• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (C)
• /
• pp.371-376
• /
• 2006

적응형 소프트웨어는 유비쿼터스 컴퓨팅의 핵심 분야로 홈 네트워크, 지능 로봇 등 다양한 분야에 응용이 가능하다. 하지만, 대부분의 연구가 적응형 소프트웨어의 요구사항이나 시나리오의 구체화를 위한 비전을 제시하거나, 응용 구현의 사례를 보임으로써 실현 가능성을 확인하는데 초점을 맞추고 있다. 본 연구에서는 동적인 재구성이 가능한 규칙 기반으로 동작할 수 있기 때문에 진화가 가능하며, 상태에 기반하여 행위를 판단하는 RASC 프레임워크를 제안한다. 기존 서비스 조합의 개념을 실현하기 위해 중개자를 이용하였으며, 변이와 교차와 같은 유전 알고리즘 연산을 쉽게 적용할 수 있도록 RASC 도메인을 정의하였다. RASC 프레임워크는 블랙보드 아키텍처를 기반으로 규칙을 공유하며, 서비스와 서비스 조합체 모두 자극-반응 모델을 따르고 자기유사성을 가지는 일종의 복잡계를 구성한다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제13권5호
• /
• pp.338-342
• /
• 2007

본 논문에서는 모바일 환경에서 고립단어 음성인식을 할 경우 화자종속 방법을 이용하여 성능을 높이는 사용자 적응형 후처리 방법을 제안한다. 이 방법은 인식기의 정확한 인식 결과를 위한 추가적인 처리들로 구성된다. 즉 인식기의 출력과 정확한 최종 결과들 간의 관계를 학습하여 이를 잘못된 인식기의 출력을 수정하는 데에 사용한다. 학습에는 패턴인식에 강인한 다층 퍼셉트론을 사용하며 학습 시간을 고려하여 모델을 세분화하고 동적으로 동작할 수 있도록 구현한다. 이 결과 인식기의 오류에 대해 41%를 수정하는 성과(오류 수정률: 41%)를 보였다.

• 대한전자공학회논문지SP
• /
• 제40권1호
• /
• pp.139-147
• /
• 2003

동적 신경망은 신호예측과 같이 temporal 신호처리가 요구되는 여러 분야에 적용되어 왔다. 본 논문에서는 다층 리커런트 신경망(RNN)의 동특성을 향상시키기 위해 지역 궤환 신경망(LRNN)과 광역 궤환 신경망(CRNN)으로 구성된 합성 신경망을 제안하고, 적응필터로 제안된 신경망을 사용하여 비선형 적응예측을 다루고 있다. 합성 신경망은 LRNN으로 IIR-MLP와 CRNN으로 Elman RNN 신경망으로 구성되어 있다. 제안된 신경망은 비선형 신호예측을 통해 평가되었으며, 예측 성능의 상대적인 비교를 위해 Elman RNN과 IIR-MLP 신경망과 상호 비교하였다. 실험결과에 의하면 합성 신경망은 수렴속도과 정확도에서 더 우수한 성능을 보여줌으로써, 제안된 신경망이 기존의 다층 리커런트 신경망보다 비정적 신호에 대한 비선형 예측에 더 효과적인 예측모델임을 확인하였다.

• 한국정보통신학회논문지
• /
• 제13권6호
• /
• pp.1222-1227
• /
• 2009

본 논문에서는 이동 애드혹 네트워크(MANET)에서의 상황인식 기반 계층적 클러스터링 기법인 CACH (Context-aware Adaptive Clustering Hierarchy)를 제안한다. CACH는 적응적 라우팅 기법과 비적응적 라우팅 기법을 융합한 하이브리드 라우팅 방식의 분산 클러스터링 기법을 기반으로 하고 있으며, 제안된 CACH는 동적인 토폴로지에서 노드의 이동성을 고려한 에너지 효율적인 라우팅 프로토콜의 성능을 제공하게 된다. 또한 제안된 토폴로지 변경에 대해 상황인식을 기반으로 하여 적응적으로 토폴로지의 계층구조를 결정하는 새로운 기법의 모델을 제시하였고, 이로부터 네트워크에서 전송 에너지를 고려한 노드의 밀도에 따라 계층적 깊이를 결정하는 최적 다중 흡수를 결정하는 결과를 보여주었다.

• 융합신호처리학회논문지
• /
• 제7권2호
• /
• pp.53-59
• /
• 2006

동적 신경망은 시스템 식별과 신호예측과 같이 temporal 신호처리가 요구되는 여러 분야에서 적용되어 왔다. 본 논문에서는 신경망의 동특성을 향상시키기 위해 순방향 다층 신경망의 히든 층에 감마(Gamma) 메모리 커넬을 사용하는 감마 신경망(GAM)을 제안하고, 적응필터로 제안된 신경망을 사용하여 비선형 적응예측을 다루고 있다. 제안된 신경망은 비선형 신호예측을 통해 평가되었으며, 예측성능의 상대적인 비교를 위해 순방향 신경망(FNN)과 리커런트 신경망(RNN)과 비교하였다. 시뮬레이션 결과에 의하면 GAM 신경망은 수렴속도와 예측의 정확도에서 이러한 신경망보다 더 우수한 동작을 수행함으로써, 제안된 신경망이 기존의 다층 신경망보다 비정적 신호에 대한 비선형 예측에 더 효과적인 예측모델임을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 추계학술발표논문집 (하)
• /
• pp.1609-1612
• /
• 2000

무선망에서 기존의 회선 서비스뿐만 아니라 패킷 서비스 및 영상 서비스 등을 수용하는 데 있어서 고려되어야 할 것들 중 하나는 무선 자원의 활용이다. 특히 패킷 서비스의 경우 가변적인 패킷의 길이와 양으로 효율적인 무선 자원관리를 어렵게 하는 요소를 지니고 있다. 즉, 무선 자원을 효율적으로 운용하기 위해서는 동적인 무선 자원할당 메커니즘이 중요한 역할을 한다. UMTS 표준 문서에서는 계층 2 전송 프로토콜인 RLC (Radio Link Control) 버퍼의 양만을 측정하여 무선 자원 할당이 제어가 되도록 권고하고 있다. 하지만 트래픽 양의 변화가 큰 VBR 트래픽의 경우, 이와 같은 방법은 갑자기 증가하거나 감소하는 트래픽 양에 적응하기 힘들고 이는 무선 자원의 효율성을 저하시키며, QoS 제공도 어렵다. 본 논문에서는 먼저 트래픽 특성을 알 수 있는 토큰 버켓 모델을 RLC에 적용하고, 동적 무선 자원 할당을 위해 RLC 버퍼의 양뿐만 아니라 예상되는 유입 트래픽 양을 측정 및 보고하는 메커니즘을 제안한다.

• 정보처리학회논문지B
• /
• 제9B권2호
• /
• pp.139-146
• /
• 2002

로봇 축구 시뮬레이션 게임은 하나의 동적 다중 에이전트 환경이다. 본 논문에서는 그러한 환경 하에서 각 에이전트의 동적 위치 결정을 위한 새로운 강화학습 방법을 제안한다. 강화학습은 한 에이전트가 환경으로부터 받는 간접적 지연 보상을 기초로 누적 보상값을 최대화할 수 있는 최적의 행동 전략을 학습하는 기계학습 방법이다. 따라서 강화학습은 입력-출력 쌍들이 훈련 예로 직접 제공되지 않는 다는 점에서 교사학습과 크게 다르다. 더욱이 Q-학습과 같은 비-모델 기반의 강화학습 알고리즘들은 주변 환경에 대한 어떤 모델도 학습하거나 미리 정의하는 것을 요구하지 않는다. 그럼에도 불구하고 이 알고리즘들은 에이전트가 모든 상태-행동 쌍들을 충분히 반복 경험할 수 있다면 최적의 행동전략에 수렴할 수 있다. 하지만 단순한 강화학습 방법들의 가장 큰 문제점은 너무 큰 상태 공간 때문에 보다 복잡한 환경들에 그대로 적용하기 어렵다는 것이다. 이런 문제점을 해결하기 위해 본 연구에서는 기존의 모듈화 Q-학습방법(MQL)을 개선한 적응적 중재에 기초한 모듈화 Q-학습 방법(AMMQL)을 제안한다. 종래의 단순한 모듈화 Q-학습 방법에서는 각 학습 모듈들의 결과를 결합하는 방식이 매우 단순하고 고정적이었으나 AMMQL학습 방법에서는 보상에 끼친 각 모듈의 기여도에 따라 모듈들에 서로 다른 가중치를 부여함으로써 보다 유연한 방식으로 각 모듈의 학습결과를 결합한다. 따라서 AMMQL 학습 방법은 큰 상태공간의 문제를 해결할 수 있을 뿐 아니라 동적인 환경변화에 보다 높은 적응성을 제공할 수 있다. 본 논문에서는 로봇 축구 에이전트의 동적 위치 결정을 위한 학습 방법으로 AMMQL 학습 방법을 사용하였고 이를 기초로 Cogitoniks 축구 에이전트 시스템을 구현하였다.

• 전자공학회논문지 IE
• /
• 제43권3호
• /
• pp.41-48
• /
• 2006

본 논문에서는 인터넷 트래픽 입력율의 예측성을 이용하여 큰 시간 스케일 (large time scale)에서 트래픽 입력율 예측을 통한 새로운 동적 큐 관리 기법 (Active Queue Management (AQM))을 제안한다. RED를 비롯한 대부분의 기존 AQM 기법들은 큐 길이를 기반으로 망의 혼잡 정도를 판단하여 패킷 폐기 확률을 설정하고 이에 따라 입력 패킷을 폐기하므로 동적으로 변화하는 망 환경에 제어 인자들이 적절히 적응하지 못하거나 적응시간이 긴 단점을 가진다. 제안 기법은 패킷 측정을 통해 얻은 입력율 정보를 자기 회기 (Auto-Regressive (AR)) 시 계열 모델에 적용하여 향후 트래픽 입력율을 예측하고, 이를 기반으로 향후 망 혼잡 수준을 결정한다. 혼잡이 예측되는 경우 향후 트래픽 입력율이 라우터의 서비스율과 근사하도록 패킷 폐기 확률을 결정함으로써 제안 기법은 패킷 폐기율은 기존 기법과 유사하게 유지하면서 링크 효율을 높이고 평균 큐 길이를 망 환경변화에 무관하게 안정적으로 유지할 수 있게 해준다. 본 논문에서는 ns-2 시뮬레이터를 이용하여 제안기법과 RED, adaptive RED (ARED), REM, Predictive AQM (PAQM)과의 성능 비교를 통해 다양하게 변화하는 망 환경에서 제안기법의 성능이 평균 큐 길이와 망 적응성 측면에서 우수하다는 사실을 검증하였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 1998년도 춘계학술발표논문집
• /
• pp.438-443
• /
• 1998

최근 멀티미디어 응용 기술을 기반한 컴퓨터 교육 매체 개발이 활발히 진행되어 왔다. 본 연구에서 수준별 개별 학습으로 학습 효과를 극대화하기 위한 지능형 멀티미디어 교습 시스템(IMTS)을 제안한다. 제안하는 시스템은 활발한 상호작용으로 학습자의 상태를 진단하고, 개별 학습자 수준을 고려한 동적인 학습 과정을 능동적으로 수립하면서 교습 활동을 전개해 나간다. 제안하는 시스템은 다양한 학습자 수준과 상태에 따른 적응적 교습 과정을 수행하기 위하여 학습자 모델을 유지 관리한다. 그리고 다수의 학습자를 위한 원격 교습 과정을 수행하기 위하여 학습자 모델을 유지 관리한다. 그리고 다수의 학습자를 위한 원격 교습 시스템을 효율적으로 운영하기 위하여 교습 과정에 필요한 모든 모듈을 에이전트로 대체하여 클라이언트/서버 환경에서 교습 활동을 효율적으로 수행하도록 설계하였다.

• 한국정보과학회논문지:정보통신
• /
• 제28권1호
• /
• pp.117-125
• /
• 2001

본 논문은 인터넷상에서 실시간 멀티미디어 서브를 제공하기 위한 분산 멀티미디어 시스템의 설계 및 구현 방안을 제안한다. 제안하는 시스템은 데이터와 제어 채널의 분리를 통하여 다양한 멀티미디어의 효율적인 전송과 기반으로 구성되며 멀티미디어의 효율적인 실시간 전송을 지원한다. 제어 채널은 TCP와 RTCP 패킷 포맷을 기반으로 구성되며 서버와 클라이언트간의 정보교환을 지원함으로써 서비스 환경에 대한 지속적인 모니터링 및 효과적인관리를 지원한다. 특히 제안하는 서비스 품질관리 모델은 전송률에 기반하며 전송률을 협상된 서비스 품질이 보장되는 최대치와 최소치 사이에서 유지함으로써 안정된 서비스 품질을 보장한다. 즉 서비스 환경의 동적인 변화에 대응 하여 적절한 전송률과 누락된 패킷에 대한 재전송 등을 결정한다. 성능분석 결과, 제안하는 모델은 환경변화에 대한 적응성 측면에서 우수성을 나타냈으며 서비스 품질보장이 중요한 서비스에 적합함을 알 수 있었다.