• 제목/요약/키워드: 경량화

검색결과 2,146건 처리시간 0.035초

모바일 GIS를 위한 벡터 데이터 경량화 기법 (The Optimization of Vector Data for Mobile GIS)

  • 윤근정;김혜영;전철민
    • Spatial Information Research
    • /
    • 제16권2호
    • /
    • pp.207-218
    • /
    • 2008
  • 기존의 유선 환경기반의 GIS 솔루션으로 무선 환경에서 서비스를 하기에는 제한된 통신 속도, 처리 속도, 화면 사이즈 등의 한계점이 존재한다. 본 연구에서는 이러한 제한된 특성들을 극복하기 위하여 모바일 환경에서의 벡터 데이터의 경량화 기법에 대하여 네 가지 단계로 제시하였다. 본 논문에서 제시한 방법을 검증하기 위하여 강남구 지역을 대상으로 실험을 실시하였다. 기존의 유선 환경에서 구축되어진 GIS 엔진과 본 논문에서 제시한 방법을 적용한 경량화된 GIS 엔진을 동일한 환경에서 성능 평가를 실시하였고 이에 따라 응답 데이터 크기, 초당 요청 처리 개수, 평균 요청 처리 시간을 비교 분석하였다. 그 결과 경량화가 적용된 GIS 엔진이 기존의 엔진과 비교하여 상당한 성능향상이 있었다는 것을 입증하였다.

  • PDF

철도차량 경량화를 위한 효과도 평가 기법에 관한 연구 (A Study on Evaluating System Performance for Light-Weight Rolling Stock)

  • 김희욱;김종운;정현승;박광복
    • 한국철도학회논문집
    • /
    • 제14권6호
    • /
    • pp.489-494
    • /
    • 2011
  • 본 논문에서는 철도차량 전문가 집단으로부터 주어진 다수의 철도차량 경량화 설계대안의 효과도를 평가하고 최적 대안을 제시하는 기법을 제안한다. 먼저 철도차량 경량화에 대한 다양한 분야에서 고객의 요구사항을 파악하고 AHP를 이용하여 가중치를 산출한다. 그리고 차량 제작을 위한 실질적인 설계사양인 기술적 특성을 도출하고 QFD를 이용하여 각 특성에 대한 가중치를 산정한다. 마지막으로 제시된 다양한 경량화 철도차량의 대안은 TOPSIS를 이용하여 평가하고 최적의 대안을 결정한다.

저성능 자원에서 멀티 에이전트 운영을 위한 의도 분류 모델 경량화 (Compressing intent classification model for multi-agent in low-resource devices)

  • 윤용선;강진범
    • 지능정보연구
    • /
    • 제28권3호
    • /
    • pp.45-55
    • /
    • 2022
  • 최근 자연어 처리 분야에서 대규모 사전학습 언어모델(Large-scale pretrained language model, LPLM)이 발전함에 따라 이를 미세조정(Fine-tuning)한 의도 분류 모델의 성능도 개선되었다. 하지만 실시간 응답을 요하는 대화 시스템에서 대규모 모델을 미세조정하는 방법은 많은 운영 비용을 필요로 한다. 이를 해결하기 위해 본 연구는 저성능 자원에서도 멀티에이전트 운영이 가능한 의도 분류 모델 경량화 방법을 제안한다. 제안 방법은 경량화된 문장 인코더를 학습하는 과제 독립적(Task-agnostic) 단계와 경량화된 문장 인코더에 어답터(Adapter)를 부착하여 의도 분류 모델을 학습하는 과제 특화적(Task-specific) 단계로 구성된다. 다양한 도메인의 의도 분류 데이터셋으로 진행한 실험을 통해 제안 방법의 효과성을 입증하였다.

주파수 영역에서의 군집화 기반 계층별 딥 뉴럴 네트워크 압축 (Deep Neural Network compression based on clustering of per layer in frequency domain)

  • 홍민수;김성제;정진우
    • 한국방송∙미디어공학회:학술대회논문집
    • /
    • 한국방송∙미디어공학회 2020년도 추계학술대회
    • /
    • 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.

  • PDF

단순 보 모델을 이용한 차량 차체의 강도해석 기술 (Strength Prediction of Vehicle Body Using Simple FE Model)

  • 강성종
    • 기계저널
    • /
    • 제35권8호
    • /
    • 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.

  • PDF

타이타늄 합금의 군사적 응용

  • 허선무;심인옥;천창환
    • 국방과기술
    • /
    • 4호통권242호
    • /
    • 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

  • PDF

철도차량 보조전원장치의 경량화에 관한 연구 (Study on the Weight Reduction of Auxiliary Power Supply System for Electric Railway Vehicles)

  • 신희근;조주현;신헌철;김주범;조정민;백승길;이경복
    • 전력전자학회:학술대회논문집
    • /
    • 전력전자학회 2012년도 전력전자학술대회 논문집
    • /
    • 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.

  • PDF

Wanda Pruning에 기반한 한국어 언어 모델 경량화 (Wanda Pruning for Lightweighting Korean Language Model)

  • 윤준호;서대룡;전동현;강인호;나승훈
    • 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
    • /
    • 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
    • /
    • 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.

  • PDF

생성적 적대 신경망 기반의 딥 러닝 비디오 초 해상화 모델 경량화 및 최적화 기법 연구 (A Study on Lightweight and Optimizing with Generative Adversarial Network Based Video Super-resolution Model)

  • 김동휘;이수진;박상효
    • 한국방송∙미디어공학회:학술대회논문집
    • /
    • 한국방송∙미디어공학회 2022년도 하계학술대회
    • /
    • 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.

  • PDF

증강현실 시각화를 위해 K-최근접 이웃을 사용한 BIM 메쉬 경량화 알고리즘 (BIM Mesh Optimization Algorithm Using K-Nearest Neighbors for Augmented Reality Visualization)

  • 빠 빠 윈 아웅;이동환;박주영;조민건;박승희
    • 대한토목학회논문집
    • /
    • 제42권2호
    • /
    • pp.249-256
    • /
    • 2022
  • 최근 BIM (Building Information Modeling)과 AR (Augmented Reality)을 결합한 실시간 시각화 기술이 건설관리 의사 결정 및 처리 효율성을 높이는 데 도움이 된다는 것을 보여주기 위한 다양한 연구가 활발히 진행되고 있다. 그러나, 대용량 BIM 데이터는 AR에 적용할 경우 데이터 전송 문제, 이미지 단절, 영상 끊김 등과 같은 다양한 문제가 발생함으로 3차원(3D) 모델의 메쉬 최적화를 통해 시각화의 효율성을 향상시켜야 한다. 대부분의 기존 메쉬 경량화 방법은 복잡하고 경계가 많은 3D 모델의 메쉬를 적절하게 처리할 수 없다. 이에 본 연구에서는 고성능 AR 시각화를 위해 BIM 데이터를 재구성하기 위한 k-최근접이웃(KNN) 분류 프레임워크 기반 메쉬 경량화 알고리즘을 제안하였다. 제안 알고리즘은 선정된 BIM 모델을 삼각형 중심 개념 기반의 Unity C# 코드로 경량화하였고 모델의 데이터 세트를 활용하여 정점 사이의 거리를 정의할 수 있는 KNN로 분류되었다. 그 결과 전체 모델과 각 구조의 경량화 메쉬 점 및 삼각형 개수가 각각 약 56 % 및 약 42 % 감소됨을 확인할 수 있었다. 결과적으로, 원본 모델과 비교했을 때 경량화한 모델은 시각적인 요소 및 정보 손실이 없었고, 따라서, AR 기기 활용 시 고성능 시각화를 향상시킬 수 있을 것으로 기대된다.