• 정보과학회 논문지
• /
• 제42권3호
• /
• pp.307-319
• /
• 2015

현재 대용량 온톨로지를 추론하기 위해 하둡 기반의 분산 클러스터 환경을 구축한 후, 맵-리듀스 알고리즘을 기반으로 추론을 수행하는 방식이 활발히 연구되고 있다. 그러나 본 논문에서는 분산 클러스터의 메모리 환경에서 대용량 OWL Horst Lite 온톨로지 추론을 위한 기법을 제안한다. 대용량 온톨로지 추론에 사용되는 규칙 기반 추론 방식은 데이터가 더 이상 추론 되지 않을 때까지 트리플 형식으로 표현된 온톨로지에 추론 규칙을 반복적으로 수행한다. 따라서 컴퓨터 디스크에 적재된 대용량의 온톨로지를 대상으로 추론을 수행하면 추론 시스템의 성능이 상당히 저하된다. 이러한 단점을 극복하기 위해서 본 논문에서는 메모리 기반의 분산 클러스터 프레임워크인 Spark를 기반으로 온톨로지를 메모리에 적재한 후, 추론을 수행하는 기법을 제안한다. Spark에 적합한 OWL Horst Lite 온톨로지 추론 시스템을 구현하기 위해서 대용량 온톨로지를 적절한 크기의 블록으로 분할한 후, 각각의 블록을 분산 클러스터를 구성하는 각 노드의 메모리에 분산 적재하여 작업을 수행하는 방법론을 제안하였다. 제안하는 기법의 효율성을 검증하기 위해, 온톨로지 추론과 검색 속도를 평가하는 공식 데이터인 LUBM을 대상으로 실험하였다. 대표적인 맵-리듀스 기반 온톨로지 추론 엔진인 WebPIE와 비교 실험한 결과, LUBM8000(11억개 트리플, 155GB)에 대해서 WebPIE의 추론 처리량이 19k/초보다 3.2배 개선된 62k/초의 성능 향상이 있었다.

• 한국정보전자통신기술학회논문지
• /
• 제9권6호
• /
• pp.609-616
• /
• 2016

본 논문에서는 SVM과 협업적 필터링을 이용한 소비자 맞춤형 시장 분석 기법을 제안하였다. 제안하는 소비자 맞춤형 시장 분석 기법은 DC(Data Classification) 모듈, ICF(Improved Collaborative Filtering) 모듈, 그리고 CMA(Customized Market Analysis) 모듈로 구성된다. DC 모듈은 SVM을 이용하여 온 오프라인 쇼핑몰과 전통시장의 특성을 가격, 품질평가, 주력상품으로 분류하고, ICF 모듈은 나이 가중치와 직업 가중치를 추가한 유사도를 생성하고, 사용자들간의 구매 아이템에 대한 유사도를 이용하여 네트워크를 생성하고, 이웃 노드의 추천 리스트를 생성한다. 그리고 CMA 모듈은 DC모듈의 데이터 분류 결과와 ICF 모듈의 추천 리스트를 이용하여 사용자 맞춤형 시장 분석 결과를 제공한다. 제안된 사용자 맞춤형 추천리스트와 기존의 사용자기반 추천 리스트를 비교한 결과, 기존의 협업적 필터링기법을 이용한 추천리스트의 경우, precision는 0.53, recall은 0.56, F-measure은 0,57인데 반해, 제안하는 소비자 맞춤형 추천리스트는 precision이 0.78, recall은 0.85, 그리고 F-measure은 0.81로 나타났다. 즉, 제안하는 소비자 맞춤형 추천리스트가 좀 더 정확한 것으로 나타났다.

• 한국산학기술학회논문지
• /
• 제19권10호
• /
• pp.661-667
• /
• 2018

최근 무선 통신 기술과 센서 디바이스들의 발달로 스마트 홈 시장이 성장하고 있으며, 다양한 디바이스가 활용되고 있다. 이러한 사물인터넷 환경은 지능형 서비스를 위해 다양하고 방대한 양의 디바이스 정보를 수집하여 사용자 정보를 기반으로 서비스를 제공받으며, 다양한 디바이스를 제어해야 하고, 이기종 간의 통신을 제공해야 한다. 하지만, 이러한 성장과 함께, 스마트 홈 환경에서는 다양한 보안 위협이 발생하고 있다. 실제, 프루프 포인트와 HP에서는 스마트 홈 환경에서의 피해 사례 및 보안 취약점의 심각성에대해 경고하였으며, 다양한 환경에서의 침해 사례가 발표되었다. 그러므로, 본 논문에서는 스마트 홈 환경에서 발생할 수 있는 보안 문제를 해결하기 위해 스마트 홈에서 사용하는 스마트 노드들 간의 안전한 상호인증 기법에 대해 연구를 수행하였다. 제안하는 논문의 경우 보안성 평가를 통해 스니핑, 스푸핑, 디바이스 상호 인증, 중간자 공격, 무결성 등 사물인터넷 환경과 센서 디바이스에서 발생할 수 있는 잘 알려진 취약점에 대해 난수와 수시로 갱신되는 세션키 및 비밀키를 이용하여 안전함을 검증하였다. 또한, 기존에 연구된 사물인터넷 보안 프로토콜과의 비교를 통해 보안성 및 키 관리 측면에서 우수함을 확인할 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제11권12호
• /
• pp.78-87
• /
• 2011

현재 센서 네트워크 시스템을 이용한 다양한 지능형 응용들에 대한 연구가 진행되고 있다. 일반적으로 센서 네트워크는 다양한 센서 모듈을 장착한 노드들로 구성되고, 환경정보를 수집하기 위해 많이 활용된다. 최근 더욱 상세한 환경 모니터링이나 고품질 데이터에 대한 요구로 인해 멀티미디어 데이터의 요구가 증가하고 있다. 본 논문에서는 Zigbee 기반 센서 네트워크의 낮은 대역폭의 한계를 극복하고, 실시간 멀티미디어 데이터 전송을 위한 라우팅 기법에 대한 연구를 수행한다. 기존에 제안된 멀티미디어 데이터 전송 기법의 경우 비효율적인 다중경로 설정단계로 인해 경로설정 시간의 지연이 발생하고, Zigbee의 대역폭 한계로 인해 낮은 데이터 전송속도를 보인다. 본 논문은 기존 기법의 대역폭 문제를 해결하는 블루투스와 Zigbee 하이브리드 라우팅 구조를 제안한다. 또한 경로설정 시간 지연 문제를 해결하는 경쟁기반 비-중첩 다중 경로 설정 기법을 제안한다. 제안하는 기법의 우수성을 비교평가하기 위해 시뮬레이션을 수행하였다. 그 결과 약 78% 지연시간이 감소되었으며, 통신 속도가 약 6.9배 증가하였다.

• 한국콘텐츠학회논문지
• /
• 제13권3호
• /
• pp.307-317
• /
• 2013

본 연구는 연구장비 구축관계에 기반한 사회네트워크 분석을 적용하여 연구기관 네트워크의 구조적인 특성과 지위적인 특성을 분석함으로써 연구장비 정보의 전달과 관련된 연구기관의 역할을 살펴보고 구축된 연구장비의 활용 가능성을 높일 수 있는 정책방안을 모색하고자 수행되었다. 국가 R&D사업을 통해 연구장비가 구축된 연구기관들의 네트워크에서는 구조적 특성으로 낮은 밀도를 보였고 네트워크 내에서 연구장비 정보의 전달이 어려운 형태로 나타났다. 지위적인 특성의 비교를 통해 네트워크 내에서 연구장비의 정보를 보다 효과적으로 전달할 수 있는 기관들은 정부출연연구기관에서 한국전자통신연구원, 한국생산기술연구원, 한국화학연구원 등, 대학에서 성균관대학교, 경북대학교 등으로 분석되었다. 연구장비가 단독으로 구축된 고립 연구기관을 연계하는 가상화 노드는 네트워크를 활성화시킬 뿐만 아니라 효과적으로 연구장비의 정보를 전달할 수 있는 매개자 역할을 하는 것으로 나타났다. 연구결과로 연구장비의 활용 가능성을 높이는 방안으로는 연구기관들 간의 폭넓은 관계형성을 지원하는 장비구축 과제정책이 필요하며, 연구장비 정보전달에 보다 적합한 기관들을 활용하는 지원정책, 그리고 고립된 연구장비 보유기관의 장비정보를 매개하는 가상화 기관의 설립정책이 필요하다.

• 한국콘텐츠학회논문지
• /
• 제16권10호
• /
• pp.608-616
• /
• 2016

Smith-Waterman(SW) 알고리즘은 DNA 시퀀스 분석에서 중요한 연산 중 하나인 지역 정렬을 처리하는 알고리즘이다. SW 알고리즘은 동적 프로그래밍 방법으로 최적의 결과를 도출할 수 있지만 수행시간이 매우 길다는 문제가 있다. 이를 해결하기 위해서 다수의 노드를 이용한 병렬 분산 처리 기반의 SW 알고리즘이 제안되었다. Apache Spark을 기반으로 하는 병렬 분산 DNA 처리 프레임워크인 ADAM에서도 SW 알고리즘을 병렬로 처리하고 있다. 하지만, ADAM의 SW 알고리즘은 Smith-Waterman 이 동적프로그래밍 기법이라는 특성을 고려하지 않고 있어 최대의 성능을 얻지 못하고 있다. 이 논문에서는 ADAM의 병렬 SW 알고리즘을 개선한다. 제안하는 병렬 SW 기법은 두 단계에 걸쳐 실행된다. 첫 번째 단계에서는 지역정렬 대상인 DNA 시퀀스를 다수의 파티션(partition)으로 분할하고 분할된 각 파티션에 대해서 SW 알고리즘을 병렬로 수행한다. 두 번째 단계에서는 파티션 각각에 대해서 독립적으로 SW를 적용함으로써 발생하는 오류를 보완하는 과정을 역시 병렬로 수행한다. 제안하는 병렬 SW 알고리즘은 ADAM을 기반으로 구현하고 기존 ADAM의 SW와 비교를 통해서 성능을 입증한다. 성능 평가 결과 제안하는 병렬 SW 알고리즘이 기존의 SW에 비해서 2배 이상의 좋은 성능을 내는 것을 확인하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권10호
• /
• pp.724-739
• /
• 2009

본 논문에서는, GPS와 무선랜, 블루투스 등이 탑재된 이동 단말의 비율이 높아지게 됨에 따라, 이동 단말이 갖는 다중 무선 네트워크 기술을 활용하는 모바일 P2P 메시지 플랫폼을 제시한다. 자신과 타 단말의 GPS 정보에 근거하여 메시지 전달 방법을 '직접', '간접', '원거리'로 전달 방식을 구분한다. 근거리 무선 네트워크 접속 기술(radio access technology, RAT)를 사용하는 '직접' 방식보다 수신 단말과의 도달 거리를 늘이기 위해 릴레이 노드를 선정하여 '간접'으로 수신 단말에게 메시지를 전달한다. '직접'이나 '간접' 등의 근거리 RAT를 활용하여 메시지 전달이 불가능한 경우에는 무선 WAN(wide area network) 기술을 사용하는 '원거리' 방식으로 메시지를 전달한다. 적용할 RAT 기술을 선택하는데 있어 GPS 정보를 기반으로 함으로써 네트워크 간 핸드오버를 결정하는데 전력 소모가 적다. 네트워크 시뮬레이터를 이용하여, 메시지 전달 성능과 단말의 이동 속도와 RAT의 도달 거리에 따른 핸드오버 감지 오차에 대한 평가를 시행하였고, 제안하는 기법의 우수한 성능을 확인하였다. 제안하는 메시지 전달 기법을 포함하는 메시지 플랫폼을 스마트 폰에 실제 구현하였다. 실제 에너지 소모량 관찰과 수식적 모델링을 통해, 제안한 플랫폼을 탐재한 경우와 탑재하지 않은 경우에 대해 전력 소모를 비교하였으며, 본 플랫폼을 탑재한 경우가 그렇지 않은 경우들에 비해 전력 소모가 크게 낮음을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권12호
• /
• pp.623-634
• /
• 2016

현존하는 빈발 패턴 마이닝 방법은 대부분 시간 효율성을 목표로 하고, 물리적 메모리 사용에 매우 의존적이다. 하지만 빅데이터 시대가 도래함에 따라 실제 세상의 데이터베이스는 급속도로 증가하고 있으며, 그에 따라 기존의 방법으로 현실적인 거대한 양의 데이터를 마이닝하기에 물리적 메모리 공간이 부족한 실정이다. 이러한 문제를 해결하기 위해, 빈발 패턴 마이닝의 메모리 의존성을 줄이기 위한 보조저장장치 기반의 연구들이 진행되었으나, 메모리 기반의 방법들에 비해 처리 시간이 너무 많이 소비된다는 한계가 있었다. 따라서 확장성을 가지며, 기존의 디스크 기반의 방법들에 비해 시간효율성을 높인 새로운 빈발 패턴 마이닝이 필요하게 되었다. 본 논문에서는 빅데이터로부터 빈도 아이템 집합들을 마이닝하기 위해 메모리와 디스크를 함께 사용하는 스택 기반의 새로운 접근법인 PPFP 알고리즘을 제안하였다. PPFP는 빈발 패턴 마이닝 접근법 중 가장 인기 있고 효율적인 접근법 중 하나인 FP-growth를 기반으로 하고 있다. PPFP 마이닝 방법은 다음과 같이 두 단계로 진행된다. (1) IFP-tree 구축: FP-tree를 생성한 후, 새로운 인덱스 번호 부여 방법으로 FP-tree의 각 노드에 인덱스 번호를 부여하고, 이 인덱스 번호가 부여된 FP-tree(IFP-tree)를 테이블로 변환하여(IFP-table) 디스크에 저장한다. (2) PPFP 알고리즘을 이용한 빈발 패턴 마이닝: 스택 기반의 PUSH-POP 방식으로 패턴을 확장시켜 나가며 빈발 패턴을 마이닝한다. 이러한 방식을 통해 메모리 기반의 방법에 비해 반복적으로 많은 시간이 소모되는 연산에 매우 적은 양의 메모리를 활용하여 확장성과 함께 시간효율성 또한 향상시킬 수 있었다. 그리고 기존의 연구 방법들과 비교 실험을 통해 새로운 알고리즘의 성능을 증명하였다.

• 전자공학회논문지
• /
• 제52권10호
• /
• pp.33-46
• /
• 2015

본 논문에서는 ITRS(International Technology Roadmap for Semiconductors)를 따라 스케일 다운된 FinFET 소자의 디지털 및 아날로그 회로의 성능을 예측했다. 회로 성능의 정확한 예측을 위해 기생 커패시턴스와 기생 저항 모델을 개발해 3D Technology CAD 해석 결과와 비교해 오차를 2 % 미만으로 달성했다. 기생 커패시턴스 모델은 conformal mapping 방식을 기반으로 모델링 되었으며, 기생 저항 모델은 BSIM-CMG에 내장된 기생 저항 모델을 핀 확장 영역 구조 변수($L_{ext}$) 변화에 따른 기생 저항 성분 변화를 반영 할 수 있도록 개선했다. 또한, 공정 단위 변화에 대해 소자의 전압전류의 DC 특성을 반영하기 위해 BSIM-CMG 모델의 DC 피팅을 진행하는 알고리즘을 개발했다. BSIM-CMG에 내장된 기생 모델을 본 연구에서 개발한 저항과 커패시턴스 모델로 대체해 압축 모델 내부에 구현하여, SPICE 시뮬레이션을 통해 스케일 다운된 FinFET 소자의 $f_T$, $f_{MAX}$, 그리고 링 오실레이터와 공통 소스 증폭기의 기생 성분으로 인한 특성변화를 분석했다. 정확한 기생 성분 모델을 적용해 5 nm FinFET 소자까지 회로 특성을 정량적으로 제시했다. 공정 단위가 감소함에 따라 소자의 DC 특성이 개선될 뿐만 아니라 기생 성분의 영향이 감소하여, 회로 특성이 향상됨을 예측했다.

• 한국ITS학회 논문지
• /
• 제17권2호
• /
• pp.39-57
• /
• 2018

본 연구는 교통운영 개선에 필요한 빅데이터 및 인공지능 모델 개발의 일환으로서, 도시부의 링크통행시간 및 통과교통량 등 가용 데이터 등을 이용하여 교통변수로 활용도가 높은 차량대기길이와의 관계를 딥러닝(Deep Learning)을 통해 학습하고 추정하는 인공지능 모델을 구축하는 것을 목표로 하였다. 차량대기길이 추정모형은 데이터 분석결과를 토대로 하여 우선 차량대기길이의 링크 초과여부를 분류한 후 링크 초과 및 링크 미초과 상황에서의 차량대기길이 추정하는 3개의 모형으로 모델링하였다. 딥러닝 모형은 텐서플로우로 구현하였으며, 모든 모형은 DNN 구조로서 은닉층과 노드 개수를 다양화하여 학습 및 테스트 후 최소 오차를 나타내는 네트워크 구조를 선정하였다. 차량대기길이 링크 초과여부 분류 모형은 약 98%의 정확도를 나타냈으며, 미초과 모형은 15% 미만, 초과 모형은 5% 미만의 오차를 각각 나타내었다. 링크별 평균 오차는 12%로 도출되었다. 이를 기존 검지기 데이터 기반의 방식과 비교한 결과 오차가 약 39% 감소된 것으로 분석되었다.