• 정보과학회 논문지
• /
• 제43권4호
• /
• pp.460-469
• /
• 2016

사물인터넷(IoT)은 다양한 디바이스가 유무선 네트워크를 통해 연결되어 정보를 수집, 처리, 교환, 공유하는 환경이다. 대표적 디바이스가 스마트폰 같은 모바일 IoT 디바이스인데, 사용자에게 고성능서비스를 제공하기 위해 파워를 많이 소비하지만 상시 공급할 수 없어서 주어진 IoT 환경에 적합하게 파워 관리를 하는 것이 필수적이다. 하지만 기존 모바일 IoT 디바이스의 파워 관리에는 AP, AP 내/외부 HW 모듈, OS, 플랫폼, 어플리케이션 등 다양한 요소가 복잡하게 얽혀 있어서 이 관계를 쉽게 파악하고 관리하는 체계적인 방법이 필요하다. 또한 파워 관리와 연관된 다양한 관리 정책, 운영 환경, 알고리즘 등 가변 요소를 분석하고 이를 파워 관리 개발에 반영하는 것이 필요하다. 본 논문에서는 이러한 문제점을 해결하고 모바일 IoT 디바이스 파워 관리를 체계적으로 개발하기 위한 공학 원칙과 이를 기반으로 한 방법을 제안한다. 실행가능성 검증을 위해 커넥티드 헬멧 시스템 파워 관리가 사례연구로 사용되었다.

• 한국통신학회논문지
• /
• 제28권2B호
• /
• pp.105-116
• /
• 2003

IP 망에서 차별 서비스 구조는 코아 노드에서 클래스별 서비스 기반의 단순한 모델을 적용한다. 그러나, 이러한 단순 처리로 인하여, 망 구조나 프로비저닝은 더욱 복잡하게 되고 서비스 제공자가 동적 프로비저닝이나 효율적인 대역 보장 방법을 제공하려면 시그널링 프로토콜이나 연결 수락 제어 방법이 제공되어져야 한다. 그러나, 이러한 방법은 망의 복잡성을 증가시키게 됨으로 차별 서비스 망에서 복잡하지 않고 대역을 효율적으로 사용할 수 있는 동적 프로비저닝 기법이 연구되어야 한다. 본 논문에서는 차별 서비스 망에서 다양한 서비스 품질 요구 사항을 만족시킬 수 있는 연결 수락 제어 메커니즘으로 대역폭 브로커와 측정 기반 수락 제어 및 가변 영역 대역 관리 방법을 사용하는 DPM2 (Dynamic Provisioning over MBAC and Movable Boundary) 메커니즘을 제안하였다. 또한, ns-2 시뮬레이터를 이용하여 성능 분석을 하였다.

• 전기전자학회논문지
• /
• 제26권4호
• /
• pp.568-576
• /
• 2022

무선 신호 인식 및 자동 변조 분류(Automatic Modulation Classification) 기술은 넓은 주파수 대역에서 다양한 무선 통신 서비스를 단일 단말에서 유연하게 이용 가능한 SDR(Software Defined Radio) 플랫폼의 핵심 요소 기술로 필요성이 높아지고 있다. 최근에는 데이터 학습 기반의 딥러닝 기술을 기반으로 정확도가 향상된 여러 가지 자동 변조 분류 모델들이 제안되고 있다. 하지만, 대부분의 연구는 모델에 입력되는 무선 신호의 길이가 고정된 경우에 초점을 맞추고 길이가 가변적인 시나리오를 고려하지 않고 있다. 본 연구에서는 SDR의 개방형 플랫폼의 요소 기술로써 임의의 무선 신호의 길이에 대해 변조 분류가 가능한 방법을 제안한다. 이를 위해, 두 가지 입력 크기에 대해 학습된 Convolutional Neural Network(CNN) 기반의 주 모델(main model)과 하위 모델(small model)로 분류 시스템을 설계하고, 나머지 구간의 길이로 수신된 신호에 대해서는 자기 복제 패딩 기법으로 입력 샘플을 증강시켜 변조 분류를 수행한다. 분류 성능 정확도 및 계산 복잡도의 비교분석을 위한 RadioML 2018.01A 데이터셋을 사용한 실험을 통해 제안하는 기법이 모든 신호 대 잡음비(Signal-to-Noise Ratio, SNR) 영역에서 기존 방식보다 높은 정확도를 제공하면서도 낮은 연산량을 필요함을 보였다.

• 한국융합학회논문지
• /
• 제9권7호
• /
• pp.69-75
• /
• 2018

스마트 팩토리 내의 디바이스를 비롯한 다양한 엔터티 들은 보다 활동적이고 능동적으로 발전하고 있어서, 엔터티의 특성에 맞는 세분화된 접근제어가 필요하지만 기존의 디바이스에 대한 접근제어는 세분화된 접근제어가 부족하고, 사용자에 대한 접근제어는 절차가 복잡하고 가변적인 내용을 빠르게 적용하기에 어려움이 많다. 이 논문에서는 스마트 팩토리 엔터티에 최적화되어 효율성과 보안성을 유지할 수 있는 접근제어 방법을 제안한다. 기존에 PKC(Public Key Certificate)의 속성부여를 위해 정의되었던 AC(Attribute Certificate)를 PAC(Permission AC)로 확장하여 각 역할에 부여하여 통합관리가 용이한 RBAC(Role-basedAccessControl)를 제안한다. 또한 ACI(AC Issuer)의 디지털 서명된 PAC를 블록체인 기반의 모델에 적용하여 배포함으로써 수시로 바뀌는 엔터티의 역할에 대한 접근 및 권한 부여를 빠르고 정확하게 확인 및 반영할 수 있는 블록체인 기반의 RBAC-PAC 모델을 제안 한다. 기존연구와 효율성 측면에서 비교 분석하였고, 특히 엔터티 수가 많고 권한 갱신이 빈번할수록 효율성이 높아진 것을 확인하였다.

• 한국전산구조공학회논문집
• /
• 제20권6호
• /
• pp.761-767
• /
• 2007

건축 및 토목 구조물의 진동 제어분야에서 중앙집중식 제어방식은 주어진 목표응답수준을 만족시키기 위해서 전력공급, 센서, 그리고 감쇠기 등을 포함하는 복잡한 제어시스템을 구축하고 유지하는 노력이 필요하고, 구조물 유한요소모델의 큰차수, 모델의 불확실성, 가력장치의 제한 등의 이유로 적용성의 한계가 있다. 본 논문에서는 센서 혹은 컴퓨터없이 준능동 MR 감쇠기가 설치된 층만의 정보에 의해 제어력이 생성되는 분산제어식 응답의존형 MR 감쇠기가 제안하였다. 제안된 분산제어식 응답의존형 MR 감쇠기는 구조물의 층전단력에 대한 가변마찰력 크기 비의 변화에 따라 지진하중을 받는 구조물의 제어성능이 수동인 경우와 비선형 시간이력해석을 통해 비교 평가되었다. 마지막으로 일반 제어이론에서 널리 이용되는 중앙집중식 LQR 알고리듬과 본 논문에서 제안된 분산제어식 응답의존형 MR감쇠기가 3층 전단형 구조물을 대상으로 수치해석을 통해 비교 평가됨으로써 제안된 알고리즘의 유효성을 검증하였다.

• 융합신호처리학회논문지
• /
• 제5권3호
• /
• pp.210-215
• /
• 2004

교류 서보전동기 동적 모델은 비선형이고 2차 저항이 변동영향이 많다. 이러한 복잡한 제어는 견실제어가 요구된다. 이러한 시스템의 동특성은 슬라이딩 모드제어를 사용함으로 파라미터나 외란 변동에 대하여 견실성을 달성할 수 있다. 본 논문은 교류 서보전동기에 의한 위치제어에 슬라이딩 모드 제어의 적용을 나타내었다. 제어방법이 유도되고 제어시스템이 설계되었다. 교류 서보전동기의 견실제어를 위해 외부 부하 파라미터에 기초한 설계방법이 제안되었다. 제안된 제어방법은 가변구조 제어기와 슬립주파수형 벡터제어에 기초하여 주어졌다. 시뮬레이션 결과는 관성모우먼트, 점성마찰 및 부하외란 변동에 결실함을 나타내었고 슬라이딩 모드를 적용한 제안된 설계방법이 유용한 것을 구명한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 추계학술발표논문집 (상)
• /
• pp.65-68
• /
• 2003

본 논문에서는 가장 최근의 동영상 표준인 H.264에서 가변 블록 움직임 예측 시 인접한 블록과의 상관성을 분석하여 병합 절차를 추가함으로써 매크로블록의 최종 모드를 결정하는 시간을 줄이기 위한 알고리즘을 제안한다. H.264에서는 매크로블록의 모드를 결정하기 위하여 총 7가지 모드를 사용하여 움직임 예측은 실시함으로써 부호화 효율을 극대화시킨 반면 이러한 움직임 예측이 부호화기의 복잡도를 높이는 주요 요인으로 현재 커다란 단점으로 지적되고 있다. 본 논문에서는 $8{\times}8$ 움직임 예측이 끝난 후 인접한 두 블록 사이의 거리론 임계값(Threshold)과 비교하여 다음 모드의 움직임 예측의 실시 여부를 먼저 절정함으로써 필요한 움직임 예측에 소비되는 시간을 단축시켰다. 여기서 실험 조건으로 명시하고 있는 것은 대표적인 단일모드 중에서 수행 성능이 가장 좋은 $8{\times}8$ 모드를 기본모드로 사용하고 병합 시 $16{\times}16$ 모드 쪽으로 상향식(bottom-up) 방법의 병합을 수행해 나아간다 모의실험을 통해 수행 성능과 전체 부호화 시간 측면을 본 논문에서 제안한 방법과 4가지 모드인 $16{\times}16,\;16{\times}8,\;8{\times}16,\;8{\times}8$ 모드를 모두 사용한 경우, $8{\times}8$ 단일모드를 사용한 경우를 비교하였다. 실험 결과 $8{\times}8$ 단일모드보다 수행 성능이 향상되었으며, 시간 단축 면에서 제안한 방법이 4가지 모드인 $16{\times}16,\;16{\times}8,\;8{\times}16,\;8{\times}8$ 모드를 모두 사용한 경우와 $8{\times}8$ 단일모드를 사용한 경우보다 계산 시간이 감소하였음을 확인하였다.행중인 MoIM-Messge서버의 네트워크 모듈로 다중 쓰레드 소켓폴링 모델을 적용하였다.n rate compared with conventional face recognition algorithms. 아니라 실내에서도 발생하고 있었다. 정량한 8개 화합물 각각과 총 휘발성 유기화합물의 스피어만 상관계수는 벤젠을 제외하고는 모두 유의하였다. 이중 톨루엔과 크실렌은 총 휘발성 유기화합물과 좋은 상관성 (톨루엔 0.76, 크실렌, 0.87)을 나타내었다. 이 연구는 톨루엔과 크실렌이 총 휘발성 유기화합물의 좋은 지표를 사용될 있고, 톨루엔, 에틸벤젠, 크실렌 등 많은 휘발성 유기화합물의 발생원은 실외뿐 아니라 실내에도 있음을 나타내고 있다.>10)의 $[^{18}F]F_2$를 얻었다. 결론: $^{18}O(p,n)^{18}F$ 핵반응을 이용하여 친전자성 방사성동위원소 $[^{18}F]F_2$를 생산하였다. 표적 챔버는 알루미늄으로 제작하였으며 본 연구에서 연구된 $[^{18}F]F_2$가스는 친핵성 치환반응으로 방사성동위원소를 도입하기 어려운 다양한 방사성의 약품개발에 유용하게 이용될 수 있을 것이다.었으나 움직임 보정 후 영상을 이용하여 비교한 경우, 결합능 변화가 선조체 영역에서 국한되어 나타나며 그 유의성이 움직임 보정 전에 비하여 낮음을 알 수 있었다. 결론: 뇌활성화 과제 수행시에 동반되는 피험자의 머리 움직임에 의하여 도파민 유리가 과대평가되었으며 이는 이 연구에서 제안한 영상정합을 이용한 움직임 보정기법에 의해서 개선되었다. 답이 없는 문제, 문제 만들기, 일반화가 가능한 문제 등으로 보고, 수학적 창의성 중 특히 확산적 사고에 초점을 맞추어 개방형 문제가 확산적 사고의 요소인 유창성, 독창성, 유연성 등에 각각 어떤 영향을 미치는지 20주의 프로그램을 개발, 진행하여 그 효과를 검증하고자 한다. 개방형 문

• 인지과학
• /
• 제25권4호
• /
• pp.343-384
• /
• 2014

마음의 문제를 해명하기 위해 오늘날 인지과학은 과거의 컴퓨터 모델이나 신경망 모델이라는 좁은 틀에서 벗어나 뇌와 상호작용하는 신체와 상호작용하는 환경이라는 넓은 틀로 시야를 확대하고 있다. 그 결과로 등장한 <확장된 마음>이나 <체화된 마음> 혹은 <발제적 마음>의 이론들은 마음에서 환경으로 나아가는 길을 개척하는 데에 주력한 반면, 마음과 환경의 상호작용의 복잡한 과정 자체를 해명하는 데까지는 이르지 못하고 있다. 이런 문제는 1960~70년대에 마음의 문제를 뇌와 신체와 환경 간의 상호작용이라는 관점에서 선구적으로 해명하려 했던 깁슨과 마투라나와 바렐라에게로까지 거슬러 올라갈 수 있다. 깁슨이 환경이 제공하는 어포던스에 방점을 찍었다면, 마투라나와 바렐라는 생명체의 자기생산의 자율성에 방점을 찍었기 때문이다. 그러나 환경이 제공하는 어포던스에는 불변적 요소가 존재하고 생명체 역시 고유한 자율성을 가지면서, 어포던스의 가변적 요소와 환경에 대해 열려 있는 생명체가 함께 구조적 짝패를 이룬다고 보는 것이 타당하다. 이럴 경우 깁슨과 마투라나와 바렐라의 대립점은 해소될 것이다. 이 글에서 필자는 벤야민의 미메시스 이론이 양자를 매개해주는 역할을 할 수 있다고 제안하려 한다. 벤야민의 미메시스 개념에는 어포던스적 요소들을 체화함과 동시에 환경에 새로운 어포던스를 발제하는 측면이 함께 어우려져 하나의 성좌를 만들어내는 과정이 포함되어 있기 때문에, 깁슨의 어포던스 개념과 마투라나와 바렐라의 체화와 발제 개념은 벤야민의 미메시스 개념을 매개로 할 경우 원활하게 연결되어 순환할 수 있다.

• 한국항해항만학회지
• /
• 제35권1호
• /
• pp.45-49
• /
• 2011

최근 추세에 따라 수치실험은 높은 해상도와 정확도를 요구하고 있다. 일반적으로 파랑장 계산은 광역모형을 도입하고, 주된 해석 대상 영역의 지형적 복잡성을 반영할 수 있는 적절한 분해능의 상세격자를 통해 내부의 상세역 모형을 구성하게 된다. 여기서, 세역에서의 입사파는 광역에서의 결과를 토대로 추출하게 되는데, 이 때 결과의 연속성에서 문제를 가지게 된다. 대체로 이러한 문제점을 극복하기 위하여 가변격자체계와 스펙트럼 추출 등의 방법을 사용하게 되지만 관련 수치적 오류에 대한 분석과 검토가 충분하지 않은 것으로 보인다. 따라서, 본 연구에서는 최근 가장 일반적으로 사용되고 있는 SWAN모형의 Nested 모형에 대한 현장 적용성을 확인하고자 한다. 이를 위하여 각기 다른 조석환경하에 있는 두 개의 항에 대한 실험을 실시하고 이에 대한 결과를 비교 분석하였다. 분석결과, Nested 모형으로 구성된 광역과 세역 경계에서의 추출된 값이 거의 동일한 값을 가지며 각기 다른 조석환경하에서의 결과 또한 다르지 않다는 것으로 나타났다. 그러나, Nested 모형의 경계를 구성시 수심의 변화가 심한 곳을 피하고 비교적 수심이 깊은 해역까지를 포함시키는 것이 오차를 줄일 수 있음을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.261-261
• /
• 2020

물관리의 기본이 되는 연속적인 유량 자료 확보를 위해서는 정확도 높은 수위-유량 관계 곡선식 개발이 필수적이다. 수위-유량 관계곡선식은 모든 수문시설 설계의 기초가 되며 홍수, 가뭄 등 물재해 대응을 위해서도 중요한 의미를 가지고 있다. 그러나 일반적으로 유량 측정은 많은 비용과 시간이 들고, 식생성장, 단면변화 등의 통제특성(control)이 변함에 따라 구간분리, 기간분리와 같은 비선형적인 양상이 나타나 자료 해석에 어려움이 존재한다. 특히, 국내 하천의 경우 자연적 및 인위적인 환경 변화가 다양하여 지점 및 기간에 따라 세밀한 분석이 요구된다. 머신러닝(Machine Learning)이란 데이터를 통해 컴퓨터가 스스로 학습하여 모델을 구축하고 성능을 향상시키는 일련의 과정을 뜻한다. 기존의 수위-유량 관계곡선식은 개발자의 판단에 의해 데이터의 종류와 기간 등을 설정하여 회귀식의 파라미터를 산출한다면, 머신러닝은 유효한 전체 데이터를 이용해 스스로 학습하여 자료 간 상관성을 찾아내 모델을 구축하고 성능을 지속적으로 향상 시킬 수 있다. 머신러닝은 충분한 수문자료가 확보되었다는 전제 하에 복잡하고 가변적인 수자원 환경을 반영하여 유량 추정의 정확도를 지속적으로 향상시킬 수 있다는 이점을 가지고 있다. 본 연구는 머신러닝의 대표적인 알고리즘들을 활용하여 유량을 추정하는 모델을 구축하고 성능을 비교·분석하였다. 대상지역은 안정적인 수량을 확보하고 있는 한강수계의 거운교 지점이며, 사용자료는 2010~2018년의 시간, 수위, 유량, 수면폭 등 이다. 프로그램은 파이썬을 기반으로 한 머신러닝 라이브러리인 사이킷런(sklearn)을 사용하였고 알고리즘은 랜덤포레스트 회귀, 의사결정트리, KNN(K-Nearest Neighbor), rgboost을 적용하였다. 학습(train) 데이터는 입력자료 종류별로 조합하여 6개의 세트로 구분하여 모델을 구축하였고, 이를 적용해 검증(test) 데이터를 RMSE(Roog Mean Square Error)로 평가하였다. 그 결과 모델 및 입력 자료의 조합에 따라 3.67~171.46로 다소 넓은 범위의 값이 도출되었다. 그 중 가장 우수한 유형은 수위, 연도, 수면폭 3개의 입력자료를 조합하여 랜덤포레스트 회귀 모델에 적용한 경우이다. 비교를 위해 동일한 검증 데이터를 한국수문조사연보(2018년) 내거운교 지점의 수위별 수위-유량 곡선식을 이용해 유량을 추정한 결과 RMSE가 3.76이 산출되어, 머신러닝이 세분화된 수위-유량 곡선식과 비슷한 수준까지 성능을 내는 것으로 확인되었다. 본 연구는 양질의 유량자료 생산을 위해 기 구축된 수문자료를 기반으로 머신러닝 기법의 적용 가능성을 검토한 기초 연구로써, 국내 효율적인 수문자료 측정 및 수위-유량 곡선 산출에 도움이 될 수 있을 것으로 판단된다. 향후 수자원 환경 및 통제특성에 영향을 미치는 다양한 영향변수를 파악하기 위해 기상자료, 취수량 등의 입력 자료를 적용할 필요가 있으며, 머신러닝 내 비지도학습인 딥러닝과 같은 보다 정교한 모델에 대한 추가적인 연구도 수행되어야 할 것이다.