• 정보과학회 논문지
• /
• 제42권11호
• /
• pp.1441-1451
• /
• 2015

최근 가장 주목받고 있는 연구 분야 중 하나인 사물인터넷(Internet of Things, IoT)은 네트워크에 연결된 매우 많은 디바이스를 통해 사용자에게 다양한 서비스를 제공하는 것을 목표로 한다. IoT 환경에서 IoT 디바이스는 매우 많은 개수가 사용되는데 각 IoT 디바이스에 대한 DNS(Domain Name System) 네임을 일일이 수동으로 설정하는 것은 비효율적이다. 따라서 본 논문에서는 IPv6 기반의 IoT 환경에서 IoT 디바이스의 DNS 네임을 자동으로 생성하고 관리하는 DNS Name Autoconfiguration(DNSNA)이라는 기법을 제안한다. DNS 네임을 생성 및 등록하는 과정에서 Internet Engineering Task Force(IETF)에서 재정된 표준 프로토콜을 이용한다. 본 기법은 유니캐스트로 DNS 서버를 통해 IoT 디바이스의 DNS 네임을 IPv6 주소로 레졸루션(Resolution)하기 때문에 멀티링크 네트워크 환경에서는 기존의 멀티캐스트 기반의 mDNS(Multicast DNS) 기법보다 트래픽을 적게 발생시킨다. 따라서 본 기법은 멀티홉으로 구성된 IoT 네트워크에서 mDNS 보다 더 적합하다. 본 논문은 제안한 기법의 디자인과 스마트 홈과 스마트 로드에서의 서비스 시나리오를 설명한다. 또한 본 논문은 스마트 그리드 환경에서 구현 및 테스트에 대하여 설명한다.

• 디지털융복합연구
• /
• 제15권5호
• /
• pp.129-138
• /
• 2017

본 연구는 사물인터넷과 스마트홈 시대의 도래를 맞아 에너지 기업과 소비자 간 실시간 의사소통 도구로 기대되고 있는 스마트 기기개발을 위해 소비자의 효율적 에너지 소비를 유도하는 데 효과적인 정보는 무엇인지 알아보고자 했다. 총 105명의 미국 성인들을 대상으로 에너지 소비 수준에 따라(평균 초과 혹은 미달) 그리고 추가적인 정보의 프레임에 따라 (경제/안보/환경/건강) 총 8가지 버전의 설문을 진행한 결과, 에너지 미달조건의 소비자들이 초과조건 소비자에 비해 환경문제를 더 걱정하는 것으로 나타났다. 초과조건에서는 경제 프레임 추가정보를 받은 소비자들이 다른 프레임의 정보를 받은 소비자들에 비해 에너지 절약 행동을 실행할 의사가 가장 낮은 것으로 나타났고, 미달조건에서는 경제와 안보 프레임정보를 받은 사람들이 지구온난화에 대해 더 우려하는 것으로 나타났다. 결론적으로 소비자의 에너지 소비량에 맞춰 관련정보를 어떤 콘텐츠로 제공하느냐에 따라 소비자의 에너지 절약 의사와 환경문제에 대한 관심도가 달라질 수 있음이 밝혀졌다. 본 연구결과는 에너지 소비 관련 스마트기기 개발에 있어 전문가들이 참고할만한 기초 자료로 활용될 수 있을 것으로 기대되며 더 나아가 한국 소비자들을 대상으로 에너지 소비에 대한 문화차를 탐색하는 후속연구가 필요할 것으로 보인다.

• 한국융합학회논문지
• /
• 제12권6호
• /
• pp.9-16
• /
• 2021

과거 주가 데이터와 금융 관련 빅 데이터를 사용해 머신러닝 기법으로 주식시장을 예측하는 연구는 다양하게 있어 왔지만, HTS와 MTS를 통해 거래가 가능한 주가지수 연동 ETF가 생기면서 주가지수를 예측하는 연구가 최근 주목받고 있다. 본 논문에서는 KOSPI 연동 ETF를 거래할 목적으로 KOSPI의 상승 예측을 위한 머신러닝 모델과 하락예측을 위한 모델을 각각 구현한다. 이들 모델은 매개변수의 그리드 탐색을 통해 최적화 된다. 또한 정밀도를 개선해 ETF 거래 수익률을 높일 수 있도록 개별 모델들을 조합한 하이브리드 머신러닝 모델을 제안한다. 예측 모델의 성능은 정확도와 ETF 거래 수익률에 큰 영향을 미치는 정밀도로 평가된다. 하이브리드 상승 예측 모델의 정확도와 정밀도는 72.1 %와 63.8 %이고 하락 예측 모델은 79.8 %와 64.3 %이다. 하이브리드 하락 예측 모델에서 정밀도는 개별 모델보다 최소 14.3 %, 최대 20.5 % 개선되었다. 테스트 기간에 하이브리드 모델은 하락에서 10.49 %, 상승에서 25.91 %의 ETF 거래 수익률을 보였다. 인버스×2와 레버리지 ETF로 거래하면 수익률을 1.5 ~ 2배로 높일 수 있다. 하락예측 머신러닝 모델에 대한 추가 연구로 수익률을 더 높일 수 있을 것으로 기대한다.

• 한국항해항만학회지
• /
• 제46권4호
• /
• pp.367-374
• /
• 2022

본 연구는 자율운항 선박의 연료 계통 펌프와 청정기를 대상으로 고장을 진단 사례를 제시하였다. 계측된 신호의 시간종속성을 반영한 심층학습(Deep learning) 알고리즘 적용 절차를 구성하고, 장비의 정상 운전상태와 고장 상태에서 계측한 진동 신호를 고장 패턴 학습에 사용하였다. 특히, 진동 신호에 내포된 열화의 시간 종속성을 반영할 수 있는 방법을 찾고자 하였으며, 슬라이딩 윈도우 연산 과정을 가진 Conv1D를 이용하여고장의 시간 종속성을 반영하였다. 또한 계측된 신호의 차수를 2차원에서 3차원으로 확장하여 시간 영역의 특징을 반영할 수 있는 데이터 전처리과정을 고안하였다. Conv1D 알고리즘의 적층과 변수를 결정하는 과정에서 그리드 탐색 기법을 사용하여 초매개변수의 최적 값을 결정하였다. 마지막으로 제안한 데이터 전처리 방법과 시계열 데이터의 시간 종속성을 반영한 Conv1D 모델이 이상 감지 및 고장 진단에 타당성이 있음을 확인하였다.