• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.231-234
• /
• 2002

본 논문에서는 홈 네트워크를 기반으로 한 지능형 홈 로봇의 구현에 대한 내용을 논의하였다. 기존의 로봇들은 대부분 독립적으로 동작하는 형태의 로봇이 주류를 이루었다. 현재 급속히 확산되고 있는 홈 네트워크는 가정 내 장치들이 정보를 주고받을 수 있는 통로의 역할을 할 수 있다. 이러한 로봇을 홈 네트워크 환경과 결합함으로 더욱 지능적이며, 다양한 기능을 구현 할 수 있다 홈 네트워크 환경에서는 로봇이 모든 일을 처리하던 방식에서 탈피하여, 네트워크를 이용한 작업의 분산이라는 이점을 얻을 수 있다. 뿐만 아니라, 계속적으로 추가되는 가정의 장치들이 네트워크에 연결됨으로 로봇은 이들 장치에 더욱 쉽게 접근할 수 있다. 향후에는 다양한 방식의 흠 네트워크를 기반으로 로봇이 행동하는 지능형 공간 (Smart Space)의 형태로 발전할 것으로 예상된다. 본 연구에서는 흠 서버, embedded robot,지능형 로봇으로 구성된 흠 네트워크 기반의 시스템을 제안하고 구현하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.370-373
• /
• 2005

홈 네트워크는 다양한 특성과 기능을 지닌 기기들로 구성된 전형적인 유비쿼터스 시스템이다. 그러나, 현재 홈 네트워크 환경에서 각 기기들은 대부분 독립적인 서비스를 제공하며, 기기들의 상호연동을 지원하는 지능적인 서비스는 미비하다. 이와 관련하여 본 논문에서는 사용자가 손쉽게 홈 네트워크 상의 다양한 기기들의 상태를 파악하고 상호 연동이 가능한 제어 기능을 제공하는 지능형 시스템을 제안하고자 한다. 본 논문에서 제안하는 시스템은 크게 각 기기들의 고유 정보, 응용 분야에 적합한 서비스를 제공하는 규칙 기반 엔진, 사용자 인터페이스 부분으로 구성되어 있다. 다양한 기기들의 복잡한 제어를 규칙 기반엔진이 담당함으로써 사용자는 단순한 명령만으로 정의된 규칙을 이용하여 홈 네트워크 기기들을 효율적으로 제어할 수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.277-278
• /
• 2021

본 논문에서는 멀티클러스터 기반 협업 엣지 네트워크 모델과 지능형 협업 엣지 자원 할당을 위한 정책 생성기 모델을 제안한다. 최근 K8s 기반 클러스터 엣지 시스템 개발이 활발히 진행 중이다. 본 논문에서는 이런 클러스터 기반 엣지 시스템을 네트워크를 통해 멀티클러스터 기반 엣지 시스템으로 구성하는 모델을 제시하고 이 네트워크 모델에서 협업으로 엣지 자원을 할당 할 수 있는 지능형 자원 할당 정책 생성기 구조 및 방법 등을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.615-617
• /
• 2022

본 논문에서는 얼굴사진 기반 감정인식 심층망, 음성사운드를 기반한 감정인식 심층망을 결합한 앙상블 네트워크 구축을 위한 사전연구로서 얼굴사진 기반 감정을 인식하는 기존 딥뉴럴 네트워크 모델들을 입력 데이터 처리 방법에 따라 분류하고, 각 방법의 특성을 분석한다. 또한, 얼굴사진 외관 특성을 기반한 감정인식 네트워크를 여러 구조로 구성하고, 구성된 방법의 성능을 비교하여, 우수 성능을 보이는 네트워크를 선정하여 추후 앙상블 네트워크의 구성 네트워크로 사용하고자 한다.

• Information and Communications Magazine
• /
• v.27 no.7
• /
• pp.29-35
• /
• 2010

도로상의 이동 중의 차량 등으로 구성된 차량간 애드혹 네트워크는 과거에는 볼 수 없었던 수준으로 인간과 주변 환경과의 소통을 가능케 해 줄 미래 사물지능통신(M2M: Machine-to-Machine)의 한 축으로써 많은 역할을 수행할 것으로 예상되고 가까운 미래에 현실화될 사물지능통신의 한예로서 많은 관심을 받고 있다. 도심 전역에 산재하는 무수한 차량들을 연결하여 다양한 서비스의 제공이 가능한 새로운 광대역 기간망등으로 활용될 수 있을 뿐 아니라 각기 차량에 설치된 센서들이 기존의 시스템으로는 채집 불가능했던 다양한 자료의 수집을 가능하게 하여 인간의 주변 환경에 대한 이해를 높이는데 도움을 줄 것이다. 차량간 애드혹 네트워크는 위상 변화가 매우 심하고 구성원이 무수한 대규모 네트워크라는 특성이 있어 기존의 네트워크에서 볼 수 없었던 이동성 기반 정보 확산 (mobility-assisted data dissemination) 기법 등 새로운 형태의 정보 전송 기법들이 활용될 것이다. 본고에서는 향후 차량간 애드혹 네트워크등의 사물지능통신의 기반 기술이 될 이동성 기반 정보 확산 기법에 대하여 소개하고 어떻게 차량간 애드혹 네트워크에서 활용되어 여러 서비스들의 구현이 가능한지 전자상거래 서비스들을 중심으로 설명한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.303-306
• /
• 2004

기존의 퍼지 규칙에 기반을 둔 퍼지 다항식 뉴론(FPN)들로 구성된 SOFPNN은 데이터 수가 적고 비선형 요소가 많은 시스템에 대한 체계적이고 효율적인 최적 모델 을 구축할 수 있었으며 각 층 노드의 선택 입력을 변화시킴으로써 네트워크 구조 전체의 적응능력을 향상 시켰다. 유전자 알고리즘을 이용하여 자기구성 퍼지 다항식 뉴럴 네트워크의 입력변수의 수와 이에 해당되는 입력변수 그리고 규칙 후반부 다항식의 차수를 탐색하여 최적 의 자기구성 퍼지 다항식 뉴럴 네트워크를 구축한다. 그러나, SOFPNN의 기본 뉴론인 퍼지 규칙 기반 다항식 뉴론의 경우 입력변수가 많아질수록 규칙수가 기하급수적으로 증가한다는 단점을 가지고 있으나 본 노문에서 제안한 퍼지 집합 기반 다항식 뉴론(FSPN)의 규칙수는 입력 변수들이 서로 독립적이므로 규칙의 증가가 퍼지 규칙 기반 다항식 뉴런보다는 적다는 장점을 가지고 있다. 이러한 특성을 기반으로 기존의 SOFPNN의 노드에 퍼지 규칙 기반 다항식 뉴런 대신에 퍼지 집합 기반 다항식 뉴런을 적용한 SOFPNN을 제안하여 기존의 SOFPNN과 성능을 비교하였다. 최적의 자기 구성 퍼지 집합기반 다항식 뉴럴 네트워크를 구축하기 위하여 SOFPNN에서처럼 유전자 알고리즘을 이용하여 네트워크의 입력변수의 수와 이에 해당되는 입력변수 그리고 규칙 후반부 다항식의 차수를 탐색하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2011.05a
• /
• pp.184-186
• /
• 2011

최근 사물지능통신에 대한 연구가 활발히 진행 중이다. 사물지능통신은 인간의 개입 없이 네트워크를 통해 사물 또는 기기들 사이에서 데이터를 주고 받는 통신으로 정의하고 있다. 사물지능통신을 위한 네트워크 인프라 기술에 대한 논의가 3GPP, ISO, IETF 등에서 활발히 논의 중이다. 더불어 사물지능통신의 응용에 따라서 기반 인프라가 결정될 것으로 보고 있다. 특히 3GPP에서는 LTE 네트워크 기반의 Machine Type Communications 기술 표준 기술이 논의 중이다. 본 논문에서는 사물지능 통신에 사용될 인프라 기술에 대해서 장단점을 정의하고 기존 인프라 기반에서 Machine Type Communications 서비스를 제공할 시 발생할 수 있는 혼잡 상황을 정의하고 이를 해결하기 위한 혼잡 제어 기술을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.95-98
• /
• 2021

최근 비정상적인 네트워크 활동 감지 및 네트워크 서비스 프로비저닝과 같은 다양한 분야에서 응용되는 네트워크 트래픽 예측 기술이 네트워크 통신 문제에 의한 트래픽의 결측 및 네트워크 유저의 불규칙한 활동에 의한 비선형 특성 때문에 발생하는 성능 저하를 극복하기 위해 딥러닝 신경망에 대한 연구가 활성화되고 있다. 이 딥러닝 신경망 중 시계열 딥러닝 신경망은 단기 네트워크 트래픽 볼륨을 예측할 때 낮은 오류율을 보인다. 하지만, 시계열 딥러닝 신경망은 기울기 소멸 및 폭발과 같은 비선형성, 다중 계절성 및 장기적 의존성 문제와 같은 한계를 보여준다. 이 논문에서는 계절성 임베딩을 고려한 주의 신경망 기반 트래픽 예측 기법을 제안한다. 제안하는 기법은 STL 분해 기법을 통해 분해된 트래픽 트랜드, 계절성, 잔차를 이용하여 일별 및 주별 계절성을 임베딩하고 이를 주의 신경망을 기반으로 향후 트래픽을 예측한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.305-308
• /
• 2005

시각 센서를 이용한 환경 및 상황 인식은 로봇의 자동화된 행동을 위해서 매우 중요하다. 실제 환경에서 사람은 주위를 인식할 때 여러 단계의 인식과정을 거친다. 효율적이고 정확한 환경 인식을 위해서는 지능형 로봇의 인식 또한 사람의 인식과정과 같이 다단계로 이루어져야 한다. 또한 실제 환경은 유동적이며 많은 불확실성을 가지고 있으므로 불확실한 상황에 강인한 인식 방법이 필요하다. 이러한 불확실성을 내포한 환경 및 상황 인식에는 베이지안 네트워크를 이용한 인식이 강인하나 복잡한 환경을 하나의 베이지안 네트워크로 인식하는 것은 어렵다. 이 논문에서는 복잡하고 불확실한 환경 인식을 위한 여러 베이지안 네트워크를 사람의 인식과 같은 다단계의 인식 과정으로 구성된 행동 네트워크 기반으로 결합하는 앙상블 기법을 제안한다. 불확실한 상황을 적용한 환경 실험과 로봇 시뮬레이터를 이용한 로봇 실험으로 베이지안 네트워크 앙상블 기법이 환경 인식에 효과적인 것을 확인할 수 있었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.434-437
• /
• 2004

본 논문에서는 유전자 알고리즘에 기반을 둔 자기구성 다항식 뉴럴네트워크(Self-Organizing Polynomial Neural Networks： SOPNN)의 새로운 구조를 제안하고, 포괄적인 설계 방법론을 토의한다. 기존의 자기구성 다항식 뉴럴 네트워크는 확장된 GMDH 방법에 기반을 두며, 네트워크의 성장과정을 통하여 각 충의 다항식 뉴런에서 고정된 노드 입력들의 수 뿐만 아니라 다항식 차수(1차, 2차, 그리고 수정된 2차식)를 이용하였다. 더구나, 그 방법은 학습을 통해 생성된 SOPNN이 최적 네트워크 구조를 가진다는 것을 보증하지 못한다. 그러나, 제안된 GA 기반 SOPNN은 그 구조를 구조적으로 더 최적화된 네트워크가 되도록 하고, 기존의 SOPNN보다 훨씬 더 유연하고, 선호된 뉴럴 네트워크가 되도록 한다. 구조적으로 더 최적화된 SOPNN을 생성하기 위해, SOPNN의 각 단계에서의 GA기반 설계 절차는 SOPNN내에서 이용할 수 있는 다음의 최적 파라미터들- 즉 입력변수의 수, 입력변수, 및 다항식 차수-을 가진 선호된 노드들의 선택으로 이끈다. 하중계수를 가진 합성성능지수가 그 모델의 근사화 및 일반화(예측) 능력 사이의 상호 균형을 얻기 위해 제안된다. 상세 설계 절차가 상세히 토의된다.