• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권7호
• /
• pp.191-198
• /
• 2021

분산 딥러닝은 각 노드에서 지역적으로 업데이트한 지역 파라미터를 동기화는 과정이 요구된다. 본 연구에서는 분산 딥러닝의 효과적인 파라미터 동기화 과정을 위해, 레이어 별 특성을 고려한 allreduce 통신과 연산 오버래핑(overlapping) 기법을 제안한다. 상위 레이어의 파라미터 동기화는 하위 레이어의 다음 전파과정 이전까지 통신/계산(학습) 시간을 오버랩하여 진행할 수 있다. 또한 이미지 분류를 위한 일반적인 딥러닝 모델의 상위 레이어는 convolution 레이어, 하위 레이어는 fully-connected 레이어로 구성되어 있다. Convolution 레이어는 fully-connected 레이어 대비적은 수의 파라미터를 가지고 있고 상위에 레이어가 위치하므로 네트워크 오버랩 허용시간이 짧고, 이를 고려하여 네트워크 지연시간을 단축할 수 있는 butterfly all-reduce를 사용하는 것이 효과적이다. 반면 오버랩 허용시간이 보다 긴 경우, 네트워크 대역폭을 고려한 ring all-reduce를 사용한다. 본 논문의 제안 방법의 효과를 검증하기 위해 제안 방법을 PyTorch 플랫폼에 적용하여 이를 기반으로 실험 환경을 구성하여 배치크기에 대한 성능 평가를 진행하였다. 실험을 통해 제안 기법의 학습시간은 기존 PyTorch 방식 대비 최고 33% 단축된 모습을 확인하였다.

• 한국정보전자통신기술학회논문지
• /
• 제13권6호
• /
• pp.590-596
• /
• 2020

상용전력망과 계통연계가 어려운 도서지역에서는 독립적인 마이크로그리드로 생산된 에너지를 효율적으로 관리할 수 있는 방법을 찾는 것은 매우 중요한 일이다. 본 논문에서는 태양광과 풍력의 하이브리드 모델을 적용한 소규모 마이크로그리드에서 생산된 전력을 전력계측기와 수집된 데이터의 응답속도 테스트를 거쳐 P2P전력거래를 위한 프로슈머관리시스템을 구현하였다. 마이크로그리드 프로슈머 관리시스템의 전력망은 Mesh구조로 이루어져 있으며 P2P전력거래는 3곳의 독립적으로 구축된 off-grid 사이트에서 전력계측기와 DC전력전송기를 이용하여 테스트하였고, 이때 전력계측기의 측정값은 전압(평균값) : 380V + 0.9V, 전류(평균값) : + 0.01A, 전력 : 1000W ( - 1W)로 오차 허용범위인 ±1%이내로 나타나 그 유의성을 확인하였다. 실시간으로 50개의 데이터를 동시 전송하여 메인화면 0.32초, 일 발전량 2.61초, 누적발전량 2.77초, 전력거래 0.11초 등의 응답속도가 나타나 서버의 안정화를 확인하였다. 따라서 본 시스템은 한국전력의 중계 없이 독립적인 망으로 활용될 수 있는 P2P 전력거래시스템으로서 그 타당성이 입증되었다.

• 한국비블리아학회지
• /
• 제33권3호
• /
• pp.239-265
• /
• 2022

이 연구의 목적은 국내 RDA 도입 현황과 RDA 도입에 대한 대학도서관 사서의 인식을 고찰하기 위한 것이다. 이를 위해 국내 도서관 중 RDA를 도입한 2개 도서관의 도입 현황을 분석하였다. 또한, 대학도서관 사서 8명을 대상으로 면담을 시행하였고, RDA 도입 관련 서술형 답변을 수집하고 분석하였다. 면담 조사 결과, 연구참여자들은 RDA에 대해, RDA의 개념은 매우 어렵고 추상적이며, RDA를 적용한 구현 사례가 적고, 단위도서관의 인력과 예산 여건상 RDA 도입은 매우 어려울 것이라고 인식하고 있었다. 연구참여자들이 인식하고 있는 RDA 도입 방안은 RDA에 관한 인식을 개선하고, RDA에 관한 교육을 진행하고, RDA 도입을 위한 하이브리드 서지레코드 구축을 위한 지침을 마련하고, RDA 시범 기관 운영이 바람직하고, 성과 모델을 수립해야 한다는 것이다. 또한, 연구참여자들은 구현을 위해 업체와 조율이 필요하고, 일괄 소급 변환보다는 특정 시점 변경이 바람직하고, 성공 사례를 발굴하고, RDA 관련 온라인 채널을 마련하고, 국가전거 DB를 구축하여 활용하고, 국가적 예산 및 시스템 지원이 필요하다고 인식하고 있었다. 이 연구에서는 연구 결과를 토대로 국내 대학도서관 RDA 도입 방안을 제시하였다.

• 에너지공학
• /
• 제28권3호
• /
• pp.65-79
• /
• 2019

본 연구는 산업단지 내 Gas Combined Cycle CHP와 연계 가능한 신재생에너지원을 조합하여 최적의 설비용량을 산정하고자 하였다. 특히 2013~2016년도 에너지사용계획 협의 대상 산업단지 중 집단에너지 공급대상 지역지정 연료사용량 요건은 연간 3.8만 TOE로 미달되지만, 열밀도가 $92.6Gcal/km^2{\cdot}h$로 높은 세종첨단일반산업단지를 연구 대상으로 하였다. 그리고 신재생에너지 Hybrid System 경제성 분석 프로그램인 HOMER Pro를 이용하여 연료전지와 태양광발전을 연계한 FC-PV Hybrid CHP System의 최적화 운영 모델에 대해 분석하였다. 또 CHP의 주 공급 에너지원인 열에너지에 있어, 열수요량 뿐만 아니라 우점 업종에 대한 열수요 패턴을 분석하여 연구의 신뢰도를 높이고자 하였으며, 경제성 분석을 추가하여 상대적 편익을 비교하고자 하였다. 연구 결과, 신규 조성 중인 세종첨단일반산업단지의 전체 간접열 수요는 연간 378,282 Gcal이며, 이중 제지업종이 연간 293,754 Gcal인 약 77.7%를 우점하고 있었다. 산업단지 전체 간접열 수요에 대해 단일 Combined Cycle CHP의 최적 설비용량은 30,000 kW로, 이때 열생산은 CHP가 275,707 Gcal, 72.8 %를 분담하고, 첨두부하보일러 PLB가 103,240 Gcal, 27.2 %를 분담하는 것으로 분석되었다. 그리고 CHP와 연료전지, 태양광 조합에서는 최적 설비용량이 각 30,000 kW, 5,000 kW, 1,980 kW이며, 이때 열생산은 Combined Cycle CHP가 275,940 Gcal, 72.8%, 연료전지가 12,390 Gcal, 3.3%, PLB가 90,620 Gcal, 23.9%를 분담하였다. 여기서 CHP 용량이 감소하지 않은 것은, CHP 용량 감소에 따른 부족한 열 생산량에 대해 PLB의 과다한 운전이 요구되는 경제적이지 못한 대안이 도출되었기 때문이었다. 한편 우점 업종인 제지업종의 간접열 수요에 대해서는 Combined Cycle CHP, 연료전지, 태양광 조합의 최적 설비용량은 25,000 kW, 5,000 kW, 2,000 kW로, 이때 열생산은 CHP 225,053 Gcal, 76.5%, 연료전지 11,215 Gcal, 3.8%, PLB가 58,012 Gcal, 19.7%를 분담하는 것으로 분석되었다. 그러나, 현행 전력시장 및 가스시장에서의 경제성 분석결과는 모두 투자비 회수가 불가능한 것으로 확인 되었다. 다만, 우점 업종인 제지 업종만을 대상으로 CHP와 연료전지, 태양광을 조합한 CHP Hybrid System이 단일 CHP System에 대해 연간 약 93억원의 경영여건을 개선시킬 수 있음을 확인하였다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.73-92
• /
• 2014

기존 협업 필터링 기법은 사용자들의 아이템에 대한 선호도를 기반으로 유사 아이템 집합 또는 유사 사용자 집합을 구성하고, 이를 이용해 예측된 사용자의 특정 아이템에 대한 선호도를 기반으로 추천을 수행한다. 이로 인해, 사용자 선호도 정보가 부족하게 되면, 유사 아이템 사용자 집합의 신뢰도가 낮아지고, 추천 서비스의 신뢰도 또한 따라서 낮아진다. 또한, 서비스의 규모가 커질수록, 유사 아이템, 사용자 집합의 생성에 걸리는 시간은 기하급수적으로 증가하고 추천서비스의 응답시간 또한 그에 따라 증가하게 된다. 위와 같은 문제점을 해결하기 위해 본 논문에서는 적응형 군집화 기법을 제안하고 이를 적용한 협업 필터링 기법을 제안하고 있다. 이 기법은 크게 네 가지 방법으로 이루어진다. 첫째, 사용자와 아이템의 특성 벡터를 기반으로 사용자와 아이템 각각을 군집화 하여, 기존 협업 필터링 기법에서 유사 아이템, 사용자 집합을 생성하는데 소요되는 시간을 절약하며, 사용자 선호도 정보만을 이용한 부분 집합 생성보다 추천의 신뢰도를 높이고, 초기 평가 문제와 초기 이용자 문제를 일부 해소한다. 둘째, 미리 구성된 사용자와 아이템의 군집을 기반으로 군집간의 선호도를 이용해 추천을 수행한다. 사용자가 속한 군집의 선호도가 높은 순서대로 아이템 군집을 조회하여 사용자에게 제공할 아이템 목록을 구성하여, 추천 시스템의 부하 대부분을 모델 생성 단계에서 부담하고 실제 수행 시 부하를 최소화한다. 셋째, 누락된 사용자 선호도 정보를 사용자와 아이템 군집을 이용하여 예측함으로써 협업 필터링 추천 기법의 사용자 선호도 정보 희박성으로 인한 문제를 해소한다. 넷째, 사용자와 아이템의 특성 벡터를 사용자의 피드백에 따라 학습시켜 아이템과 사용자의 정성적 특성 정량화의 어려움을 해결한다. 본 연구의 검증은 기존에 제안되었던 하이브리드 필터링 기법들과의 성능 비교를 통해 이루어졌으며, 평가 방법으로는 평균 절대 오차와 응답 시간을 이용하였다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.