• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.1956-1957
• /
• 2007

본 논문에서는 모델기반의 제어기 설계 프로그램인 National Instruments(NI)사의 System Identification Toolkit과 Control Design Toolkit, Simulation module을 사용하여 기존의 제어기 설계방식 보다 쉽고 편리하게 제어기를 설계할 수 있었다. 직류전동기의 속도 제어시스템을 구현하기 위해서 하드웨어는 NI사에서 제공하는 실시간 제어기(Real-Time Controller:RT) CompactRIO를 사용하였다. 먼저는, 테스트 입력 신호를 전동기에 인가하고 얻은 출력신호를 통해 제어대상 플랜트인 직류전동기 구동시스템의 전달함수를 구할 수 있었다. 다음으로는 원하는 제어응답성능을 갖는 극점, 영점 제어기를 설계한 후, 모의실험을 통해 속도제어응답을 확인할 수 있었고, 실시간프로그램으로 다운로드하여 실제 전동기 구동시스템의 실험을 통해서 설계된 속도제어기의 응답 결과를 모의실험과 비교하여 검증하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.237-239
• /
• 1998

CSCW 지원 도구에서 접근제어 정보의 효과적 관리는 매우 중요하다. 이는 접근제어가 관리 비용이 많이 들고, 에러가 발생하기 쉬운 경향이 있기 때문이다. 접근 제어 모델 중 ACL 은 다양한 시스템에서 사용되고 있으나 많은 문제점을 내포하고 있기에 이를 개선한 RBAC 모델이 대두되고 있다. 하지만 다양한 공동 작업 환경의 경우, 역할에 속한 사용자들의 집합이 아니라 특별한 개별 사용자 집합에 의한 작업이 요구될 수도 있다. 따라서 CSCW 환경에서는 사용자 그룹기반의 접근제어 모델과 역할기반의 접근제어 모델을 혼합한 형태의 새로운 접근제어 모델이 필요하다. 본 연구에서는 이러한 요구사항을 만족시키기 위해서 역할기반 접근제어 모델과 사용자 기반 접근제어 모델을 혼합한 형태의 접근제어 모델을 제안한다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.561-564
• /
• 2011

다양한 공학/산업적 측면에서 동적 취성 파괴 현상은 매우 중요하다. 취성 균열은 다른 균열 전파에 비해 그 전파 속도가 매우 빠르고 전파 범위가 넓기 때문에 대규모의 파괴 현상을 일으킨다. 동적 전파 중인 취성 균열 거동을 모델화하기 위해 오랜 기간 동안 많은 연구가 진행되었지만, 여전히 많은 부분들이 해석되지 못한 채 남아있다. 특히 균열 생성 및 전파를 위해 인위적인 조건들을 도입해야 하는 것은 기존 방법론들이 가지는 공통적인 문제점이다. 본 연구는 peridynamics를 동적 분기 균열 문제 해석에 도입한다. Peridynamics는 전통적인 연속체 이론에 기반한 수치해석 모델화 기법으로 균열과 같은 비연속성이 있는 문제의 모델화에 강점이 있으며, 인위적인 조건 없이 매우 간단한 방법으로 파괴 현상을 해석할 수 있다. 본 연구에서는 peridynamics 모델이 실험적으로 관측된 분기균열 형상과 균열 전파 속도를 매우 잘 예측해 낼 수 있음을 보인다. 또한 균열팁 주변에 높은 응력이 발생할 때 나타나는 연쇄 분기 현상도 해석할 수 있다. 이와 같은 연구를 통해 응력파가 균열 전파 속도를 변화시키고 전파 방향에도 영향을 주는 것을 알 수 있었다. 수치해석 결과도 또한 실험 결과들과 잘 부합함을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.645-647
• /
• 2022

최근 딥러닝 기반의 이미지 분류는 다양한 산업과 서비스에서 활용되고 있으며, 이미지 인식을 통한 다양한 테스트가 SNS를 통해 인기를 끌고 있다. CNN은 대표적인 이미지 분류를 위한 신경망 모델로 본 연구에서는 사진속의 얼굴에 대해 동물상 인식을 위하여 동물 얼굴 이미지 및 각 동물상을 대표하는 연예인의 이미지를 수집하고, CNN 기반의 동물상 인식 모델을 구현하였다.

• 재활복지
• /
• v.21 no.3
• /
• pp.129-146
• /
• 2017

In an event of an emergency, such as fire in a building, visually impaired and blind people are prone to exposed to a level of danger that is greater than that of normal people, for they cannot be aware of it quickly. Current fire detection methods such as smoke detector is very slow and unreliable because it usually uses chemical sensor based technology to detect fire particles. But by using vision sensor instead, fire can be proven to be detected much faster as we show in our experiments. Previous studies have applied various image processing and machine learning techniques to detect fire, but they usually don't work very well because these techniques require hand-crafted features that do not generalize well to various scenarios. But with the help of recent advancement in the field of deep learning, this research can be conducted to help solve this problem by using deep learning-based object detector that can detect fire using images from security camera. Deep learning based approach can learn features automatically so they can usually generalize well to various scenes. In order to ensure maximum capacity, we applied the latest technologies in the field of computer vision such as YOLO detector in order to solve this task. Considering the trade-off between recall vs. complexity, we introduced two convolutional neural networks with slightly different model's complexity to detect fire at different recall rate. Both models can detect fire at 99% average precision, but one model has 76% recall at 30 FPS while another has 61% recall at 50 FPS. We also compare our model memory consumption with each other and show our models robustness by testing on various real-world scenarios.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04a
• /
• pp.826-828
• /
• 2004

XML은 기존의 HTML과 SGML의 단정을 보안한 마크업 언어로써, 큰 대역폭, 많은 메모리 양, 높은 CPU속도를 가지는 유선 환경에서부터 저 대역폭, 적은 메모리 양, 낮은 CPU속도를 가지는 모바일 장치까지 사용이 확대되어 지고 있다. 현재 모바일에서 사용되는 XML 파서중에서는 PULL 모델 기반 Kxml파서[1]만이 모바일 장치를 고려한 파서이다. 모바일 장치에서 XML의 많은 사용을 위해서는 저메모리를 사용하여 빠른 파서에 대한 연구가 필요하다. 본 논문에서는 piccolo 파서에서 사용한 Parser generator tool 인 JFlex를 사용하고, 파싱 모델 중 가장 빠르고 저 메모리를 사용하는 Pull 모델을 적용함으로써, 빠른 Token 추출과 이벤트 형 정의를 통해 좀더 빠른 XML 파서를 제안하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.389-392
• /
• 2021

문장 압축은 원본 문장의 중요한 의미를 보존하는 짧은 길이의 압축 문장을 생성하는 자연어처리 태스크이다. 문장 압축은 사용자가 텍스트로부터 필요한 정보를 빠르게 획득할 수 있도록 도울 수 있어 활발히 연구되고 있지만, 기존 연구들은 사람이 직접 정의한 압축 규칙이 필요하거나, 모델 학습을 위해 대량의 데이터셋이 필요하다는 문제점이 존재한다. 사전 학습된 언어 모델을 통한 perplexity 기반의 문장 점수 측정을 통해 문장을 압축하여 압축 규칙과 모델 학습을 위한 데이터셋이 필요하지 않은 연구 또한 존재하지만, 문장 점수 측정에 문장에 속한 단어들의 의미적 중요도를 반영하지 못하여 중요한 단어가 삭제되는 문제점이 존재한다. 본 논문은 언어 정보 중 품사 정보, 의존관계 정보, 개체명 정보의 중요도를 수치화하여 perplexity 기반의 문장 점수 측정에 반영하는 방법을 제안한다. 또한 제안한 문장 점수 측정 방법을 활용하였을 때 문장 점수 측정 기반 문장 압축 모델의 문장 압축 성능이 향상됨을 확인하였으며, 이를 통해 문장에 속한 단어의 언어 정보를 문장 점수 측정에 반영하는 것이 의미적으로 적절한 압축 문장을 생성하는 데 도움이 될 수 있음을 보였다.

• Journal of Internet Computing and Services
• /
• v.22 no.2
• /
• pp.59-68
• /
• 2021

As artificial intelligence(AI) technologies, which have made rapid growth recently, began to be applied to the marine environment such as ships, there have been active researches on the application of CNN-based models specialized for digital videos. In E-Navigation service, which is combined with various technologies to detect floating objects of clash risk to reduce human errors and prevent fires inside ships, real-time processing is of huge importance. More functions added, however, mean a need for high-performance processes, which raises prices and poses a cost burden on shipowners. This study thus set out to propose a method capable of processing information at a high rate while maintaining the accuracy by applying Quantization techniques of a deep learning model. First, videos were pre-processed fit for the detection of floating matters in the sea to ensure the efficient transmission of video data to the deep learning entry. Secondly, the quantization technique, one of lightweight techniques for a deep learning model, was applied to reduce the usage rate of memory and increase the processing speed. Finally, the proposed deep learning model to which video pre-processing and quantization were applied was applied to various embedded boards to measure its accuracy and processing speed and test its performance. The proposed method was able to reduce the usage of memory capacity four times and improve the processing speed about four to five times while maintaining the old accuracy of recognition.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1946-1947
• /
• 2011

본 논문은 파라미터의 불확실성을 포함한 비선형 무인 잠수정(autonomous underwater vehicles: AUVs)의 속도 제어를 위한 강인 퍼지 제어기를 제안한다. 효율적이고 안정적인 접근을 위해 불확실성을 포함한 비선형 무인 잠수정의 속도 시스템은 타카기-수게노(Takagi-Sugeno: T-S) 퍼지 모델로 표현된다. 리아푸노프(Lyapunov) 안정도 이론을 이용하여, 무인 잠수정의 제어 성능을 보장하는 선형 행렬 부등식(linear matrix inequality: LMI) 형태의 제어기 설계 조건을 유도한다. 제안된 강인 속도 제어기 성능의 유효성을 검증하기 위해 모의실험을 수행한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.189-192
• /
• 2021

This study applies a deep learning-based long short-term memory(LSTM) model to track tracking technology. In the case of existing track tracking technology, the weight of constant velocity, constant acceleration, stiff turn, and circular(3D) flight is automatically changed when tracking track in real time using LMIPDA based on Kalman filter according to flight characteristics of an aircraft such as constant velocity, constant acceleration, stiff turn, and circular(3D) flight. In this process, it is necessary to improve performance of changing flight characteristic weight, because changing flight characteristics such as stiff turn flight during constant velocity flight could incur the loss of track and decreasing of the tracking performance. This study is for improving track tracking performance by predicting the change of flight characteristics in advance and changing flight characteristic weigh rapidly. To get this result, this study makes deep learning-based Long Short-Term Memory(LSTM) model study the plot and target of simulator applied with radar error model, and compares the flight tracking results of using Kalman filter with those of deep learning-based Long Short-Term memory(LSTM) model.