• Proceedings of the Korea Multimedia Society Conference
• /
• 2012.05a
• /
• pp.253-255
• /
• 2012

최근 휴대폰의 보급과 기능의 고급화로 휴대폰을 이용한 개인 환경 맞춤 서비스에 대한 관심이 증가되고 있다. 특히 휴대폰을 이용한 상황인지 기술들이 개발되고 있으며 다양한 분야에 서비스를 제공하는 스마트 모바일 플랫폼에 대한 연구가 진행되고 있다. 본 논문에서는 스마트 홈 환경에서 휴대폰을 이용하여 사용자 프로파일과 수집된 상황 정보에 적절하게 주변 생활 가전 기기를 제어하는 개인화 맞춤 서비스를 제공하는 플랫폼과 휴대폰에서 작동하는 경량 상황인식 엔진을 제안하였으며 상황인식을 통한 추론 작업을 휴대폰과 홈 서버로 분산시켜 상황 추론 작업의 효율화를 기했다.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.5
• /
• pp.1129-1139
• /
• 2015

Inference process generates additional triples from knowledge represented in RDF triples of semantic web technology. Tens of million of triples as an initial big data and the additionally inferred triples become a knowledge base for applications such as QA(question&answer) system. The inference engine requires more computing resources to process the triples generated while inferencing. The additional computing resources supplied by underlying resource pool in cloud computing can shorten the execution time. This paper addresses an algorithm to allocate the number of computing nodes "elastically" at runtime on Hadoop, depending on the size of knowledge data fed. The model proposed in this paper is composed of the layered architecture: the top layer for applications, the middle layer for distributed parallel inference engine to process the triples, and lower layer for elastic Hadoop and server visualization. System algorithms and test data are analyzed and discussed in this paper. The model hast the benefit that rich legacy Hadoop applications can be run faster on this system without any modification.

• Journal of the Korea Convergence Society
• /
• v.9 no.10
• /
• pp.75-80
• /
• 2018

In this paper, we propose heterogeneous lifelog mining model in health big-data platform. It is an ontology-based mining model for collecting user's lifelog in real-time and providing healthcare services. The proposed method distributes heterogeneous lifelog data and processes it in real time in a cloud computing environment. The knowledge base is reconstructed by an upper ontology method suitable for the environment constructed based on the heterogeneous ontology. The restructured knowledge base generates inference rules using Jena 4.0 inference engines, and provides real-time healthcare services by rule-based inference methods. Lifelog mining constructs an analysis of hidden relationships and a predictive model for time-series bio-signal. This enables real-time healthcare services that realize preventive health services to detect changes in the users' bio-signal by exploring negative or positive correlations that are not included in the relationships or inference rules. The performance evaluation shows that the proposed heterogeneous lifelog mining model method is superior to other models with an accuracy of 0.734, a precision of 0.752.

• Journal of the Society of Disaster Information
• /
• v.18 no.3
• /
• pp.609-621
• /
• 2022

Purpose: Natural Disaster has well formed framework more than social disaster, because natural disaster is controlled by one department, such as MOIS, but social disaster is distributed. This study is on the design of the integrated service platform for the social diaster data. and then, apply to the local governments. Method: Firstly, we design DB templates for the incident cases considering the incident investigation reports. For the risk management, life-damage oriented social disaster risk assessment is defined. In case of the real-time incident data from NDMS, AI system provides the prediction information in the life damage and the cause of the incident. Result: We design the structured and unstructured incident data management system, and design the integrated social disaster and safety incident management system. Conclusion: The integrated social disaster and safety incident management system may be used in the local governments

• Electronics and Telecommunications Trends
• /
• v.22 no.2 s.104
• /
• pp.48-57
• /
• 2007

본 고에서 다루고자 하는 지능형 로봇 공간(intelligent robotic space)은 이동성(mobility), 조작성(manipulability)으로 대표되는 로봇의 독특한 기능을 분산센싱, 분산처리환경을 구축하여 고기능화함으로써 자연스러운 이동, 조작기능의 구현이 가능한 공간으로 정의할 수 있다. 이는 개념적으로 가상 공간(virtual space), 추론 공간(semantic space), 물리 공간(physical space)으로 구성된다. 가상 공간은 로봇-센서간 융합을 통한 환경지도 작성 및 표현을 위한 플랫폼 기술이고 추론 공간은 로봇 및 로봇과 연동된 사람이나 사물의 상태 해석을 위한 객체 모델 기술이다. 물리 공간은 지능형이동성과 로봇 조작 능력의 향상을 위한 지능형 하드웨어 공간이다. 본 고에서는 물리공간에서 가장 핵심적인 이슈인 실내 측위기술에 대해서 알아본다. 측위기술은 사람이나 사물의 위치를 정밀하게 결정하여 로봇이 인간과 공존할 수 있도록 안정적이고 신뢰성 있는 측위 정보를 제공하는 것을 목적으로 한다. 지능형 로봇을 위한 측위기술은 크게 무선 센서네트워크 기반의 광역(coarse) 위치 결정과 RFID 및 로봇 비전(vision)을 기반으로 하는 정밀(fine) 위치 결정으로 나뉘어진다. 본 고에서는 Wi-Fi, ZigBee, UWB를 이용하는 무선 센서네트워크 기반의 실내 위치 측정에 관한 연구 개발 동향을 분석하고 각각의 기술이 가지는 장단점을 비교한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.9-11
• /
• 2021

최근 임베디드 엣지 컴퓨팅 디바이스에서 AI와 같은 인공지은 연산을 수행하여 AI 추론 연산의 가속화 및 분산화가 많이 이루어지고 있다. 엣지 디바이스는 임베디드 프로세서를 기반으로 AI의 가속 연산을 위해서 내부에 딥러닝 가속기를 포함하여 가속화시키는 시스템 구성을 하고 있다. 딥러닝 가속기는 복잡한 Neural Network 연산을 위한 데이터 이동이 많으며 외부 메모리와 내부 딥러닝 가속기간의 효율적인 데이터 이동 및 버퍼링이 필요하다. 본 연구에서는 엣지 디바이스 딥러닝 가속기 내부의 버퍼 구조를 모델링하고, 버퍼의 크기에 따른 버퍼링 효과를 분석해 보았다. 딥러닝 가속기 버퍼 구조는 RISC-V 프로세서 기반 가상 플랫폼에 구현되었다. 이를 통해서 딥러닝 모델에 따른 딥러닝 가속기 버퍼의 사용성을 분석할 수 있다.

• Journal of Intelligence and Information Systems
• /
• v.10 no.3
• /
• pp.59-72
• /
• 2004

The range of Internet usage is drastically broadened and diversed from information retrieval and collection to many different functions. Contrasting to the increase of Internet use, the efficiency of finding necessary information is decreased. Therefore, the need of information system which provides customized information is emerged. Our research proposes Web Service based recommendation system which employes inference engine to find and recommend the most appropriate products for users. Web applications in present provide useful information for users while they still carry the problem of overcoming different platforms and distributed computing environment. The need of standardized and systematic approach is necessary for easier communication and coherent system development through heterogeneous environments. Web Service is programming language independent and improves interoperability by describing, deploying, and executing modularized applications through network. The paper focuses on developing Web Service based recommendation system which will provide benchmarks of Web Service realization. It is done by integrating inference engine where the dynamics of information and user preferences are taken into account.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.308-313
• /
• 2006

EPC Network는 EPC 관련 정보를 수집, 처리, 저장, 제공하는 Network를 말하며 EPC Network에서의 정보 접근 제어는 다양한 접근 방법, 다양한 플랫폼을 사용하는 사용자의 접근 및 분산 환경이라는 상황을 고려해야만 한다. 본 논문에서는 온톨로지를 이용한 간단하면서도 효율적인 정보 접근 제어 기법을 제시하고자 한다. 본 논문에서 제시하는 정보 접근 제어 기법을 간략하게 설명하자면 EPC Network를 구성하는 요소 중 하나인 EPC IS로 전송되는 SOAP 전송 메시지 내부에 정보 접근 제어를 위해 필요한 정보들을 온톨로지를 이용하여 기술한다. EPC IS는 온톨로지를 이용하여 기술된 SOAP 전송 메시지 내부에 포함된 정보 접근 제어와 관련된 정보를 정보 접근 제어 처리에 사용한다. 온톨로지를 이용함으로써 사용자와 EPC IS 간의 개념 및 용어의 일관성을 유지할 수 있으며, 추론 기능을 이용하여 정보 접근 제어에 있어서의 요구 사항들을 쉽게 처리할 수 있다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.9 no.12
• /
• pp.291-306
• /
• 2020

Nowadays, Data-Network-AI (DNA)-based intelligent services and applications have become a reality to provide a new dimension of services that improve the quality of life and productivity of businesses. Artificial intelligence (AI) can enhance the value of IoT data (data collected by IoT devices). The internet of things (IoT) promotes the learning and intelligence capability of AI. To extract insights from massive volume IoT data in real-time using deep learning, processing capability needs to happen in the IoT end devices where data is generated. However, deep learning requires a significant number of computational resources that may not be available at the IoT end devices. Such problems have been addressed by transporting bulks of data from the IoT end devices to the cloud datacenters for processing. But transferring IoT big data to the cloud incurs prohibitively high transmission delay and privacy issues which are a major concern. Edge computing, where distributed computing nodes are placed close to the IoT end devices, is a viable solution to meet the high computation and low-latency requirements and to preserve the privacy of users. This paper provides a comprehensive review of the current state of leveraging deep learning within edge computing to unleash the potential of IoT big data generated from IoT end devices. We believe that the revision will have a contribution to the development of DNA-based intelligent services and applications. It describes the different distributed training and inference architectures of deep learning models across multiple nodes of the edge computing platform. It also provides the different privacy-preserving approaches of deep learning on the edge computing environment and the various application domains where deep learning on the network edge can be useful. Finally, it discusses open issues and challenges leveraging deep learning within edge computing.