• Journal of KIISE:Computer Systems and Theory
• /
• v.28 no.3
• /
• pp.161-172
• /
• 2001

본 논문에서는 분산 실시간 시스템에서 공유되는 자원들에 대한 실시간적 특성을 분석하고, 태스크가 이들 자원을 요청했을 때, 봉쇄시간을 예측하는 자원 관리자를 제안한다. 분산 환경에서, 우리는 봉쇄의 주요 원인인 우선순위 역전 문제와 함께 원격 봉쇄의 문제점을 고려해야 한다. 본 논문에서 우선 순위 역전 문제는 동기 프로토콜로 잘 알려진 Priority Ceiling Protocols(PCP)를 사용하여 해결하였다. 또한, 원격 봉쇄의 문제에 대해서는, 전역자원을 다른 지역자원들 보다 우선적으로 수행함으로써 원격 태스크들로 인한 봉쇄시간을 예측할 수 있도록 하였다. 본 논문의 자원 관리자는 할당된 자원과 태스크들의 관계 목록을 이용하여, 요청된 자원의 상태에 따른 봉쇄요인을 분석하고, 그 결과로 태스크가 자원 수행을 마칠 때까지 소요되는 봉쇄시간의 상한값을 결정한다. 또한, 이러한 상한값의 타당성을 수학적으로 증명하였다.

• The Science & Technology
• /
• v.33 no.1 s.368
• /
• pp.80-81
• /
• 2000

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 1999.10a
• /
• pp.61-62
• /
• 1999

오존은 낮동안 일출이 시작되면서 광화학반응을 통하여 생성되며, 또한 혼합층고도의 발달과 함께 강부에 존재하는 오존이 아래로 유입되어 지표부근 오존농도에 영향을 준다. 야간에는 오존농도가 점차 파괴되는데 역전층 상부의 오존농도는 오존의 저수지 역할을 하여 연직적인 오존농도 분포에 영향을 미친다. 따라서 서울시 오존의 생성 및 소멸에 관련된 정확한 원인을 밝히는 데에는 혼합층고도 및 역전층의 발달과정에 따른 오존농도의 연직분포를 고찰하여 오존농도의 거동을 시ㆍ공간적으로 파악할 필요가 있다.(중략)

• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.393-396
• /
• 2004

본 논문에서는 선박의 소음을 이용한 선박의 위치추적 및 지음향학적 인자의 역산 기법을 제안하였다. 예인 수평선배열에 의해 계측된 선박의 소음을 시간역전시켜(time reversed) 역전파(back propagation)시킨 음파는 해당 해양환경과 동일한 경우 원래의 음원 즉 선박의 위치에 가장 큰 에너지가 집중된다. 이러한 역전파된 신호의 집중 정도를 이용하여 음원의 위치 및 해양환경(특히 지음향학적 환경) 정보를 추정하였다. 본 역산에서 사용된 목적함수는 정합임펄스응답필터를 사용하여 음원의 위치에 집중된 정규화된 파워로 정의되었다. 최적화 알고리즘으로 유전알고리즘과 Powell 방법이 함께 사용되었다. 제안된 기법을 Elba섬 근해에서 실시된 MAPEX 2000 실험 데이터에 적용한 후 그 결과를 본 논문에서 제시하였으며 그 효용성을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10a
• /
• pp.659-662
• /
• 2001

본 논문은 실시간 운영체제에서 높은 우선순위를 가지는 태스크가 낮은 우선순위를 가지는 태스크가 사용중인 공유자원을 기다리는 과정에서 발생하는 우선순위 역전현상을 해결하기 위한 효과적인 방법에 대해 언급한다. 우선순위 역전현상은 실시간 운영체제의 주요 특징인 태스크 수행 완료의 바운드 타임을 예측하기 어렵게 만들어 실시간 운영체제를 사용하는 가장 큰 목적인 결정성(determinism)을 보장 받지 못하게 된다. 이를 해결하기 위해 논문에서 구현된 커널은 비교적 크기가 작으면서도 실시간 운영체제의 핵심적 특징을 잘 갖추고 있는 uCOS(Micro C/OS) 커널을 사용하였으나, 유일한 우선순위만을 갖는 uCOS의 제약사항을 보완하고 Priority Inheritance protocol을 이용한 MuTexS (Mutual Exclusion Semaphore)를 구현 하기위해 커널의 자료구조를 확장하여 수정된 스케줄링 방식을 사용하였다.

• The KIPS Transactions:PartA
• /
• v.13A no.5 s.102
• /
• pp.405-412
• /
• 2006

Real-time operating systems have been used in various computing environments, where a job must be completed in its deadline, with various conditions, such as effective scheduling policies, the minimum of an interrupt delay, and the solutions of priority inversion problems, that should be perfectly satisfied to design and develop optimal real-time operating systems. Up to now, in order to solve priority inversion problems among several those conditions. There have been two representative protocols: basic priority inheritance protocol and priority ceiling emulation protocol. However, these protocols cannot solve complicated priority inversion problems. In this paper, we design a protocol, called recursive priority inheritance (RPI), protocol that effectively solves the complicated priority inversion problems. Our proposed protocol is also implemented in the Linux kernel and is compared with other existing protocols in the aspect of qualitative analysis.

• Journal of the Korean Data and Information Science Society
• /
• v.9 no.2
• /
• pp.345-355
• /
• 1998

The back propagation(BP) algorithm allows multilayer feedforward neural networks to learn input-output mappings from training samples. It iteratively adjusts the network parameters(weights) to minimize the sum of squared approximation errors using a gradient descent technique. However, the mapping acquired through the BP algorithm may be corrupt when errorneous training data are employed. In this paper two types of robust backpropagation algorithms are discussed both from a theoretical point of view and in the case studies of nonlinear regression function estimation and handwritten Korean character recognition. For future research we suggest Bayesian learning approach to neural networks and compare it with two robust backpropagation algorithms.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 1999.05a
• /
• pp.370-374
• /
• 1999

The proposed algorithm used the Hybrid teaming rule in the input and hidden layer, and Back-Propagation teaming rule in the hidden and output layer. From the results of simulation of tracking control with one link manipulator as a plant, we verify the usefulness of the proposed control method to compare with common direct adaptive neural network control method; proposed hybrid teaming rule showed faster loaming time faster settling time than the direct adaptive neural network using Back-propagation algorithm. Usefulness of the proposed control method is that it is faster the learning time and settling time than common direct adaptive neural network control method.

• Proceedings of the KIEE Conference
• /
• 2001.11c
• /
• pp.431-434
• /
• 2001

단층 퍼셉트론이 처음 개발되었을 때, 간단한 패턴을 인식하는 학습 기능을 가지고 있기 장점 때문에 학자들의 관심을 끌었다. 단층 퍼셉트론은 한 개의 소자를 이용해서 이진 논리를 가중치(weight)의 변경만으로 모두 표현할 수 있는 장점 때문에 영상처리, 패턴인식, 장면인식 등에 이용되어 왔다. 최근에, 역전파학습(Back-Propagation Learning)알고리즘이 이진 공간내의 매핑 문제에 적용되고 있다. 그러나, 역전파 학습알고리즘은 연속공간 내에서 긴 학습시간과 비효율적인 수행의 문제를 가지고 있다. 일반적으로 역전파 학습 알고리즘은 간단한 이진 공간에서 매핑하기 위해서 많은 반복과정을 요구한다. 역전파 학습 알고리즘에서는 은닉층의 뉴런의 수는 주어진 문제를 해결하기 위해서 우선순위(prior)를 알지 못하기 때문에 입력층과 출력층내의 뉴런의 수에 의존한다. 따라서, 3층 신경회로망의 적용에 있어 가장 중요한 문제중의 하나는 은닉층내의 필요한 뉴런수를 결정하는 것이고, 회로망 합성과 가중치 결정에 대한 적절한 방법을 찾지 못해 실제로 그 사용 영역이 한정되어 있었다. 본 논문에서는 패턴 분류를 위한 새로운 학습방법을 제시한다. 훈련입력의 기하학적인 분석에 기반을 둔 이진 신경회로망내의 은닉층내의 뉴런의 수를 자동적으로 결정할 수 있는 NETLA(Newly Expand and Truncate Learning Algorithm)라 불리우는 기하학적 학습알고리즘을 제시하고, 시뮬레이션을 통하여, 제안한 알고리즘의 우수성을 증명한다.

• The KIPS Transactions:PartB
• /
• v.9B no.5
• /
• pp.673-680
• /
• 2002

This paper proposes a method for detecting edge using an evolutionary programming and a momentum back-propagation algorithm. The evolutionary programming does not perform crossover operation as to consider reduction of capability of algorithm and calculation cost, but uses selection operator and mutation operator. The momentum back-propagation algorithm uses assistant to weight of learning step when weight is changed at learning step. Because learning rate o is settled as less in last back-propagation algorithm the momentum back-propagation algorithm discard the problem that learning is slow as relative reduction because change rate of weight at each learning step. The method using EP-MBP is batter than GA-BP method in both learning time and detection rate and showed the decreasing learning time and effective edge detection, in consequence.