• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10a
• /
• pp.577-579
• /
• 1998

지상파, 케이블, 위성 등의 기존 방송망을 이용하여, 사용자의 부합하는 데이터를 전송하는 데이터 방송 기법에 대한 연구와 표준화 작업이 활발하게 진행 중이다. 우리나라의 경우, 무궁화 위성을 이용한 부가 데이터 방송을 구현하고자 연구중이다. 데이터 방송시 데이터 전송 기법에는 데이터 스트리인(data streaming). 데이터 파이핑(data piping),데이터 캐루셀(data carousel)등이 제안되고 있다. 본 논문에서는 표준화 단체인 DVB에서 정의하고 있는 데이터 전송 기법에 대한 소개와, 함께, 데이터 캐루셀을 이용한 데이터 방송 구현에 필요한 소프트웨어 설계와 실제 구현에 관한 내용을 담고 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07a
• /
• pp.316-318
• /
• 2005

본 논문에서는 자동차 관리 및 진단, 차량 편의시설 제어 등의 보다 향상된 텔레매틱스(Telematics) 서비스 제공을 위해 자동차 내의 네트워크과 사용자의 모바일 단말기 및 외부 서비스 망에 접속한다. 텔레매틱스 응용 서비스 구현을 지원하는 소프트웨어 플랫폼이 내장된 텔레매틱스 서비스 게이트웨이를 설계 구현한다. 제안되는 텔레매틱스 서비스 게이트웨이는 리눅스 플랫폼 상에서 CAN(Controller Area Netwrok) 버스, 블루투스, CDMA 모듈 및 GPS 등이 탑재되고, 일관된 텔레매틱스 응용 서비스 구현 및 개발을 위한 소프트웨어 플랫폼을 제공한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.899-902
• /
• 2021

본 논문은 이미지 저작권 유무 판별을 분류 문제로 정의하고 기계학습과 합성곱 신경망 모델을 적용하여 해결한다. 학습을 위해 입력 데이터를 고정된 크기로 변환하고 정규화 과정을 수행하여 학습 데이터셋을 준비한다. 저작권 유무 판별 실험에서 SVM, k-NN, 랜덤포레스트, VGG-Net 모델의 분류 성능을 비교 분석한다. VGG-Net C 모델의 결과가 다른 알고리즘과 비교 시 10.65% 높은 성능을 나타냈으며 배치 정규화 층을 이용하여 과적합 현상을 개선했다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.25-27
• /
• 2002

전자상거래의 효율을 도모하기 위하여 사용되어졌던 XML/EDl이 WEB을 이장한 ebXML로 옮겨가고 있다. ebXML Registry/Repository를 의료망에 이용하면 완자의 수고를 덜 수 있을 뿐만 아니라 의료기술, 신장비 등을 거래 할 수 있다. 본 논문에서는 현재 각 병원에서 구축되어진 전산망을 전제로 ebXML Registry/Repository를 이용하여 두 병원 간에 문서교환, 신기술, 의료장비 거래를 가능하게 하고자 한다. 이를 위해서 ebXML을 분석하고 그에 맞는 ebXML Registry/Repository를 설계하였다. 인터넷을 기반으로 한 본 시스템은 별도의 소프트웨어나 프로세스를 강요하지 않는다. 그럼으로써 환자들의 수고를 덜고 비용을 줄이는데 기여한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10d
• /
• pp.376-380
• /
• 2007

본 논문은 산업용으로 널리 사용되고 있는 DNP3.0(Distributed Network Protocol)과 국가 긴급 재난망으로 사용되고 있는 TETRA(Terrestrial Trunked Radio)간의 소프트웨어 및 하드웨어 인터페이스를 정의하였다. 전재 사용중인 DNP3.0의 전송 방식의 문제점을 살펴보고, 이에 대한 해결방안으로써 TETRA를 제안함으로써 좀 더 안정적인 데이터의 전송과 TETRA 망의 이용 극대화를 이룰 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.785-788
• /
• 2004

인터넷의 범주는 기존의 유선망에 국한하지 않고 무선망에서도 영향력을 넓혀 가고 있다. 그런 상황에서 유선 인터넷에서 나타난 유해정보의 무분별한 유입에 대한 문제들이 무선 인터넷으로 확산되고 있다. 인터넷 내용선별 체계(Platform for Internet Content Selection: PICS)는 인터넷 컨텐츠를 선별적으로 달 수 있게 해주는 기반구조로서, 선별 소프트웨어와 등급 서비스들 간에 잘 동작할 수 있게 도와주는 기술규격이다. 그러나 기존 PICS 관련기술들은 유선 환경만을 언급하고 있기 때문에 무선 환경에 맞는 내용선별 기술이 필요하다. 따라서 우리는 사전 연구를 통해 무선 환경에 PICS를 적용할 수 있다는 것을 보였고 이론적인 도입 방안을 제시하였다. 본 논문에서는 무선 인터넷 서비스 환경에서 PICS 도입을 위해 고려해야할 사항을 살펴보고 사전 연구를 통해 제시된 방안을 구현함으로서 검증한다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.13 no.4
• /
• pp.881-886
• /
• 2018

Over the last several decades, the advances in computer engineering technology have led a new paradigm of data-intensive research in the field of scientific applications. A collaborative work environment for storing, sharing and analyzing data is required for researchers of geographical distance. The Korean government supports the Research & Education network(KREONET) and the Global Science experimental Data hub Center(GSDC) to strengthen the nation's competitiveness. The KREONET has upgraded its backbone to 100Gbps to accommodate demand to transfer data fast among the global major experimental sites. This paper introduces the test result between high performance nodes reserved for big data transfer.

• KIPS Transactions on Software and Data Engineering
• /
• v.6 no.12
• /
• pp.573-580
• /
• 2017

Deep Neural Network (DNN) is a large layered neural network which is consisted of a number of layers of non-linear units. Deep Learning which represented as DNN has been applied very successfully in various applications. However, many issues in DNN have been identified through past researches. Among these issues, generalization is the most well-known problem. A Recent study, Dropout, successfully addressed this problem. Also, Dropout plays a role as noise, and so it helps to learn robust feature during learning in DNN such as Denoising AutoEncoder. However, because of a large computations required in Dropout, training takes a lot of time. Since Dropout keeps changing an inter-layer representation during the training session, the learning rates should be small, which makes training time longer. In this paper, using mutation operation, we reduce computation and improve generalization performance compared with Dropout. Also, we experimented proposed method to compare with Dropout method and showed that our method is superior to the Dropout one.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.10 no.4
• /
• pp.527-532
• /
• 2015

In domestic island regions, the power supply generally depends on diesel generators due to difficulties of grid connection. To solve this issue, recently, the study on the stand-alone microgrid technology and its test are being actively conducted. In this paper, we propose the stand-alone microgrid integration monitoring system for energy independence island. First, we design the software architecture for monitoring of solar, wind, diesel power generation facilities, transmission and distribution of grid network, and energy storage system. Then, we implement the monitoring software that allows administrators to identify and run the monitoring software easily.

• Journal of KIISE:Software and Applications
• /
• v.27 no.12
• /
• pp.1202-1210
• /
• 2000

본 논문에서는 효과적인 앙상블 머신의 구축을 위한 새로운 방안을 제시한다. 효과적인 앙상블의 구축을 위해서는 앙상블 멤버들간의 상관관계가 아주 낮아야 하며 또한 각 앙상블 멤버들은 전체 문제를 어느 정도는 정확하게 학습하면서도 서로들간의 불일치 하는 부분이 존재해야 한다는 것이 여러 논문들에 발표되었다. 본 논문에서는 주어진 문제의 다양한 면을 학습한 다수의 앙상블 후보 네트웍을 생성하기 위하여 건설적 학습 알고리즘과 능동 학습 알고리즘을 결합한 형태의 신경망 학습 알고리즘을 이용한다. 이 신경망의 학습은 최소 은닉 노드에서 최대 은닉노드까지 점진적으로 은닉노드를 늘려나감과 동시에 후보 데이타 집합에서 학습에 사용할 훈련 데이타를 점진적으로 선택해 나가면서 이루어진다. 은닉 노드의 증가시점에서 앙상블의 후부 네트웍이 생성된다. 이러한 한 차례의 학습 진행을 한 chain이라 정의한다. 다수의 chain을 통하여 다양한 형태의 네트웍 크기와 다양한 형태의 데이타 분포를 학습한 후보 내트웍들이 생성된다. 이렇게 생성된 후보 네트웍들은 확률적 비례 선택법에 의해 선택된 후 generalized ensemble method (GEM)에 의해 결합되어 최종적인 앙상블 성능을 보여준다. 제안된 알고리즘은 한개의 인공 데이타와 한 개의 실세계 데이타에 적용되었다. 실험을 통하여 제안된 알고리즘에 의해 구성된 앙상블의 최대 일반화 성능은 다른 알고리즘에 의한 그것보다 우수함을 알 수 있다.