• Spatial Information Research
• /
• v.16 no.2
• /
• pp.207-218
• /
• 2008

Providing services in a wireless environment with existing wired-based GIS solutions have many limitations such as slow communication, processing rates and screen size. This study suggested data optimization techniques in a mobile environment to overcome those limitations in four steps. In order to test the methods suggested in the study, experiments are conducted using Gangnam-gu as a test site. An existing GIS engine built in a wired environment was compared with the optimized GIS engine from the study in terms of performance in the same environment. They were also compared and analyzed in terms of response data size, number of requests processed per second, and average time to process a request. The results proved that the proposed engine shows significant improvements in performance compared with the wired GIS.

• Journal of the Korean Society for Railway
• /
• v.14 no.6
• /
• pp.489-494
• /
• 2011

In this paper, a method is proposed to evaluate a number of alternatives for light-weight rolling stock recommended from experts in rolling stock and to decide an optimal alternative. At first, many customer needs from various fields in railroad are drawn and weights of customer needs are decided by AHP. Secondly, technical requirements that should be real specifications for light-weight rolling stock are set and weights of technical requirements are decided by QFD. Finally, we evaluate some proposed alternatives and conclude an optimal alternative of light-weight rolling stock with TOPSIS.

• Journal of Intelligence and Information Systems
• /
• v.28 no.3
• /
• pp.45-55
• /
• 2022

Recently, large-scale language models (LPLM) have been shown state-of-the-art performances in various tasks of natural language processing including intent classification. However, fine-tuning LPLM requires much computational cost for training and inference which is not appropriate for dialog system. In this paper, we propose compressed intent classification model for multi-agent in low-resource like CPU. Our method consists of two stages. First, we trained sentence encoder from LPLM then compressed it through knowledge distillation. Second, we trained agent-specific adapter for intent classification. The results of three intent classification datasets show that our method achieved 98% of the accuracy of LPLM with only 21% size of it.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.64-67
• /
• 2020

최근 다양한 분야에서 딥 러닝 기반의 많은 연구가 진행되고 있으며 이에 따라 딥 러닝 모델의 경량화를 통해 제한된 메모리를 가진 하드웨어에 올릴 수 있는 경량화 된 딥 뉴럴 네트워크(DNN)를 개발하는 연구도 활발해졌다. 이에 본 논문은 주파수 영역에서의 군집화 기반 계층별 딥 뉴럴 네트워크 압축을 제안한다. 이산 코사인 변환, 양자화, 군집화, 적응적 엔트로피 코딩 과정을 각 모델의 계층에 순차적으로 적용하여 DNN이 차지하는 메모리를 줄인다. 제안한 알고리즘을 통해 VGG16을 손실률은 1% 미만의 손실에서 전체 가중치를 3.98%까지 압축, 약 25배가량 경량화 할 수 있었다.

• Journal of the KSME
• /
• v.35 no.8
• /
• pp.709-715
• /
• 1995

날로 그 중요성이 대두되고 있는 환경보존 문제에 능동적으로 대응하고 여러 계층 소비자의 안 전도, 쾌적성 등에 관련된 요구, 성능의 수준향상에 효과적으로 대처하기 위해서는 차량의 경량화 기술이 가장 먼저 선행되어야 할 과제이다. 경량화를 추구하는 방법은 최적설계 개념을 이용한 구조합리화에 의한 방법과 알루미늄, 강화 플라스틱 등 신소재 대체에 의한 방법이 병행 연구 되고 있다. 이 글에서는 구조합리화를 통한 경량화 목표를 달성하기 위해 설계 초기 단계에 활용 가능한 단순 보 모델 개발의 필요성에 관해 언급하고 실차의 도어 측면 붕괴강도(door side intrusion strength), 루프 붕괴강도 (roof crush strength) 해석을 위한 단순 보 모델 개발에 관해 소개하고자 한다.

• Defense and Technology
• /
• no.4 s.242
• /
• pp.54-61
• /
• 1999

설계자에게는 타이타늄 합금과 PMCS 모두 경량화 수단을 제공하지만 타이타늄쪽의 가격이 더 효과적이며 획득 절차가 더 완전하게 개발되어 있다. 지난 수년동안 전투차량에서의 타이타늄 사용이 증가했으며 이와 같은 추세는 계속되리라는 전망이다. 모든 지상용 차량 특히 M1 에이브람스 주력전차의 중량을 경량화 시키려는 끊임 없는 긴박한 소요가 있어 왔다. 타이타늄 합금은 앞에서 언급한 것처럼 특성의 고유한 조합 때문에 생존성을 유지시키면서 충분한 경량화를 달성할 수 있는 가장 경쟁력 있는 비용을 제공한다

• Proceedings of the KIPE Conference
• /
• 2012.07a
• /
• pp.174-175
• /
• 2012

철도 분야에서도 환경 보호 및 에너지 절감을 위한 경량화 연구가 활발히 진행 되고 있다. 본 논문에서는 철도차량의 보조전원장치 경량화에 대해 설명 한다. 기존의 철도차량의 보조전원 장치는 내부 필터 리액터, 변압기 등이 중량의 상당한 부분을 차지 하고 있고, 이는 시스템 중량 저감을 위한 고민에서 가장 큰 위치를 차지 한다. 본 논문에서는 공진형 컨버터를 사용하고 스위칭 주파수를 높여 필터 리액터, 변압기 등을 경량화 하였다. 150kW급 시제품에 대한 모의해석과 실험을 통해 입증 하였다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.437-442
• /
• 2023

최근에 등장한 대규모 언어 모델은 다양한 언어 처리 작업에서 놀라운 성능을 발휘하고 있다. 그러나 이러한 모델의 크기와 복잡성 때문에 모델 경량화의 필요성이 대두되고 있다. Pruning은 이러한 경량화 전략 중 하나로, 모델의 가중치나 연결의 일부를 제거하여 크기를 줄이면서도 동시에 성능을 최적화하는 방법을 제시한다. 본 논문에서는 한국어 언어 모델인 Polyglot-Ko에 Wanda[1] 기법을 적용하여 Pruning 작업을 수행하였다. 그리고 이를 통해 가중치가 제거된 모델의 Perplexity, Zero-shot 성능, 그리고 Fine-tuning 후의 성능을 분석하였다. 실험 결과, Wanda-50%, 4:8 Sparsity 패턴, 2:4 Sparsity 패턴의 순서로 높은 성능을 나타냈으며, 특히 일부 조건에서는 기존의 Dense 모델보다 더 뛰어난 성능을 보였다. 이러한 결과는 오늘날 대규모 언어 모델 중심의 연구에서 Pruning 기법의 효과와 그 중요성을 재확인하는 계기가 되었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1226-1228
• /
• 2022

FHD 이상을 넘어선 UHD급의 고해상도 동영상 콘텐츠의 수요 및 공급이 증가함에 따라 전반적인 산업 영역에서 네트워크 자원을 효율적으로 이용하여 동영상 콘텐츠를 제공하는 데에 관심을 두게 되었다. 기존 방법을 통한 bi-cubic, bi-linear interpolation 등의 방법은 딥 러닝 기반의 모델에 비교적 인풋 이미지의 특징을 잘 잡아내지 못하는 결과를 나타내었다. 딥 러닝 기반의 초 해상화 기술의 경우 기존 방법과 비교 시 연산을 위해 더 많은 자원을 필요로 하므로, 이러한 사용 조건에 따라 본 논문은 초 해상화가 가능한 딥 러닝 모델을 경량화 기법을 사용하여 기존에 사용된 모델보다 비교적 적은 자원을 효율적으로 사용할 수 있도록 연구 개발하는 데 목적을 두었다. 연구방법으로는 structure pruning을 이용하여 모델 자체의 구조를 경량화 하였고, 학습을 진행해야 하는 파라미터를 줄여 하드웨어 자원을 줄이는 연구를 진행했다. 또한, Residual Network의 개수를 줄여가며 PSNR, LPIPS, tOF등의 결과를 비교했다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.42 no.2
• /
• pp.249-256
• /
• 2022

Various studies are being actively conducted to show that the real-time visualization technology that combines BIM (Building Information Modeling) and AR (Augmented Reality) helps to increase construction management decision-making and processing efficiency. However, when large-capacity BIM data is projected into AR, there are various limitations such as data transmission and connection problems and the image cut-off issue. To improve the high efficiency of visualizing, a mesh optimization algorithm based on the k-nearest neighbors (KNN) classification framework to reconstruct BIM data is proposed in place of existing mesh optimization methods that are complicated and cannot adequately handle meshes with numerous boundaries of the 3D models. In the proposed algorithm, our target BIM model is optimized with the Unity C# code based on triangle centroid concepts and classified using the KNN. As a result, the algorithm can check the number of mesh vertices and triangles before and after optimization of the entire model and each structure. In addition, it is able to optimize the mesh vertices of the original model by approximately 56 % and the triangles by about 42 %. Moreover, compared to the original model, the optimized model shows no visual differences in the model elements and information, meaning that high-performance visualization can be expected when using AR devices.