• 한국지형공간정보학회:학술대회논문집
• /
• 2004.10a
• /
• pp.67-72
• /
• 2004

21세기 지식정보화 사회를 당면하면서 정치, 경제, 문화 등의 환경이 다양한 형태로 급속히 변하고 있다. 다양한 형태의 정보를 적절한 기술을 이용하여 보다 효율적으로 수집하고 이를 신속하고 정확하게 분석하여 합리적인 의사결정을 하여야 하는데 사회변화의 속도가 급변함에 따라 당면한 문제들의 해결과 미래의 정보 수요에 부응하기 위한 핵심 기술로서 GIS는 정보화시대에서 무엇보다 정보시스템의 구축을 위한 계획 수립이 절실하게 되었다. 이러한 지리정보시스템에 동영상데이터의 연계기능을 더하여 영상을 기반으로 직접 사용자와 상호작용을 하며 데이터를 분석, 관리, 출력하는 동영상지리정보시스템(Video Geographic Information System: Video GIS)이 GIS 분야에 있어 새로운 연구 분야로 떠오르고 있다. 본 연구에서는 사회변화의 속도가 급변하는 도시기반시설물들을 효율적으로 개발, 관리하고 비행선촬영시스템을 통하여 취득된 동영상 자료를 객체추적 알고리즘에 의해 데이터의 양을 줄였다. 수치지도와 동영상데이터의 공간정보를 연계시켜 도시지역에 존재하는 각종 시설물을 관리할 수 있는 동영상 정보시스템을 Prototype으로 구축하여 그 가능성을 제시하였다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.676-679
• /
• 2011

인공신경망(Artificial Neural Network)을 이용하여 RC Mock-up 구조물의 손상위치 및 손상정도를 단계적으로 추정하였다. 대상 구조물은 가진실험을 통하여 구조물의 응답을 취득하고 구조물식별기법(Structural System Identification)을 통하여 구조물의 동특성을 찾았다. 유한요소해석프로그램을 사용하여 동특성이 계측치와 가장 유사한 기본해석모델을 만든 후 이 기본해석모델을 이용하여 학습데이터를 생성하였다. 기존 인공신경망을 이용한 손상탐지를 개선하고자 본 연구에서는 인공신경망 학습데이터를 분석하였고 효과적인 손상탐지를 위하여 학습데이터를 가공하였다. 가공된 학습데이터를 사용하여 단계별 손상탐지를 실시하였고 기존 손상탐지 방법보다 좋은 결과를 유도하였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1999.10a
• /
• pp.176-180
• /
• 1999

미지 플랜트의 인식방법은 크게 두 가지로 나눌 수 있으며, 하나는 연역적 방법으로서 대상 플랜트에 대한 열적·유체 역학적 법칙을 사용하여 물리적으로 모델을 수식화하는 방식이고, 다른 하나는 귀납적 방법으로서 측정된 입출력데이터에 의해 역으로 구조를 찾아가는 방식이다. 본 논문에서는 후자의 방법으로 가스터빈 발전소의 배기가스 온도계통 모델을 구하기 위해 현장에서 운전 데이터를 취득하였다. 그리고 컴퓨터 시뮬레이션을 통해 경험적으로 구현한 모델이 실제 운전데이터와 유사한 특성을 보임을 알 수 있었다. 이렇게 구현된 모델은 향후 발전소용 가스터빈 제어시스템을 새로이 구축하거나 튜닝하고자 할 때 배기가스 온도제어계통을 설계하는데 기초자료로 활용할 수 있다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1999.10a
• /
• pp.35-40
• /
• 1999

PID 제어기를 이용한 피드백 제어가 공정 제어에 도입된 이래로 PID 제어 알고리즘 및 적정 파라미터 계산에 대한 연구가 계속 진행되어 왔다. 일반적으로 PID 제어기 파라미터는 제어대상 프로세스의 1차 시간지연 모델로 근사화 하여 계산하는 방법과 임계이득 및 임계주파수를 구하여 계산하는 방법이 있다. 본 논문에서는 먼저 발전플랜트의 변수들 사이의 인과관계를 표현하는 신호 흐름도와 현장에서 취득한 데이터를 이용한 보일러 온도제어 계통의 모델링 및 제어기의 구성에 관하여 기술하고자 한다. 이러한 현장 운전 데이터에 의해 산출된 프로세스 모델을 이용하여 임계이득 및 임계주파수에 의한 PI 제어기의 적정 파라미터를 구하고, PI 제어기에 현장 데이터를 입력하여 컴퓨터 시뮬레이션 함으로써 프로세스 모델 및 PI 제어기의 성능을 검증하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.683-685
• /
• 2018

본 논문은 도로에서의 객체탐지를 위한 딥러닝(deep learning) 데이터셋을 자동으로 생성, 분류하는 시스템을 제안한다. 시스템의 작동 과정은 크게 두 가지이다. 먼저 딥러닝을 활용하여 촬영된 영상에 존재하는 객체를 검출한다. 이때, 실시간으로 하는 방법과 레코딩된 영상을 다루는 방법 두 가지가 있다. 다음으로 검출된 객체 중 예측 값(scroe)가 임계치 이상인 객체의 위치와 종류를 파일로 저장한다. 이 시스템은 차량 전방 카메라 위치에 장착된 웹캠을 이용해 영상을 취득하고 임베디드 보드인 TX2 board를 이용해 데이터 셋을 생성한다. 매트랩의 image labeler app과 비교를 통해 보다 적은 시간비용으로 데이터셋을 생성해 냄을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.1199-1202
• /
• 2011

최근 클라우드 컴퓨팅에 대한 관심이 고조됨에 따라, 이를 활용한 데이터베이스 아웃소싱에 대한 연구가 활발히 진행되고 있다. 한편, 데이터 소유자가 자신이 가지고 있는 공간 데이터베이스를 그대로 아웃소싱 할 경우, 서비스 제공자는 이를 불법으로 취득하여 악용할 수 있고, 질의 요청자들의 통계 정보를 통해 개인정보를 획득할 수 있다. 따라서 아웃소싱 환경에서 개인정보 보호 및 공간 데이터베이스를 보호하기 위한 데이터 변환기법 및 변환된 데이터베이스 상에서 질의를 처리하는 연구가 필요하다. 따라서, 본 논문에서는 아웃소싱 환경에서 공간 네트워크를 고려한 가공 데이터 생성 기법 및 암호화 기법을 설계한다. 아울러, 인증된 사용자가 질의 요청 시, 서비스 제공자가 저장한 가공 데이터를 이용하여 효율적으로 k-최근접점 질의를 수행하기 위한 힐버트 커브 기반 k-최근접점 질의처리 알고리즘을 제안한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.552-554
• /
• 2021

We propose a fall recognition system using a deep learning algorithm using motion data acquired by a Doppler radar sensor. Among the deep learning algorithms, an RNN that has an advantage in time series data is used to recognize falls. The fall data of the Doppler radar sensor has a temporal characteristic as time series data, and the structure of the RNN is sequenced because the result only determines whether a fall or not It is designed in a structure that outputs a fixed size to the input.

• Proceedings of the Korean Society for Information Management Conference
• /
• 2017.08a
• /
• pp.102-102
• /
• 2017

디지털 정보의 폭발적인 증가세와 함께 연구 데이타 또한 다양한 형태로 축적 되고 있다. 이에 다양한 정보들을 효율적으로 활용하는 것이 연구 혁신의 동력원으로 작용하고 어떠한 데이터를 어떻게 효율적으로 활용할 것인가가 정보 사회의 화두로 떠오르고 있다. 특히, 데이타 정보의 경우 전세계 약 900개 이상의 레파지토리들이 다양한 구조와 플랫폼을 토대로 축적 되고 있어 이에 대한 엄선 된 데이터 레파지토리 정보를 WoS의 단일 플랫폼에서 손쉽게 취득 할 수 있는 DCI(Data Citation Index)에 대한 관심이 증가되고 있는 추세이다. 현재 DCI에는 330여 종의 레포지토리에 수록 된 650만개 이상의 레코드를 수록 중이며 매년 50만 건 이상의 레코드가 추가 되고 있다. DCI는 레포지토리의 메타데이터를 분석하고 WoS에서 보유하고 있는 정보와 취합하여 데이터를 재구성하고 구조화하여 위계 질서를 부여하고 각 레코드가 소스 레포지토리로 연결되도록 링크를 제공하여 데이터 열람 및 다운로드가 가능하도록 하며 WoS내에 관련 논문(SCIE급)이 있는 경우 논문 과 데이터 상호 간의 링크도 제공한다. 보다 체계적인 데이터 관리를 위한 정보의 구조화와 보다 전문적인 정보 검색을 위한 Taxonomic Data와 시소러스(Thesaurus) 정보를 통한 DCI의 활용을 통해 새로운 정보의 세계를 경험해 보자.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.3
• /
• pp.167-175
• /
• 2023

In the context of COVID-19, this study was conducted to study how college students' earned grades and average grade point averages changed according to face-to-face and non-face-to-face classes. For this study, grade data was extracted using an access database. For the study, 152 students during the 3rd semester were compared and analyzed the grade point average, average grade point average, midterm exam, final exam, assignment score, and attendance score of students who participated in non-face-to-face and face-to-face classes. As an analysis method, independent sample t-test statistical processing was performed. It was concluded that the face-to-face class students had better grades and average GPA. As a result, the face-to-face class students showed 4.39 points higher than the non-face-to-face class students, and the average grade value was 0.6642 points higher. As a result of the comparative analysis, it was statistically significant, and the face-to-face class averaged 21.22 and the non-face-to-face class had 16.83 points. In conclusion, it was confirmed that face-to-face students' grades were generally higher than those of non-face-to-face students, and that face-to-face students showed higher participation in class.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.162-162
• /
• 2017

구글에서 공개한 Tensorflow를 이용한 여러 학문 분야의 연구가 활발하다. 농업 시설환경을 대상으로 한 빅데이터의 축적이 증가함과 아울러 실효적인 정보 획득을 위한 각종 데이터 분석 및 마이닝 기법에 대한 연구 또한 활발한 상황이다. 한편, 타 분야의 성공적인 심층학습기법 응용사례에 비하여 농업 분야에서의 응용은 초기 성장 단계라 할 수 있다. 이는 농업 현장에서 취득한 정보의 난해성 및 완성도 높은 생육/환경 모델링 정보의 부재로 실효적인 전과정 처리 기술 도출에 소요되는 시간, 비용, 연구 환경이 상대적으로 부족하기 때문일 것이다. 특히, 센서 기반 데이터 취득 기술 증가에 따라 비약적으로 방대해진 수집 데이터를 시간 복잡도가 높은 심층 학습 모델링 연산에 기계적으로 단순 적용할 경우 시간 효율적인 측면에서 성공적인 결과 도출에 애로가 있을 것이다. 매우 높은 시간 복잡도를 해결하기 위하여 제시된 하드웨어 가속 기능의 경우 일부 개발환경에 국한이 되어 있다. 일례로, 구글의 Tensorflow는 오픈소스 기반 병렬 클러스터링 기술인 MPICH를 지원하는 알고리즘을 공개하지 않고 있다. 따라서, 본 연구에서는 심층학습 기법 연구에 있어서, 예상 가능한 다양한 자원을 활용하여 최대한 연산의 결과를 빨리 도출할 수 있는 하드웨어적인 접근 방법을 모색하였다. 호스트에서 수행하는 일방적인 학습 알고리즘과 달리 이기종간 심층 학습이 가능하기 위해선 우선, NFS(Network File System)를 이용하여 데이터 계층이 상호 연결이 되어야 한다. 이를 위해서 고속 네트워크를 기반으로 한 NFS의 이용이 필수적이다. 둘째로 제한된 자원의 한계를 극복하기 위한 메모 공유 라이브러리가 필요하다. 셋째로 이기종간 프로세서에 최적화된 병렬 처리용 컴파일러를 이용해야 한다. 가장 중요한 부분은 이기종간의 처리 능력에 따른 작업을 고르게 분배할 수 있는 작업 스케쥴링이 수행되어야 하며, 이는 처리하고자 하는 데이터의 형태에 따라 매우 가변적이므로 해당 데이터 도메인에 대한 엄밀한 사전 벤치마킹이 수행되어야 한다. 이러한 요구조건을 대부분 충족하는 Open-CL ver1.2(https://www.khronos.org/opencl/)를 이용하였다. 최신의 Open-CL 버전은 2.2이나 본 연구를 위하여 준비한 4가지 이기종 시스템에서 모두 공통적으로 지원하는 버전은 1.2이다. 실험적으로 선정된 4가지 이기종 시스템은 1) Windows 10 Pro, 2) Linux-Ubuntu 16.04.4 LTS-x86_64, 3) MAC OS X 10.11 4) Linux-Ubuntu 16.04.4 LTS-ARM Cortext-A15 이다. 비교 분석을 위하여 NVIDIA 사에서 제공하는 Pascal Titan X 2식을 SLI로 구성한 시스템을 준비하였다. 개별 시스템에서 별도로 컴파일 된 바이너리의 이름을 통일하고, 개별 시스템의 코어수를 동일하게 균등 배분하여 100 Hz의 데이터로 입력이 되는 온도 정보와 조도 정보를 입력으로 하고 이를 습도정보에 Linear Gradient Descent Optimizer를 이용하여 Epoch 10,000회의 학습을 수행하였다. 4종의 이기종에서 총 32개의 코어를 이용한 학습에서 17초 내외로 연산 수행을 마쳤으나, 비교 시스템에서는 11초 내외로 연산을 마치는 결과가 나왔다. 기보유 하드웨어의 적절한 활용이 가능한 심층학습 기법에 대한 연구를 지속할 것이다