• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04a
• /
• pp.373-375
• /
• 2002

리눅스 컴퓨터 시스템에 실시간 웅용프로그램들을 실행할 경우, 실시간 응용프로그램 자체의 내부나 하부에 실시간 시스템 지원을 위한 엔진을 내장하고 있어야 만다. 그러나 기존의 리눅스 시스템들에 실시간 웅용프로그램을 적용하기 위만 실시간성을 보장 받기 위해서는 스케줄러의 실시간성 빈약 등으로 인해 운영체제의 수정이 불가피한 상황이다. 또한 운영체제의 수정은 호환성의 결여라는 문제를 야기시킨다. 이를 위해 사용하는 방식이 Middleware 방식이다. 실시간 시스템 지원 Middleware 는 운영체제와 실시간 지원 응용프로그램 사이에 위치하여 운영체제 자제가 가지고 있는 부족한 실시간성을 보완하여 주고, 응용프로그램이 적절하고 효과적으로 시스템 서비스들을 이용할 수 있게 해준다. 본 논문에서는 Middleware가 부족간 실시간성을 보완하기 위하여 사용할 수 있는 Middleware 스케줄러의 방식에 대하여 논하고, 효율적인 설계방식을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04a
• /
• pp.163-165
• /
• 2004

임베디드 시스템에 사용되는 실시간 운영체제는 한정된 자원의 효율적인 관리가 필수적이다. 특히, 메모리는 운영체제의 실행에 있어서 꼭 필요한 자원으로써, 메모리 관리 기법은 시스템의 성능에 영향을 미칠 수 있기 때문에 실시간 운영체제뿐만 아니라 범용 운영체제에서도 매우 중요하게 다루어지고 있다. 본 논문은 실시간 운영체제에서 발생할 수 있는 메모리 누수 문제를 최소화하기 위한 기법을 설계 및 구현하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10c
• /
• pp.814-816
• /
• 2001

최근 정보 통신 기술의 발전에 따라 음성 서비스 등과 같은 단일 서비스를 제공하던 무선 통신망이 음성, 데이터, 고화질 정지화면, 동영상 및 다양한 정보형태의 멀티미디어 데이터 서비스를 추구하고 있다. 효율적인 실시간 멀티미디어 데이터 전송을 위해서는 실시간 데이터의 지연한계를 보장하고 비 실시간 멀티미디어 데이터들의 데이터 손실을 최소화해야 한다. 무선 ATM망은 기본적으로 ATM 전송방식을 사용하고 있지만 유선 ATM망에 비해 제한된 대역폭파 높은 전송지연, 비트 에러율과 이동성이라는 특수성을 고려하여 유선 ATM망과 많은 차이가 있다. 무선 ATM망에서 실시간 멀티미디어 데이터 서비스 전송을 위한 스케줄링 방법으로 유선 ATM망에서 실시간 멀티미디어 데이터 서비스를 위해 적용되는 TCRM(Traffic-Controlled Rate Monotonic Priority scheduing)정책을 Uplink 와 Downlink 시 각각 다른 방법으로 적용하여 실시간 멀티미디어 데이터 전송 스케줄링 정clr을 제안하고, 예약버퍼(reservation buffer) 와 임의의 전송 속도 P$_{k}$ 를 사용하여 TCRM의 단점인 비 실시간 데이터에 대한 비효율성 문제 해결안을 제시한다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.06a
• /
• pp.135-140
• /
• 2007

이탈 고객 예측은 데이터 마이닝에서 다루는 주요한 문제 중에 하나이다. 이탈 고객 예측은 일종의 분류(classification) 문제로 의사결정나무추론, 로지스틱 회귀분석, 인공신경망 등의 기법이 많이 활용되어왔다. 일반적으로 이탈 고객 예측을 위한 모델은 고객의 인구통계학적 정보와 계약이나 거래 정보를 입력변수로 하여 이탈 여부를 목표변수로 보는 형태로 분류 모델을 생성하게 된다. 본 연구에서는 고객과의 지속적인 접촉으로 발생되는 추가적인 사건 정보를 활용하여 연관성 규칙을 생성하고 이 결과를 기존의 방식으로 생성된 분류 모델과 결합하는 이탈 고객 예측 방법을 제시한다. 제시한 방법의 유용성을 확인하기 위해서 특정 국내 신용카드사의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 제시된 방법이 기존의 전통적인 분류 모델에 비해서 향상된 성능을 보이는 것을 확인할 수 있었다. 제시된 예측 방법의 장점은 기존의 이탈 예측을 위한 입력 변수들 이외에 고객과 회사간의 접촉을 통해서 생성된 동적 정보들을 통합적으로 활용하여 예측 정확도를 높이고 실시간으로 이탈 확률을 갱신할 수 있다는 점이다.

• Journal of KIISE:Computer Systems and Theory
• /
• v.31 no.10
• /
• pp.562-574
• /
• 2004

We address the problem of energy-optimal voltage scheduling for fixed-priority hard real-time systems. First, we prove that the problem is NP-hard. Then, we present a fully polynomial time approximation scheme (FPTAS) for the problem. for any $\varepsilon$>0, the proposed approximation scheme computes a voltage schedule whose energy consumption is at most (1+$\varepsilon$) times that of the optimal voltage schedule. Furthermore, the running time of the proposed approximation scheme is bounded by a polynomial function of the number of input jobs and 1/$\varepsilon$. Experimental results show that the approximation scheme finds more efficient voltage schedules faster than the best existing heuristic.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.10 no.4
• /
• pp.157-162
• /
• 2010

The cart-pole balancing problem is a pseudo-standard benchmark problem from the field of control methods including genetic algorithms, artificial neural networks, and reinforcement learning. In this paper, we propose a novel approach by using online reinforcement learning(OREL) to solve this cart-pole balancing problem. The objective is to analyze the learning method of the OREL learning system in the cart-pole balancing problem. Through experiment, we can see that approximate faster the optimal value-function than Q-learning.

• Annual Conference of KIPS
• /
• 2001.10a
• /
• pp.631-634
• /
• 2001

가상 현실이나 게임 제작 분야에서는 움지임에 따른 변형을 실시간으로 처리하는 것이 요구되고 있다. 변형 처리를 위한 일반적인 모델은 질량-스프링(mass-spring) 방법을 이용한 것으로, 그 구현이 쉽고 처리 속도가 빨라 대화형 시스템(interactive system)에서 실시간 처리를 위한 모델로 주목되고 있다. 반면에, 이 모델은 외부의 제어에 대하여 super-elastic한 문제를 내포하여 그 적용이 제한되어 있다. 본 논문에서는 스프링 모델의 근본적인 문제인 super-elastic 문제를 극복하기 위한 근사 방법을 제안한다. 제안하는 방법은 하이브리드 접근 방식으로, 이산 점 사이의 내부 힘들을 선처리(pre-processing)하여 elastic한 성분을 나누어 처리한다. 선처리 과정에서는 변형 물체의 물리적 속성에 따라 늘어나는(elongation) 성분과 굽어지는(bending) 성분을 따로 처리함으로써, 극심히 늘어나는(super-elongation) 문제를 극소화할 수 있다. 본 논문의 결과로는 빈번한 제어에 대응되는 움직임을 빠르게 생성할 수 있음을 보이며, 안정적이면서 그럴 듯한 움직임을 생성할 수 있음을 보인다.

• Annual Conference of KIPS
• /
• 2016.10a
• /
• pp.552-555
• /
• 2016

본 논문에서는 데이터 스트림 대상의 필터링 문제를 다룬다. 데이터 스트림은 지속적으로 생성되며, 크기 또한 거대해서 이를 실시간 처리하기 위해서는 분석에 불필요한 데이터를 충분히 필터링해야 한다. 하지만, 기존 필터링 알고리즘은 하나의 데이터 형식에만 사용이 가능하여 다양하고 복잡한 스트림 환경에서는 사용하기가 어렵다. 따라서, 본 논문에서는 이 같은 문제를 해결하기 위해 스트림 형식에 따라 필터링 알고리즘을 다양하게 선택할 수 있는 필터링 시스템을 제안한다. 그리고 실시간 필터링을 위해 대표적인 오픈소스 DSMS(data stream management system)인 에스퍼 기반으로 구현한다. 또한 웹 기반 클라이언트-서버 모델로 확장 구현하여 사용자가 언제 어디에서든 필터링 시스템을 사용할 수 있게 한다. 제안하는 에스퍼 기반 실시간 필터링 시스템은 데이터 스트림으로 실시간 데이터 스트림과 벌크 데이터 스트림을 지원한다. 그리고 필터링 알고리즘으로 질의 필터링, 블룸 필터링, 베이지안 필터링을 제공한다. 제안하는 필터링 시스템 구현 결과, 데이터 스트림 특성에 적합한 필터링 알고리즘을 선택적으로 제공함으로써, 사용자가 보다 정확하고 효율적으로 의미있는 데이터를 추출 가능하게 하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.10a
• /
• pp.548-551
• /
• 2018

Most vehicles are in the form of maintenance when a problem occurs by the user himself or herself. During maintenance, users are not able to operate the car while it is being serviced, and if the target vehicle is a revenue-generating vehicle, they will have to bear economic losses. Collecting vehicle information in real time, identifying problems that could arise with a vehicle based on the collected big data and providing advance service rather than after-sales service can help secure vehicle operation and reduce economic loss. Thus, in this thesis, a platform was designed to design IoT-based gateways, collect real-time vehicle information, and organize big data to provide vehicle information in real time.

• Annual Conference of KIPS
• /
• 2015.04a
• /
• pp.795-797
• /
• 2015

태양광발전의 단점 중 하나인 불규칙 전력 생산문제로 인해, 장비 및 패널 결함에 실시간 대응하지 못하는 문제가 발생한다. 태양광패널 결함을 자동 검출하기 위해 기후데이터 및 패널 정보를 이용하여 신경망에 적용하고 역전과 알고리즘을 통해 학습하는 발전량 예측 및 실시간 결함 검출 모델을 제안한다.