• Proceedings of the Korea Contents Association Conference
• /
• 2003.11a
• /
• pp.260-264
• /
• 2003

본 논문에서는 인터넷에서의 트래픽 엔지니어링 체제를 구축하기 위하여 트래픽 엔지니어링을 수행하기 위한 기능 모델을 제시하였다. 제시한 기능 모델은 트래픽 관리, 용량 관리, 그리고 네트워크 계획으로 구성된다. 트래픽 관리는 다양한 조건하에서 네트워크 성능을 최대화하는 것을 목적으로 하며, 용량 관리는 최소의 비용으로 네트워크 요구에 대한 성능 목표치를 만족시키기 위하여 네트워크가 설계되고 제공됨을 목적으로 한다. 또한 네트워크 계획은 예측된 트래픽 증가에 앞서 노드와 전송 용량이 계획되고 배치됨을 보장한다.

• Convergence Security Journal
• /
• v.2 no.2
• /
• pp.9-17
• /
• 2002

Traffic engineering function consists of traffic management, capacity management and network planning. In this paper, we present the requirements for each functional traffic management, and also present functional and process model to efficiently to handle the traffic engineering for multimedia internet services. Finally, the traffic management methods for each step are described in detail.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.715-718
• /
• 2023

본 연구는 ChatGPT 모델의 특성과 장점을 활용하여 프롬프트 엔지니어링 기법을 연구하고자 하였다. 프롬프트는 엔지니어가 원하는 결과를 잘 얻을 수 있도록 하는 것이 목표이기 때문에 ChatGPT와 프롬프트 엔지니어링의 상호작용과 효과적인 프롬프트 엔지니어링 기법을 개발할 필요가 있다. 연구 방법으로는 ChatGPT에 대한 학습자 사전 설문조사에서 학습자를 분석하였고, 이를 반영하여 프로그래밍 문제를 제시하고 해결하는 과정을 거치면서 다양한 ChatGPT 사용에 대한 분석과 학습자 분석이 이루어졌다. 그 결과 비전공자가 듣고 있는 프로그래밍 수업에서 ChatGPT를 활용하여 얻은 통찰력으로 프롬프트에 필요한 가이드 라인을 마련하였다. 본 연구를 기반으로 향후 비전공자를 위한 파이썬 프로그래밍 수업에서 ChatGPT를 활용한 수업모델을 제시하고 학습자의 피드백 또는 적응형 학습에 활용할 수 있는 방법을 모색할 것이다.

• The Journal of the Korea Contents Association
• /
• v.5 no.1
• /
• pp.169-178
• /
• 2005

This paper presented high-level function model to achieve traffic engineering to construct traffic engineering infrastructure in Internet. Function model presented include traffic management, capacity management, and network planing. It is ensured that network performance is maximized under all conditions including load shifts and failures by traffic management. It is ensured that the network is designed and provisioned to meet performance objectives for network demands at minimum cost by capacity management. Also it is ensured that node and transport capacity is planned and deployed in advance of forecasted traffic growth by network planning.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.6 no.5
• /
• pp.378-383
• /
• 2005

Traffic engineering is a technology that guarantees quality of service that users want and maximize inflection degree of network resources at the same time as evenly distributing traffic to whole network. To improve performance of network at traffic and resources level, traffic engineering aims at utilizing network resource efficiently and effectively and must be satisfied performance requirement concerned with traffic. In this paper, two models to embody traffic engineering are analyzed and finally functional structure of IP/WDM traffic engineering is explained.

• 시스템엔지니어링워크숍
• /
• s.1
• /
• pp.140-144
• /
• 2003

AGT 시스템은 복잡한 대규모 시스템이며 이 시스템에 도입된 무인운전의 운영 개념은 한국 철도 기술의 환경에서는 처음 시도되는 기술이다. 게다가 신호시스템을 무선 기술을 이용하여 구현해 한다는 요구사항이 추가되어 신호시스템 개발은 더욱 도전적인 문제가 되었다. 이와 같이 실천하기 어려운 요구사항이 많은 무선열차 제어시스템 개발의 위험을 줄이기 위해 시스템공학팀은 전산지원 시스템공학 도구를 사용한 재공학의 개발공정을 수행하도록 하였다. 본 연구에서는 기존의 정적인 데이터모텔에 추가하여 시나리오 기반으로 동적거동 분석을 수행하여 기능 모델을 구축하였고 기능 모델을 토대로 한 시스템 아키텍처를 구성하였다. 특히 기능 요구사항의 취약성을 보완하기 위해 CORE의 FFBD(Functional Flow Block Diagram)기능을 활용하여 열차 운행 중 발생할 수 있는 여러 가지 시나리오를 분석함으로써 기능 모델의 완전성의 기여하였다. 이는 정적인 데이터 흐름 다이아그램(DFD:Data Flow Diagram)이 가지는 한계를 모델 기반 시스템공학 도구에서 지원하는 동적인 기능 분석을 수행하여 보완함으로써 모델의 충실도를 높였음을 의미한다. 이를 통해 기능의 오류를 개념단계에서 최소화함으로써 기술 위험이 높은 제품을 개발할 수 있다는 것을 확인하였다.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.33 no.6
• /
• pp.367-373
• /
• 2021

In this study, deep learning model was set up to predict the wave heights inside a harbour. Various machine learning techniques were applied to the model in consideration of the transformation characteristics of offshore waves while propagating into the harbour. Pohang New Port was selected for model application, which had a serious problem of unloading due to swell and has lots of available wave data. Wave height, wave period, and wave direction at offshore sites and wave heights inside the harbour were used for the model input and output, respectively, and then the model was trained using deep learning method. By considering the correlation between the time series wave data of offshore and inside the harbour, the data set was separated into prevailing wave directions as a pre-processing method. As a result, It was confirmed that accuracy and stability of the model prediction are considerably increased.

• 시스템엔지니어링워크숍
• /
• s.1
• /
• pp.95-99
• /
• 2003

• Plant Journal
• /
• v.13 no.4
• /
• pp.41-47
• /
• 2017

This paper is a study on validation model that can verify the arrangement of equipment constituting offshore plant using system engineering approach in offshore plant tender stage. In order to design offshore plant topside maintenance equipment, topside layout verification should be preceded. However, there are many errors in the bidding stage due to the FEED results that are not perfect, the verification can not be performed sufficiently due to the limitation of the bidding period and others reasons. Therefore, we propose a validation model that can effectively verify the equipment layout within a limited condition by simplifying the main process in the system engineering process, which is a multidisciplinary approach, and confirmed through the Functional Deployment Model. Also, we verified the validation model for topside equipment deployment through case studies.

• Journal of Intelligence and Information Systems
• /
• v.29 no.4
• /
• pp.287-308
• /
• 2023

After launching its service in November 2022, ChatGPT has rapidly increased the number of users and is having a significant impact on all aspects of society, bringing a major turning point in the history of artificial intelligence. In particular, the inference ability of large language models such as ChatGPT is improving at a rapid pace through prompt engineering techniques. This reasoning ability can be considered as an important factor for companies that want to adopt artificial intelligence into their workflows or for individuals looking to utilize it. In this paper, we begin with an understanding of in-context learning that enables inference in large language models, explain the concept of prompt engineering, inference with in-context learning, and benchmark data. Moreover, we investigate the prompt engineering techniques that have rapidly improved the inference performance of large language models, and the relationship between the techniques.