• 한국컴퓨터정보학회논문지
• /
• 제16권7호
• /
• pp.1-11
• /
• 2011

사용자들의 높은 요구 사항을 만족시키는 컴퓨팅 시스템을 개발하기 위해 프로세서의 성능을 향상시키기 위한 연구는 지속적으로 진행되어 왔다. 공정 기술 발달을 비롯한 다양한 기술 발전을 통하여 프로세서의 성능은 비약적으로 발전하였으나 그 이면에는 새로운 문제들이 발생하게 되었다. 그 중에서, 최근 들어 주된 문제점 중 하나로 인식되고 있는 열섬 현상은 칩의 신뢰성에 심각한 영향을 미치기 때문에 프로세서 설계 시 성능, 전력 효율성과 함께 반드시 고려되어야 한다. 과거에는 기계적인 냉각 기법으로 프로세서의 온도를 효과적으로 제어할 수 있었지만, 최근에는 프로세서의 성능이 높아져 발생되는 온도가 높아 냉각 비용이 급속히 증가하고 있다. 이로 인해, 최근의 온도 제어 연구는 기계적인 냉각 기법보다는 구조적 기법을 통한 온도 제어에 더욱 집중되는 추세를 보이고 있다. 하지만, 구조적 기법을 통해 온도를 제어하는 방안은 프로세서의 온도를 낮추는 데에는 효율적이지만 이를 위해 성능을 희생한다는 단점이 존재한다. 따라서, 기계적 냉각 기법을 통해 프로세서의 온도를 효율적으로 제어할 수 있다면, 성능 저하가 발생되는 구조적 기법을 통한 온도 제어기법의 사용 빈도가 줄어 그 만큼 성능이 향상될 수 있을 것으로 기대된다. 본 논문에서는 고성능 멀티코어 프로세서에서 발생하는 온도를 기계적인 냉각 기법이 얼마나 효율적으로 제어할 수 있는지를 상세하게 분석해 보고자 한다. 공랭식 냉각기와 수랭식 냉각기를 이용하여 다양한 실험을 수행한 결과, 공랭식 냉각기와 비교하여 수랭식 냉각기가 온도를 효과적으로 제어하는 반면에 전력 소모가 더 많음을 확인할 수 있다. 특히, 1W의 전력을 통해 낮출 수 있는 온도를 분석해 보면 공랭식에 비해서 수랭식이 더 효율적임을 알 수 있으며, 수랭식 냉각기의 경우에는 냉각 단계가 냉각 효율은 오히려 감소하게 됨을 확인할 수 있다. 실험 결과를 바탕으로 온도에 따라 적절하게 기계적 냉각 기법을 활용한다면 프로세서의 온도를 더욱 효과적으로 제어할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.105-122
• /
• 2019

텍스트 데이터가 특정 범주에 속하는지 판별하는 문장 분류에서, 문장의 특징을 어떻게 표현하고 어떤 특징을 선택할 것인가는 분류기의 성능에 많은 영향을 미친다. 특징 선택의 목적은 차원을 축소하여도 데이터를 잘 설명할 수 있는 방안을 찾아내는 것이다. 다양한 방법이 제시되어 왔으며 Fisher Score나 정보 이득(Information Gain) 알고리즘 등을 통해 특징을 선택 하거나 문맥의 의미와 통사론적 정보를 가지는 Word2Vec 모델로 학습된 단어들을 벡터로 표현하여 차원을 축소하는 방안이 활발하게 연구되었다. 사전에 정의된 단어의 긍정 및 부정 점수에 따라 단어의 임베딩을 수정하는 방법 또한 시도하였다. 본 연구는 문장 분류 문제에 대해 선택적 단어 제거를 수행하고 임베딩을 적용하여 문장 분류 정확도를 향상시키는 방안을 제안한다. 텍스트 데이터에서 정보 이득 값이 낮은 단어들을 제거하고 단어 임베딩을 적용하는 방식과, 정보이득 값이 낮은 단어와 코사인 유사도가 높은 주변 단어를 추가로 선택하여 텍스트 데이터에서 제거하고 단어 임베딩을 재구성하는 방식이다. 본 연구에서 제안하는 방안을 수행함에 있어 데이터는 Amazon.com의 'Kindle' 제품에 대한 고객리뷰, IMDB의 영화리뷰, Yelp의 사용자 리뷰를 사용하였다. Amazon.com의 리뷰 데이터는 유용한 득표수가 5개 이상을 만족하고, 전체 득표 중 유용한 득표의 비율이 70% 이상인 리뷰에 대해 유용한 리뷰라고 판단하였다. Yelp의 경우는 유용한 득표수가 5개 이상인 리뷰 약 75만개 중 10만개를 무작위 추출하였다. 학습에 사용한 딥러닝 모델은 CNN, Attention-Based Bidirectional LSTM을 사용하였고, 단어 임베딩은 Word2Vec과 GloVe를 사용하였다. 단어 제거를 수행하지 않고 Word2Vec 및 GloVe 임베딩을 적용한 경우와 본 연구에서 제안하는 선택적으로 단어 제거를 수행하고 Word2Vec 임베딩을 적용한 경우를 비교하여 통계적 유의성을 검정하였다.

• Journal of Nutrition and Health
• /
• 제47권2호
• /
• pp.145-156
• /
• 2014

본 연구에서는 영양 식생활 교육자료에 대한 인증 시스템을 개발하기 위하여 2011년 4월부터 10월에 걸쳐 연구를 진행하였다. 문헌고찰, 인터뷰, 자문회의 및 전문가 회의, 설문조사, 공청회 개최 등의 체계적인 연구 절차를 통해 타당성, 신뢰성, 적용가능성을 갖춘 인증 시스템을 개발하고자 하였다. 인증 시스템 개발을 위하여 보건복지부의 우수건강도서, 환경부의 우수환경도서, 교육과학기술부의 우수과학도서, 문화체육관광부의 우수학술도서 및 우수교양도서, 농림수산식품부의 농업교육프로그램, 대한의학회의 건강정보심의인증, 시각장애인연합회의 사용자웹접근성인증, 한국정보화진흥원의 웹접근성품질마크, 문화체육관광부의 데이터베이스품질인증 제도를 분석 참고하였다. 본 연구에서 개발된 영양 식생활 교육자료에 대한 인증 시스템은 제 3자에 의한 인증 시스템으로 운영되며, 이를 위해 인증 운영기관에 인증위원회가 구성되어 인증 전반에 대한 업무를 관장한다. 인증 심사 절차는 신청 및 접수, 자료 정리 및 분류, 1차 심사 (서면평가), 2차 심사 (전체회의), 결과통보의 순으로 진행한다. 인증 심사위원은 3인으로 구성하며, 총 인증 심사기간은 2개월로 하고, 상반기와 하반기로 년 2회 접수를 실시한다. 인증 심사 결과는 적합 또는 부적합으로 평가하며, 최종 인증을 받은 교육자료는 인증서 및 인증마크를 발급받고, 홈페이지, 보도자료 등을 통한 홍보 추진, 공동주관기관을 통한 판촉 및 홍보를 지원하도록 한다. 인증 유효기간은 웹사이트의 경우에만 2년으로 하며, 갱신심사로 기간을 연장할 수 있다. 이상에서 개발된 영양 식생활 교육자료에 대한 인증 제도는 정보에 대한 신뢰성을 높여 교육과 학습에 대한 만족도를 높여줄 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1245-1257
• /
• 2021

세계 최초의 정지궤도 해색관측 위성인 GOCI의 임무를 승계한 천리안위성 2B호의 해양탑재체인 GOCI-II가 2020년 2월 발사되어 같은 해 10월부터 정규 운영되고 있다. 한국해양과학기술원은 실시간 수신한 GOCI-II 원시자료를 Level 1B와 26종 Level 2 산출물로 처리하며, 이 자료들은 국립해양조사원을 통해 서비스된다. 이 논문에서는 정규 운영 1년차의 위성자료 운영 현황을 소개하고, 향후 개선 방향을 제시하고자 하였다. GOCI-II의 기본 해색 산출물인 엽록소 농도, 총 부유물질 농도, 용존유기물 농도 산출물은 OC4, YOC 알고리즘으로 처리 중이며, 그 수식 및 프로세스에 대해 상세 기술하였다. GOCI-II에서 새롭게 추가된 전구 관측은 궤도상 시험운영기간 동안 태양천정각과 sun glint만 고려하여 관측 스케줄이 수립되었으나, 양질의 Level 2 산출물 생산을 위해 조건을 세분화하고 위성 천정각을 추가 고려하여 개선하였다. 그 결과 'Best Ocean'을 만족하는 슬롯의 개수가 15에서 78개로 대폭 증가하고, 'Bad Ocean'에 해당하는 슬롯이 55개에서 13개로 크게 감소하였다. GOCI-II의 산출물의 품질관리를 위해서 유럽우주국에서 정의하는 요구사항을 기반으로 GOCI-II 검보정 요구사항을 제시하였다. 그리고 GOCI 검보정 사이트를 기반으로 하되, 향상된 위성 스펙을 고려하여 지역 관측 검보정을 위한 추가 고정점 검보정 사이트 후보지를 제시하였다. 전구관측 자료의 품질관리는 국내외 해양인프라를 구축하고 있는 한국해양과학기술원의 연구선과 해외 기지를 활용하되, 국외 해역의 현장관측 자료 획득을 위해서는 GOCI-II 국제 검보정 네트워크 구축이 필요할 것으로 판단된다. 이러한 결과는 위성자료 사용자들의 산출물 처리에 대한 이해를 높이고, 향후 위성자료 품질관리 업무 수행 상세계획 수립에 도움이 될 것으로 기대된다.

• 한국지리정보학회지
• /
• 제21권4호
• /
• pp.1-13
• /
• 2018

클라우드 컴퓨팅 서비스 모델 중 하나인 PaaS(Platform as a Service)와 행정안전부 전자정부 표준프레임워크는 모두 웹 서비스 개발자가 개발 목적을 만족하는 핵심 기능 개발에 집중할 수 있도록 기본 공통자원을 제공하기 위한 컴퓨팅 환경이다. 웹 기반 공간정보 서비스를 구축하는 경우에도 이러한 기술들을 사용하면 미들웨어 소프트웨어 또는 플랫폼 공통 기능들을 바로 활용할 수 있다. 그러나 공간정보 서비스 개발 분야에서 이러한 기반 기술들의 적용 가능성을 검토하거나 적용 시스템의 성능을 평가한 연구는 아직 발표된 사례가 없다. 따라서 이번 연구에서는 공간정보 서비스에 대한 적용 가능성을 살펴보고자 성능평가 실험을 수행하였다. 실험 대상 시스템은 OGC WPS 2.0 표준을 적용한 공간영상 정보처리 서비스를 대상으로 하였다. 실험 시스템은 Cloud Foundry 오픈소스를 이용한 PaaS 환경을 구축한 뒤 전자정부 표준프레임워크를 적용한 웹 서비스로 설계, 구축하였다. 실제 성능 평가실험은 영상처리 기능을 PaaS 클라우드 환경에서 구동하는 경우와 PaaS에 전자정부 표준프레임워크를 같이 적용한 경우를 비교하는 방식으로 수행하였다. 실험 조건은 300명과 500명에 해당하는 동시 사용자가 3,600초 동안 이 시스템에 접속하여 정보처리를 요청하고 실험 환경으로 구축한 웹 서비스가 이에 대하여 응답하는 시간을 기록하는 방식으로 하였다. 성능 측정 결과 PaaS 클라우드 환경에서 전자정부 표준프레임워크를 기반으로 시스템 구축하였을 때 성능이 우수한 것을 확인할 수 있었다. 앞으로 공공 부분의 웹 기반 공간정보 응용 서비스 구축에서 PaaS 클라우드 컴퓨팅과 전자정부 표준프레임워크가 중요한 요소가 될 것으로 기대한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권1호
• /
• pp.19-30
• /
• 2023

마이크로 모빌리티 중 하나인 전동킥보드의 이용은 세계적으로 급격히 성장하고 있는 추세이다. 국내에서는 2018년 서울에서 서비스를 시작한 킥고잉을 비롯하여 서울을 포함한 일부 대도시에서 공유킥보드 서비스를 제공하는 업체가 생기면서 전동킥보드의 이용이 크게 증가했다. 하지만, 전동킥보드의 이용은 여전히 주차, 안전에 대한 문제로 인해 논란의 대상이 되고 있다. 이동수단에 대한 인식은 사용자들이 어떤 이동수단을 선택할지에도 영향을 끼치므로 전동킥보드 이용 및 공유킥보드 서비스 활성화를 위해서는 관련 이슈와 그에 대한 대중의 인식을 파악할 필요가 있다. 이에 본 연구에서는 전동킥보드 관련 이슈에 대한 사회적 동향을 파악하는 것을 목표로 시간에 따른 이슈의 변동성을 고려해 동적 토픽 모델링과 감성 분석을 활용하여 2014년에서 2020년까지의 전동킥보드 관련 뉴스 기사를 분석하였다. 토픽 모델링을 통해 마이크로 모빌리티 기술, 공유킥보드 서비스, 킥보드 관련 규제 관련 토픽을 도출하였으며, 공유킥보드 서비스 증가와 함께 안전에 대한 이슈가 크게 불거지면서 킥보드에 대한 규제 관련 토픽의 비중이 최근 들어 크게 증가함을 확인했다. 그뿐만 아니라 감성 분석을 통해 킥보드 관련 뉴스에 주로 등장하는 긍정어는 신속, 즐기다, 손쉽다, 편리 등이 있고 부정어는 위협, 불법, 침해 등으로 나타나 킥보드나 공유킥보드 서비스의 편의성에는 만족하지만, 마이크로 모빌리티 서비스에서 안전, 주차 등의 문제는 여전히 해결해야하는 이슈임을 알 수 있었다. 결론적으로, 본 연구를 통해 전동킥보드에 대한 이슈와 그에 대한 관심과 사회적 감성의 변화를 확인하고 어떤 이슈에 대한 대응이 필요한지 파악할 수 있었다. 이 연구의 분석의 틀은 향후 다양한 사회 현안에 대한 사회적 동향을 파악하고 그에 대한 대응 방안을 마련하는데 활용할 수 있을 것으로 기대된다.

• 한국엔터테인먼트산업학회논문지
• /
• 제13권7호
• /
• pp.99-118
• /
• 2019

본 연구는 1958년부터 2018년까지 60년간 아모레퍼시픽이 발간해온 뷰티매거진 <향장>에 실린 718편의 화장품광고에 나타난 언어메시지를 내용분석하였다. 즉 화장품광고의 언어메시지에 표현된 구매정보, 설득적 표현, 어휘종류(어종)가 시대별, 제품군 별로 어떻게 표현되었는지를 살펴봄으로써 실무적으로는 화장품광고의 전략적 표현에 대한 고찰과 접근방법을 모색하고 학술적으로는 향후 화장품광고의 연구 방향을 제시하고자 하였다. 연구결과는 첫째, 화장품광고의 구매정보는 기본적으로 실속구매나 개인만족 정보를 전달하고 있지만, 최근으로 올수록 브랜드충성 정보의 비중이 높아졌다. 메이크업제품의 경우 계절, 패션 트렌드 등을 강조하는 유행지향의 비중이 높았으나, 2010년대 이후부터는 브랜드충성 구매정보의 비중이 늘었다. 화장품의 글로벌 브랜드 전략이 광고에 적극 반영된 결과로 보인다. 둘째, 설득적 표현은 헤드라인과 바디카피가 다른 양상을 보였다. 먼저 헤드라인은 이미지형성중심 표현이 주로 사용되었다. 구체적으로는, 사용장면이미지 표현이 전반적으로 높게 나타난 가운데 1990년대 이전까지는 사용자이미지 표현이 높았고 최근으로 올수록 상표이미지 표현이 높게 나타났다. 바디카피는 정보전달중심 표현이 주로 사용되었는데, 그 중에서도 보편적 정보와 차별적 정보가 가장 많이 사용되었다. 따라서 화장품광고의 언어메시지는 소구방법을 단순히 이성소구와 감성소구로 나누기보다는 브랜드별로 확립된 이미지를 어떤 정보로 구체화할 것인지를 파악하는 것이 중요하다. 셋째, 어휘종류(어종)는 브랜드네임과 헤드카피로 나누어 살펴보았는데, 브랜드네임은 외래어가, 헤드카피는 한자어의 사용이 가장 높게 나타났다. 단, 1970~80년대에는 고유어 브랜드네임이 일시적으로 많이 나타났는데, 이는 이 시기에 고유어 상표를 권장하는 정부정책이 반영된 결과로 해석된다. 또한 메이크업제품에서는 외래어가, 남성제품에서는 한자어의 사용빈도가 상대적으로 높게 나타났는데, 이는 메이크업 제품의 경우 색상이나 계절을 외래어로 표현하는 경향이 높고, 남성제품은 소비자들의 한자어에 대한 권위나 신뢰의 추구성향이 언어메시지 표현에 반영된 것으로 풀이된다.

• 한국의학물리학회지:의학물리
• /
• 제23권1호
• /
• pp.15-25
• /
• 2012

부피적조절회전방사선치료(VMAT)의 정도관리를 TG-119에서 제시된 권고안을 통해 평가하고자 하였다. 또한 선택적 최적화 변수에 따른 치료계획의 평가와 그에 따른 선량학적 특성을 평가하고자 하였다. Varian사의 iX선형가속기와 Nucletron사의 Oncentra MasterPlan 치료계획장치를 결합하여 VMAT 치료계획을 수립하였다. TG-119에 제시된 5가지의 구조세트를 이용하여 아크 수, 겐트리 간격, 치료 시간 등의 선택적 최적화 변수(selectable optimization parameters)를 변화하여 치료 계획의 평가와 선량검증을 통해 정확성을 평가하였다. 치료계획의 평가는 선량체적히스토그램을 이용하여 표적과 위험장기의 평균값과 표준편차를 이용하였으며 선량검증은 이온 전리함과 $Delta^{4PT}$ bi-planar diode array를 이용하였다. 치료계획의 평가에서 싱글 아크의 경우 C-shape (hard)를 제외한 다른 구조세트에서 목표한 선량에 근접하는 결과를 보였으며 듀얼 아크의 경우에는 C-shape (hard)를 제외한 다른 구조세트에서 제시한 목표 선량에 도달하였다. 또한 선택 변수에 대한 평가에서는 전립선과 같은 간단한 구조 세트에서는 아크 수에 따른 치료계획의 차이는 거의 나타나지 않았으나, 두경부와 같은 복잡한 구조에서는 듀얼 아크가 위험장기에 대하여 좀 더 우수한 결과를 나타내었다. 겐트리 간격의 크기 변화에 의한 선량분포는 $6^{\circ}$에 비해 $4^{\circ}$의 겐트리 간격이 우수하였으나 $2^{\circ}$ 간격과는 거의 차이가 없었다. 점선 량의 정확성 평가에서는 표적과 위험장기에 대한 점선량의 측정값과 계산값의 평균오차는 싱글 아크와 듀얼 아크 모두 3% 이내였으며, 신뢰구간은 싱글아크와 듀얼 아크가 4% 내로 허용범위 안에 포함되었다. 겐트리 간격의 크기에 따른 점선량의 정확성 평가에서는 $2^{\circ}$, $4^{\circ}$, $6^{\circ}$ 모두 3% 이내였으며, 표적과 위험장기에 대한 신뢰한계(Confidence limit)는 5% 내로 허용범위 안에 포함되었다. $Delta^{4PT}$를 이용한 싱글 아크와 듀얼 아크의 선량분포 측정에서는 허용기준 3 mm/3%를 통과하는 감마인덱스는 평균 $98.72{\pm}1.52%$와 $98.30{\pm}1.50%$이었으며 신뢰한계는 2.99%와 3.74%로 허용범위 내에 포함되었다. 겐트리 간격의 크기에 따른 선량의 정확성은 간격이 적을수록 우수한 결과를 나타냈다. 본 연구에서는 VMAT의 정도관리를 TG-119에서 제시된 시험을 수행하였으며 제시된 모든 구조 세트에 대하여 허용기준을 모두 만족하였다. 또한 사용자가 선택할 수 있는 최적화 변수의 변화에 대한 치료계획과 선량학적 영향을 분석하였으며 각 상황에 따른 임상적 특성에 맞는 변수를 선택하는 것이 중요하다고 사료된다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.