• 한국정보처리학회논문지
• /
• 제6권1호
• /
• pp.122-133
• /
• 1999

TCP/Ip 기반하의네트워크 사용으로 많은 사용자들은 서로 정보를 공유하고 자원을 효율적으로 이용할 수 있게 되었다. 그러나 복잡해진 망 구조를 효율적으로 관리할 수 있는 프로토콜이 필요하게 되었다. 1989년 분산된 네트워크의 망 관리를 위하여 SNMP(Simple Network Management Protocol)가 표준으로 채택되었고 그후 보안 기능이 추가된 SNMPv2에서 제공하는암호화 방식은 대칭형 암호화 방식인 DES(Data Encryption Standard)와 인증 (Authentication)을 위한 MD5(Message Digest 5) 해쉬 함수이다. 그러나 DES는 키 길이의 취약성과 암호화 및 인증 알고리즘이 분리되어 수행되는 단범을 가진다. 이를 해결할 수 있는 방안으로 본 논문의 보안모듈에서는 RSA 공개키 방식을 사용한다. 본 논문은 SNMP와 관련된 사항들에 대해 고찰한 후, 표준 SNMPv3에서 제안하는 암호화 알고리즘 DES와 인증을 위한 MD5방식과 더불어 암호화와 인증을 동시에 수행할 수 있는 공개키 방식인 RSA를 적용함으로써 보안성을 강화하였다. 제안한 SNMPv3의 보안 모듈은 JAVA 언어로 구현하였으며 Windows NT 환경에서 실험되고 분석되었다.

• Korean Chemical Engineering Research
• /
• 제58권4호
• /
• pp.565-572
• /
• 2020

본 연구는 증류탑 분리공정 시스템 최적화를 위하여 인공지능 머신러닝이 적용된 소프트웨어 플랫폼을 개발하였다. 증류탑 분리공정은 석유화학 산업의 대표적이고 핵심적인 공정이다. 하지만 다양한 운전조건과 연속식공정 특성으로 인하여 안정적인 운전이 어려우며 운전자 숙련도에 의하여 공정효율에 차이가 발생된다. 이를 해결하기 위하여 이론적 시뮬레이션을 활용한 제어방법이 개발되어 사용되고 있지만 특수하거나 복잡한 반응이 포함된 공정에는 적용이 어려우며, 거대한 시스템에 대하여 분석이 이루어질 경우 계산비용 증대로 인하여 실시간 제어와 연동이 어려운 한계점을 지니고 있다. 따라서 본 연구에서는 이러한 문제점을 해결하기 위하여 머신러닝을 기반으로 한 경험적 시뮬레이션 모델을 개발하고 이를 통하여 최적의 공정운영방법을 제시하고자 한다. 경험적 시뮬레이션 개발은 실제 공정에서 수집된 빅 데이터, 데이터마이닝을 통한 특성추출, 공정을 대표하는 데이터 선별, 화학공정 특성에 맞는 모델 선정으로 이루어졌으며, 현장검증 및 테스트를 통하여 증류탑 분리공정 플랫폼이 개발되었다. 최종적으로 개발된 플랫폼을 통하여 운전 조작변수의 예측이 가능하며, 최적화된 운전조건을 제공하여 효율적인 공정운영을 달성할 수 있다. 본 논문은 머신러닝 기법을 화학공정에 적용한 기초연구로서 이후 다양한 공정에 적용하여 4차 산업의 스마트 팩토리의 초석이 되어 널리 활용될 수 있을 것이라 판단된다.

• 대한원격탐사학회지
• /
• 제27권5호
• /
• pp.521-534
• /
• 2011

최근 TerraSAR-X SAR, TanDEM-X 또는 COSMO-SkyMed와 같은 1 m 급의 고해상도 X-band SAR 센서를 탑재한 인공위성이 발사되어 운행되고 있다. 국내에서도 X-band를 탑재한 1m 급의 고해상도 위성 레이더인 KOMPSAT-5가 발사될 예정에 있다. 본 연구는 X-band SAR 영상을 이용한 PSInSAR 기법 적용에 보다 적합한 고정산란체 추출 및 네트워크 생성 기법을 개발하였다. 새로운 PSC 추출 알고리즘은 다음 두 단계로 구성되어 있다. 첫 번째 진폭분산지수, 평균반사강도, 평균긴밀도를 복합적으로 이용하여 초기 PSC를 선출한다. 두 번째 초기 선출된 PSC의 네트워크 분석을 통해 추정된 각 PSC에서의 시계열 긴밀도를 직접 이용하여 최종 추출한다. 또한 PSC를 이용한 네트워크 분석의 안정성을 높이기 위한 multi-TIN 구성 기법과 비 도심지역에서 분석 신뢰도를 높이기 위한 복합 네트워크를 제안하였다. 개발된 알고리즘을 뉴올리언즈 지역에서 획득된 21개의 TerraSAR-X SAR 자료에 적용한 결과, 기존의 PSInSAR 기법으로는 관측되지 않았던 비 도심지역에서 다수의 PS가 추출되어 변위 속도 분석이 가능하였다. 이러한 결과는 주로 도심지역에서 널리 사용되어 왔던 PSInSAR 기법을 비 도심지역으로까지 확대하는 것으로, 향후 KOMPSAT-5를 활용한 한반도 지역 상시 모니터링에 기여할 것이다.

• 한국수자원학회논문집
• /
• 제47권4호
• /
• pp.343-356
• /
• 2014

SWMM은 홍수유출 해석, 유역유출 연속모의, 수질모의가 가능한 모형으로서 전세계적으로 널리 사용되고 있는 모형이다. 하지만 유역유출 연속모의와 수질모의에는 다수의 불명확한 매개변수가 포함되어 있으므로 이는 SWMM의 사용에 제약이 되고 있다. 본 연구의 목적은 SWMM을 이용한 유역유출 연속모의와 수질모의의 정확도를 높이고 효율성을 향상시킬 수 있도록 자동 보정 모듈을 개발하는 것이다. SWMM의 자동 보정 모듈은 전역최적화 알고리즘인 집합체 혼합진화 알고리즘과 SWMM을 연계하고, SWMM 내 추정대상 매개변수의 선정 및 적절한 탐색 범위를 설정함으로써 개발되었다. 개발된 자동 보정 모듈의 적절성은 동향 수위관측소 유역에 대하여 구성된 유역유출 및 수질모의 모형의 보정 및 검증을 통해 검토되었다. 그 결과, 자동 보정 모듈을 통해 보정된 모형은 유역의 유출현상을 매우 잘 모사하였고, 수질의 경우에도 비교적 양호한 결과를 도출하였다. 개발된 자동 보정 모듈은 향후 유역유출 모의와 수질해석에 관한 다양한 연구와 설계 등에 활용될 수 있을 것이다.

• 한국수자원학회논문집
• /
• 제47권10호
• /
• pp.921-934
• /
• 2014

본 연구의 목적은 댐 관리자가 쉽게 이해할 수 있고, 실제 댐 운영 업무에 적용하기 쉬운 저수지 운영률을 도출하는 것이다. 수위구간별 저수지 운영률은 현재의 저수지 수위가 위치하는 영역의 운영기준에 따라 저수지를 운영하는 간단한 방법이지만, 구체적인 수위 구간의 설정이 필요한 방법이다. 이에 연구에서는 수위 구간별 운영률을 포함한 저수지 운영모형을 개발하였고, 수위 구간별 운영률의 적절한 수위 구간을 결정하기 위해 집합체 혼합진화 알고리즘을 이용하였다. 개발된 저수지 운영모형을 물수급 불균형으로 인해 물공급에 어려움을 겪고 있는 필리핀의 Angat 댐에 대하여 적용하여 수위 구간별 운영률을 도출하고, 그에 따라 기록 유입량 자료를 이용하여 Angat 댐을 모의 운영하였다. 그 결과, 모의운영을 통해 결정된 계획공급량 대비 용수공급 부족량과 발전량은 실제 운영기록에 비해 각각 34.5%와 21.2% 개선되었다. 본 연구의 결과는 댐의 장기 운영률 유도에 활용되어질 수 있을 것이다.

• Spatial Information Research
• /
• 제21권1호
• /
• pp.63-73
• /
• 2013

지형지물은 각각의 특징적 요인을 내포하고 있어 촬영된 위성영상에 반영된다. 촬영시기가 다른 영상을 통하여 변화에 대한 정보를 얻을 수 있다. 다중시기 영상을 무감독 방법으로 분류할 수 있다면 영상 분류의 정확도를 높여 주고, 여러 응용분야에 기여할 수 있다. 규칙기반 영상분류 알고리즘은 사람의 직접적인 개입이 없이 자동화된 방법으로 처리 되도록 개발되었으나, 불완전 요소에 결과가 영향 받는지 확인되어야 한다. 이 연구에서는 제주도 지역의 Landsat 영상으로 규칙기반 영상분류를 수행하였다. 영상의 구름의 존재하고 촬영시기의 차이가 있는 경우, 대상지가 도시, 산지, 농지 등 복합적인 경우에 대하여 적용 결과를 확인하였다. 구름이 있는 부분의 경우, 계수에 영향을 주지 않았으며, 촬영시기의 차이에 따라 분류규칙이 적절이 반영되었다. 제주시 도시지역의 확장, 서귀포시의 비닐하우스 등의 시설물 개체 수 증가 등을 파악 할 수 있었다. 제주도 지역의 공간정보 변화 파악과 분류 정확도를 얻을 수 있었다. 양질의 무감독 분류가 수행되는 것을 목표로 하여 방법의 일반화 및 개선방안을 모색하고자 하였다. 향후 도시개발, 환경변화 모니터링 등 영상 시계열 분석에 다양하게 활용될 수 있을 것이다.

• 대한전자공학회논문지SD
• /
• 제44권8호
• /
• pp.80-88
• /
• 2007

매우 복잡한 시스템의 보다 효율적인 설계를 위한 차세대 SoC를 위해 중요한 것은 시스템의 고적용성과 고확장성이다. 이를 위해 최근 들어 급속히 관심이 높아지는 것이 계산 모듈중심의 시스템 설계를 탈피하여 통신 중심으로 시스템 설계를 보는 communication-based 설계 방법론이며, 그 중 대표적으로 많은 관심을 모으고 있는 것이 Network-on-Chip (NoC)이다. 이는 모듈간의 직접적인 연결에 의한 데이터의 통신 구조를 가진 일반적인 SoC 설계에서의 취약한 확장성과 통신 구조의 고정성을 극복하기 위해, 데이터를 패킷화하고, 이를 네트워크 인터페이스 및 라우터에 의한 가변적인 구조에 의해 전송함으로써 통신 구조의 적용성과 확장성을 제공하려는 노력이다. 하지만 확장성과 적용성에 치중하다 보면 성능과 면적에 대한 비용이 너무 커져서 실제로 기존의 연결 방법과 비교하여 실용성이 없을 수 있다. 그래서 본 연구에서는 통신 패턴의 면밀한 분석을 통하여 매우 성능에 중요하고 또 빈번한 통신 패턴에 대해서는 기존의 연결 방식을 고수하면서, 전체적인 연결성 및 확장성을 유지하는 알고리즘을 제시한다. 이 방법을 통해서 최소 30%의 네트워크 인터페이스 및 라우터 구조가 훨씬 간단한 구조로 바뀔 수 있었으며, 이로 인한 연결성 (connectivity) 및 확장성에 대한 손실은 거의 없었다. 시뮬레이션 결과에 의하면 통신 구조의 최적화를 통해서 연결에 소요되는 시간적 성능은 49.19% 향상되었고 면적의 측면에서도 24.03% 향상되었음이 입증되었다.

• 한국정보처리학회논문지
• /
• 제7권8호
• /
• pp.2484-2496
• /
• 2000

네트워크 연결을 위한 고속 스위치는 계속해서 발달하여 왔으며, 스위치가 필요한 성능을 내는가를 여러 조건으로 분석하는 것은 중요한 일이다. 하지만, 복잡한 구조를 가진 시스템을 모델링하여 그 성능을 측정하는 것은 쉬운 일이 아니다. 큐잉이론을 이용한 모델링은 큰 상태 공간을 고려해야 됨은 물론이고 성능평가에 있어서도 복잡한 계산과정을 수행해야 하지만, SAN(Stochastic Activity Networks)에 의한 모델링과 성능평가는 그에 비해 간단하다는 장점이 있다. 본 논문의 목적은 출력포트에 큐를 갖는 고속 ATM 스위치를 확장된 SPN(Stochastic Petri Net)인 SAN을 이용해 모델링하고, 셀 도착 과정은 실제 트래픽과 유사한 특징을 가지고 있는 MMPP(Markov Modulated Poisson Process)로 모델링하여 그 성능을 평가하는데 있다. MMPP 모델을 이용한 버스티 트래픽을 고겨한 성능측정과 아울러 SAN의 장점을 이용한 확장이 용이한 스위치 모델을 보이고자 한다. 제한된 버퍼 크기를 갖는 출력 큐잉 ATM 스위치에 도착하은 셀은 포아송 도착 과정에서는 정확히 표현할 수 없는 버스티 특징을 표현할 수 있어 좀더 실제 트래픽에 가까운 MMPP로 모델링한다. SAN 모델은 UltraSAN 소프트웨어 패키지를 이용해 대기행렬의크기, 지연시간 그리고 셀 손실률에 대한 성능을 측정한다.

• 한국지구과학회지
• /
• 제26권7호
• /
• pp.683-690
• /
• 2005

공간 해상도 1m 이하의 고해상도 원격 탐사 영상의 민간 활용이 활발해 짐에 따라, 이를 위한 전문 분야 별 영상 분석 방법의 개발 요구가 증가하고 있다. 다양한 영상분석 기법 중에, 주변 화소들간의 공간 분포 관계에 의해 특성이 결정되는 텍스처 영상의 분석은 이러한 목적을 위한 유용한 영상 분석 방법 중 하나이다. 이 연구에서는 원시 영상으로부터 GLCM 알고리즘에 의해 생성된 텍스처 영상에 대해서 방향 인자, 마스킹 커널의 크기, 변수의 종류에 따른 결과를 비교, 분석한 뒤 각각의 결과 영상의 지형공간 특성 분석의 적용성에 대하여 알아보았다. 또한 원시 영상과 텍스처 영상에서 특성 정보를 포함하는 템플레이트를 설정하고 이를 기준으로 반복적인 패턴을 자동으로 검색하는 템플레이트 정합 프로그램을 구현하여 이를 원시 영상과 텍스처 영상에 적용하였고, 처리 결과에 기초하여 향후 적용 가능성을 검토하였다. 이 연구의 결과는 일정한 패턴으로 나타나는 지구과학적인 지형 특성이나 고해상도 위성영상 정보를 이용한 인공 지형지물의 파악 및 분석에 효과적으로 적용될 수 있을 것으로 예상된다.

• Computers and Concrete
• /
• 제19권5호
• /
• pp.457-465
• /
• 2017

The Taiwanese liquid crystal display (LCD) industry has traditionally produced a huge amount of waste glass that is placed in landfills. Waste glass recycling can reduce the material costs of concrete and promote sustainable environmental protection activities. Concrete is always utilized as structural material; thus, the concrete compressive strength with a variety of mixtures must be studied using predictive models to achieve more precise results. To create an efficient waste LCD glass concrete (WLGC) design proportion, the related studies utilized a multivariable regression analysis to develop a compressive strength waste LCD glass concrete equation. The mix design proportion for waste LCD glass and the compressive strength relationship is complex and nonlinear. This results in a prediction weakness for the multivariable regression model during the initial growing phase of the compressive strength of waste LCD glass concrete. Thus, the R ratio for the predictive multivariable regression model is 0.96. Neural networks (NN) have a superior ability to handle nonlinear relationships between multiple variables by incorporating supervised learning. This study developed a multivariable prediction model for the determination of waste LCD glass concrete compressive strength by analyzing a series of laboratory test results and utilizing a neural network algorithm that was obtained in a related prior study. The current study also trained the prediction model for the compressive strength of waste LCD glass by calculating the effects of several types of factor combinations, such as the different number of input variables and the relevant filter for input variables. These types of factor combinations have been adjusted to enhance the predictive ability based on the training mechanism of the NN and the characteristics of waste LCD glass concrete. The selection priority of the input variable strategy is that evaluating relevance is better than adding dimensions for the NN prediction of the compressive strength of WLGC. The prediction ability of the model is examined using test results from the same data pool. The R ratio was determined to be approximately 0.996. Using the appropriate input variables from neural networks, the model validation results indicated that the model prediction attains greater accuracy than the multivariable regression model during the initial growing phase of compressive strength. Therefore, the neural-based predictive model for compressive strength promotes the application of waste LCD glass concrete.