 수 있도록 게임이론을 사용하여 모델화 하였고, 휴대형단말기가 블루투스를 통해 인근에 있는 상점을 탐색 및 블루투스 네트워크를 구성하도록 하였다. 또한, 사용자가 협상 항목을 단계적으로 변경할 수 있는 전략을 사용할 수 있게 하였으며, 이를 평가함수를 사용하여 협상해서 최종 거래 결정은 자동 또는 수동으로 성사되게 하였다. 기존 협상 모델은 가격과 배송 방법 같은 협상 항목에 대해 가중치만을 변경하여 만족도를 판단함으로써, 실질적인 항목의 변화는 없고 초기에 설정된 협상 항목이 변경되지 않는 문제점이 있었다. 본 연구에서는 다단계 전략을 사용하여 단계마다 사용자의 요구 사항을 변경시킬 수 있기 때문에, 초기에 설정한 협상 항목의 값이 단계별로 변경될 수 있어 사용자의 의도가 협상에 실질적으로 반영되는 효과가 있다. 더불어 오프라인 전자상거래에서는 구매자가 직접 상점을 방문하여 상품을 검색하고 협상하였다. 그러나, 본 연구에서는 이동중인 사용자의 인근에 위치한 상점 에이전트로부터 상품 정보를 받는다. 그 후에 에이전트가 구매 협상을 하기 때문에 사용자가 이동 중에 상가에 직접 들어가지 않고도 상품을 검색 및 협상 할 수 있는 장점이 있다. 본 논문에서는 제안한 모바일 쇼핑 에이전트를 구현하고, 협상 과정과 결과를 비교하여 모델의 타당성과 성능을 평가한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.145-147
• /
• 2006

최근 차세대 메모리 기술이 급격히 발전하여 FeRAM과 PRAM같은 비휘발성 메모리의 상품화가 진행중 이다. 이러한 차세대 비휘발성 메모리는 메모리와 저장장치의 속성을 모두 만족시켜 주지만, 용량/가격 면에서 비효율적이다. 따라서 다양한 크기의 객체를 효율적으로 표현하고 네이밍과 같은 영속성을 제공하면서 공간 효율성이 뛰어난 관리기법이 필요하다. 비휘발성 메모리에서 공간 효율성을 높이기 위하여 새로운 메모리 파일시스템을 설계하였으며, 본 논문에서는 파일 시스템을 설계하면서 파일 시스템의 공간 효율성을 측정하기 위한 공간 비용 분석 모델과 그 결과를 제시한다. 분석 모델은 다양한 파일 시스템의 공간효율성을 수치로 제시하여 파일 시스템 설계 단계부터 공간 효율성을 예측하고 설계를 구체화하는데 매우 큰 도움이 되었다. 또한 분석 모델은 파일 시스템의 공간 효율을 최대화하는 블록 크기를 결정하는 데 근거를 제시하였으며 아울러 공간 효율을 최대화하는 블록 크기는 파일 시스템에 존재하는 파일의 평균 크기에 의존적임을 보여주었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.129-132
• /
• 2012

클라우드 환경을 구성하는 자원을 능동적으로 사용 하기 위해서는 부하분산 정책이 필요하며 효율적으로 작업을 할당하고 공유할 수 있는 자원 관리 스케줄링이 필요하다. 또한 자원의 경제성을 유념하여 클라우드 서비스 제공자의 이익 창출과 자원 활용도의 개선을 실현해야하고 서비스 사용자의 만족도를 향상시켜야 한다. 본 논문에서는 계층형 부하분산 정책을 이용한 비용이익 기반 자원관리 스케줄링 모델(Cost-benefits Based Resource Management Scheduling Model using Hierarchical Load Balancing Policy)을 제안한다. 제안하는 모델은 계층형 부하분산 정책을 적용하여 자원을 통합, 관리함으로서 개선된 유지보수성을 제공하며, 서비스 제공자의 비용이익을 고려하여 각 자원들마다의 자원협상 메커니즘과 비용이익을 우선으로 하는 가격 결정 알고리즘을 제공하여 합리적인 자원 할당이 가능하다.