• Journal of KIISE:Software and Applications
• /
• v.37 no.4
• /
• pp.252-263
• /
• 2010

The needs of low-power embedded software are being increased. Along with the needs, the studies to predict the power consumption of embedded software are also being increased. Although existing studies for power analysis have been performed in source code-based, these code-based analysis have some shortages of long analysis time and much feedback efforts. Recently some studies of power analysis based on software models are prompted. This paper describes on the model-based approach using UML diagrams in embedded software development process. Specially we focus on the extension of OMG's MARTE Profile to support model-based analysis. The MARTE extension gives the possibility of power analysis using just UML diagrams without any other analysis model in embedded software development.

• Tunnel and Underground Space
• /
• v.14 no.5
• /
• pp.353-362
• /
• 2004

Prediction of fragmentation in bench blasting is one of the most important factors to establish the production plan. It is widely accepted that fragmentation could be accurately predicted using the Kuz-Ram model in bench blasting. Nevertheless, the model has an ambiguous or subjective aspect in evaluating the model parameters such as joint condition, rock strength, density, burden, explosive strength and spacing. This study proposes a new method to evaluate the parameters of Kuz-Ram model, and the predicted mean fragment sizes using the proposed method are examined by comparing the measured sizes in the field. The results show that the predictions using Kuz-Ram model with the proposed method coincide with field measurements, but Kuz-Ram model does not reflect the in-situ rock condition and hence needs to be improved.

• The Transactions of the Korea Information Processing Society
• /
• v.3 no.6
• /
• pp.1453-1467
• /
• 1996

A software development process is regarded as the process of building a series of various models. But developers had no method to verify these models which created subjectively. This paper has adopted initiative of verification tools to an early phase of analysis, whereas the existing verification tools have been used for implementations. This paper has defined a constraint language that expresses disciplines suggested in the system has been built upon the constraint language, which is proven to enhance the quality and consistency of models constructed by object model editor.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06b
• /
• pp.117-122
• /
• 2007

오늘날 소프트웨어의 설계 및 개발과 관련된 연구들은 많은 발전을 이루고, UML과 같은 의사소통을 위한 표준 언어가 만들어졌으며 많은 사람들이 관련 이론을 수용 및 활용하고 있다. 또한, 개발 프로세스에서의 설계 및 구현과 더불어 소프트웨어의 유지 보수 단계는 매우 중요하며 이러한 소프트웨어의 유지 보수를 위한 소프트웨어 검증에 관련된 연구는 근래에 많은 주목을 받고 있다. 하지만 소프트웨어 검증의 기술 개발 수준은 설계 및 개발에 비하여 많이 미흡한 실정이다. 소프트웨어 검증은 주로 검증하기 위한 입력 데이터를 산출하여 프로그램 실행을 통해 결과를 확인하는 동적 분석에 대한 연구가 주를 이룬다. 이러한 동적 분석은 원하는 산출물의 확인을 주목적으로 하며, 결과를 표현하는 데에는 따로 정형화된 형식이 필요 없다. 하지만 소스코드를 분석하여 소프트웨어의 구조 관계와 흐름을 파악하는 정적 분석은 분석 자료를 표현하는 표현 모델이 중요하다. 현재는 정적 분석의 결과를 표현하기 위한 공통의 표현 모델이 없기 때문에 검증 과정에서의 의사소통에서 의견의 불일치의 가능성이 있고, 설계 단계에서 사용되는 표현 모델로는 정적 분석 정보의 모든 내용을 표현하는데 한계가 있다. 따라서 본 논문에서는 소프트웨어의 정적 분석 과정을 분석 4계층으로 구분하고, 각 계층마다 분석 결과를 나타내기 위한 표현 모델을 제시한다. 그리고 이 표현 모델을 활용한 소프트웨어 분석 도구의 개발을 위해, 소스 분석 데이터를 가시적으로 표현하기 위한 자료구조의 설계에 대한 내용을 다룬다.

• Journal of the Korean Society of Radiology
• /
• v.81 no.6
• /
• pp.1274-1289
• /
• 2020

Deep learning has recently become one of the most actively researched technologies in the field of medical imaging. The availability of sufficient data and the latest advances in algorithms are important factors that influence the development of deep learning models. However, several other factors should be considered in developing an optimal generalized deep learning model. All the steps, including data collection, labeling, and pre-processing and model training, validation, and complexity can affect the performance of deep learning models. Therefore, appropriate optimization methods should be considered for each step during the development of a deep learning model. In this review, we discuss the important factors to be considered for the optimal development of deep learning models.

• The Journal of the Korea Contents Association
• /
• v.15 no.10
• /
• pp.561-569
• /
• 2015

Many start-ups have many realistic hardships in getting management diagnosis about whether their business model are properly going. For this reason, there is the need for an easy and simple method that makes it possible to conduct a strategic management through the analysis and management diagnosis of the business model. The Business Model Canvas(BMC) has been popularized as a tool to help entrepreneurs describe, design, challenge, invent and pivot their business model. This model gives a framework to describe the most important building blocks(9 blocks) of existing business. Entrepreneurs can make their own business analyses and craft their own solutions through using this model. In this study, we conducted consulting by using the BMC on the NARUATO which is a small start-up in the healthy food industry. This case study can use as a learning material for entrepreneurship education.

• Journal of Korean Society for Geospatial Information Science
• /
• v.15 no.2 s.40
• /
• pp.3-14
• /
• 2007

This study proposes an automatic method to generate 3D building models using a draft map, which is an intermediate product generated during the map generation process based on aerial photos. The proposed method is to generate a terrain model, roof models, and wall models sequentially from the limited 3D information extracted from an existing draft map. Based on the planar fitting error of the roof corner points, the roof model is generated as a single planar facet or a multiple planar structure. The first type is derived using a robust estimation method while the second type is constructed through segmentation and merging based on a triangular irregular network. Each edge of this roof model is then projected to the terrain model to create a wall facet. The experimental results from its application to real data indicates that the building models of various shapes in wide areas are successfully generated. The proposed method is evaluated to be an cost and time effective method since it utilizes the existing data.

• The KIPS Transactions:PartD
• /
• v.15D no.1
• /
• pp.99-106
• /
• 2008

Recently developed compilers perform some optimizations in order to speed up the execution time of source program. These optimizations require the reordering of the sequence of program statements. This reordering does not give any problems in a single-threaded program. However, the reordering gives some significant errors in a multi-threaded program. State-of-the-art model checkers such as JavaPathfinder do not consider the reordering resulted in the optimization step in a compiler since they just consider a single memory model. In this paper, we develop a new verification tool to verify Java source program based on Java Memory Model. And our tool is capable of handling the reordering in verifying Java programs. As a result, our tool finds an error in the test program which is not revealed with the traditional model checker JavaPathFinder.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.133-133
• /
• 2023

풍화작용에 의해 생성된 유사는 자연 매체에 의해 이동하고 하천에 도달하기 이전이나 이후 퇴적되며, 해당 과정 중에서 하상변동, 홍수위 상승, 제방 안정성, 두부 침식, 생태환경 변화, 수질문제 등 다양한 침식과 퇴적 관련 문제들이 발생한다. 이러한 유사 문제의 해결과 지속적인 하천관리를 위해서는 유사의 생성, 이송, 그리고 퇴적 과정에 대한 충분한 이해와 정량적인 유사량을 파악하는 것이 필수적이다. 다양한 연구들을 통해서 유사량을 정량적으로 파악하기 위해 여러 종류의 모델과 공식들이 제안 되어져 왔다. 그 중 경험적 모델의 경우 실제로 관측된 값을 기반으로 하며, 복잡한 계산이나 요구하는 자료가 다른 종류의 모델들 보다 적어 쉽게 접근이 가능하다. 이러한 경험적 모델은 유사에 영향을 주는 인자를 규명하거나 특정 유역이나 지역에서 이송 및 퇴적 되는 유사의 출처와 특성을 규명하는 초기 단계에서 유용하게 이용된다. 국내 하천의 경우 여름에 강우가 집중되고 대부분의 국토가 산지로 이루어져있어 상류에서 침식이 주로 발생한다. 또한, 본류 및 하류 지역의 하천은 유사의 퇴적이 주로 일어나서 하천의 형태와 물길이 형성된 충적 하천 형태로 발전 되어있기 때문에 국내 하천에서는 전반적으로 국부적이며 다양한 형태의 유사 관련 문제가 발생한다. 국내 하천에서 발생하는 유사 관련 문제를 해결하기 위해 국내 하천의 유사량을 추정하는 다양한 경험적 모델들이 지속적으로 개발되어왔다. 하지만 과거에 개발된 모델들의 경우 계측 자료가 충분하지 않은 시기에 개발 되었으며, 현재에는 활용하기 불가능하다. 본 연구에서는 국내 하천의 비유사량을 예측하는 동시에 국내 하천의 유사 특성을 이해하기 위해 과거에 국내 하천을 대상으로 비유사량을 추정하기 위해 개발되었던 경험적 모델을 개선하였다. 본 연구를 통해 기존 경험 모델의 경우 주기적인 업데이트가 필요함을 확인하였으며, 개발된 모델의 경우 국내 하천 유사 관리를 위해 미래 유사량 예측하는 등 다양한 방면으로 활용 관리가 가능할 것으로 보인다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.