• 융합정보논문지
• /
• 제11권11호
• /
• pp.44-50
• /
• 2021

최근 빅데이터를 수용하기 위한 대용량 저장 장치가 필요한 엔터프라이즈 저장 시스템에서는 비용과 크기 대비 직접도가 높은 대용량의 플래시 메모리 기반 저장 장치를 많이 사용하고 있다. 본 논문에서는 엔터프라이즈 대용량 저장 장치의 신뢰도와 이용성에 직접적인 영향을 주는 플래시 메모리 미디어의 수명을 극대화 하기 위해 경사하강법을 적용한 고효율 수명 예측 방법을 제안한다. 이를 위해 본 논문에서는 불량 발생 빈도를 학습하기 위한 메타 데이터를 저장하는 매트릭스의 구조를 제안하고 메타데이터를 이용한 비용 모델을 제안한다. 또한 학습된 범위를 벗어난 불량이 발생 했을 때 예외 상황에서의 수명 예측 정책을 제안한다. 마지막으로 시뮬레이션을 통해 본 논문에서 제안하는 방법이 이전까지 플래시 메모리의 수명 예측을 위해 사용되어 온 고정 횟수 기반 수명 예측 방법과 예비 블록의 남은 비율을 기반으로 하는 수명 예측 방법 대비 수명을 극대화 할 수 있음을 증명하여 우수성을 확인했다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3242-3265
• /
• 2023

Ensuring reliability of a machinery system involve the prediction of remaining useful life (RUL). In most RUL prediction approaches, noise is always considered for removal. Nevertheless, noise could be properly utilized to enhance the prediction capabilities. In this paper, we proposed a novel RUL prediction approach based on noise injection and a Kalman filter ensemble of modified bagging predictors. Firstly, we proposed a new method to insert Gaussian noises into both observation and feature spaces of an original training dataset, named GN-DAFC. Secondly, we developed a modified bagging method based on Kalman filter averaging, named KBAG. Then, we developed a new ensemble method which is a Kalman filter ensemble of KBAGs, named DKBAG. Finally, we proposed a novel RUL prediction approach GN-DAFC-DKBAG in which the optimal noise-injected training dataset was determined by a GN-DAFC-based searching strategy and then inputted to a DKBAG model. Our approach is validated on the NASA C-MAPSS dataset of aero-engines. Experimental results show that our approach achieves significantly better performance than a traditional Kalman filter ensemble of single learning models (KESLM) and the original DKBAG approaches. We also found that the optimal noise-injected data could improve the prediction performance of both KESLM and DKBAG. We further compare our approach with two advanced ensemble approaches, and the results indicate that the former also has better performance than the latters. Thus, our approach of combining optimal noise injection and DKBAG provides an effective solution for RUL estimation of machinery systems.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.347-350
• /
• 2018

사용자가 집에 도착하기 전에 IoT 시스템이 집안 온도를 자동으로 쾌적하게 하기 위해서는 사용자의 도착 예정 시간에 맞게 설정한 온도에 도달할 수 있는 최적의 에어컨 및 난방의 가동 시작 시간을 예측해야 한다. 가동 시간을 정확하게 예측한다면 불필요한 가동시간을 줄일 수 있기 때문에 요금 낭비를 피할 수 있는 효과가 있다. 본 논문은 에어컨과 보일러를 사용하는 집의 냉난방 시간을 예측하는 인공신경망과 이를 활용하는 IoT 시스템을 소개한다. 에어컨과 보일러가 특정 시작 온도에서 특정 목표 온도로 집안을 냉난방 하는데 걸리는 시간에 영향을 주는 변수는 집안의 구조, 집안의 크기, 외부 날씨 환경 등으로 매우 다양하다. 그중에서 측정 가능한 변수인 집안 온도, 집안 습도, 외부 온도, 외부 습도, 풍향, 풍도, 풍속 냉각 효과를 활용하여 학습데이터를 만들고 최적의 인공신경망을 구축하였다. 인공신경망을 구축한 후에는 이를 활용하는 IoT 시스템을 개발하였다. IoT 시스템은 라즈베리파이3 기반의 메인 시스템과 안드로이드 기반의 모바일 애플리케이션으로 구성하였다. 인공신경망을 활용하기 위해 모바일 애플리케이션의 GPS 센서를 활용하여 사용자의 이동 분석하고 귀가 시간을 예측하는 기능을 구현하였다.

• International Journal of Computer Science & Network Security
• /
• 제21권8호
• /
• pp.71-78
• /
• 2021

The relevance of research provides the necessity to identify the basic problems in the public governance sphere and information technology relations, forasmuch as understanding such interconnections can indicate the consequences of the development and spreading information technologies. The purpose of the research is to outline the issues of applying information technologies in public governance sphere. 500 civil servants took part in the survey (Ukraine). A two-stage study was conducted in order to obtain practical results of the research. The first stage involved collecting and analyzing the responses of civil servants on the Mentimeter online platform. In the second stage, the administrator used the SWOT-analysis system. The tendencies in using information technologies have been determined as follows: the institutional support development; creation of analytical portals for ensuring public control; level of accountability, transparency, activity of civil servants; implementation of e-government projects; changing the philosophy of electronic services development. Considering the threats and risks to the public governance system in the context of applying information technologies, the following aspects generated by societal requirements have been identified, namely: creation of the digital bureaucracy system; preservation of information and digital inequality; insufficient level of knowledge and skills in the field of digital technologies, reducing the publicity of the state and municipal governance system. Weaknesses of modern public governance in the context of IT implementation have been highlighted, namely: "digitization for digitalization"; lack of necessary legal regulation; inefficiency of electronic document management (issues caused by the imperfection of the interface of reporting interactive forms, frequent changes in the composition of indicators in reporting forms, the desire of higher authorities to solve the problem of their introduction); lack of data analysis infrastructure (due to imperfections in the organization of interaction between departments and poor capacity of information resources; lack of analytical databases), lack of necessary digital competencies for civil servants. Based on the results of SWOT-analysis, the strengths have been identified as follows: (possibility of continuous communication; constant self-learning); weaknesses (age restrictions for civil servants; insufficient acquisition of knowledge); threats (system errors in the provision of services through automation); opportunities for the introduction of IT in the public governance system (broad global trends; facilitation of the document management system). The practical significance of the research lies in providing recommendations for eliminating the problems of IT implementation in the public governance sphere outlined by civil servants..

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.

• 인지과학
• /
• 제9권1호
• /
• pp.31-39
• /
• 1998

본 논문은 HELPS라는 반도체 검사 장비를 위한 전자성능지원시스템(Electronic Performance Support System)에 대하여 기술한다. 본 시스템의 목적은 운영 지원, 훈련, 지식 기반 고장 진단 및 수리를 위한 just-in time. on-the-job 멀티미디어에 기반을 둔 정보를 제공함으로써 오퍼레이터의 생산성을 향상시키는데 있다. HELPS는 운영 모듈과 고장 진단 모듈로 구성되어 있다. 운영 모듈은 사용자에게 장비에 관한 자세하고 쉽게 접근이 가능한 정보를 제공하기 위하여 멀티미디어와 하이퍼미디어를 사용한다. 멀티미디어는 정지 화상, 동화상, 에니메이션, 텍스트, 그래픽, 오디오를 포함하는 다매체 형식을 통합한다. 하이 퍼미디어는 계층적인 정보 구조를 통하여 숙련된 오퍼레이터에게는 작업을 수행하는데 필요한 특정한 정보만을 제공할 뿐만 아니라, 초보 오퍼레이터에게는 자세한 시스템 안내와 정보를 제공한다. 고장 진단 모듈은 오퍼레이터가 장비의 고장을 진단하고 수리하는 것을 자원하기 위하여 전문가 시스템과 멀티미디어를 통합하여 구성하였다. 전문가 시스템을 사용하여 진단한 다음, 멀티미디어에 의한 어드바이스가 텍스트를 포함한 정지 화상이나 음성을 포함한 동화상에 의해 제시된다. HELPS는 훈련 시간과 고장 진단 및 수리 시간의 측면에서 평가되었고, 본 시스템 사용 전에 비하여 약 30%이상의 시간을 절감함으로써 생산성 향상에 크게 도움이 된다는 것을 확인하였다. 앞으로 본 시스템은 ICAI와 가상현실 기법 등을 이용하여 확장된다면 더 많은 생산성 향상을 기대할 수 있을 것이다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제23권3호
• /
• pp.31-38
• /
• 2017

본 논문에서는 도심 영상에 대해 맨하탄 좌표계를 추정하는 합성곱 신경망(Convolutional Neural Network) 기반의 시스템을 제안한다. 도심 영상에서 맨하탄 좌표계를 추정하는 것은 영상 조정, 3차원 장면 복원 등 컴퓨터 그래픽스 및 비전 문제 해결의 기본이 된다. 제안하는 합성곱 신경망은 GoogLeNet[1]을 기반으로 구성한다. 합성곱 신경망을 훈련하기 위해 구글 스트리트 뷰 API로 영상을 수집하고 기존 캘리브레이션 방법으로 맨하탄 좌표계를 계산하여 데이터셋을 생성한다. 장면마다 새롭게 합성곱 신경망을 학습해야하는 PoseNet[2]과 달리, 본 논문에서 제안하는 시스템은 장면의 구조를 학습하여 맨하탄 좌표계를 추정하기 때문에 학습되지 않은 새로운 장면에 대해서도 맨하탄 좌표계를 추정한다. 제안하는 방법은 학습에 참여하지 않은 구글 스트리트 뷰 영상을 검증 데이터로 테스트하였을 때 $3.157^{\circ}$의 중간 오차로 맨하탄 좌표계를 추정하였다. 또한, 동일 검증 데이터에 대해 제안하는 방법이 기존 맨하탄 좌표계 추정 알고리즘[3]보다 더 낮은 중간 오차를 보이는 것을 확인하였다.

• 한국융합학회논문지
• /
• 제12권10호
• /
• pp.63-70
• /
• 2021

고해상도 심층신경망을 이용하여 기상데이터를 초해상화하면 보다 더 정밀한 연구와 실생활에 유용한 서비스를 제공할 수 있다. 본 논문에서는 고해상도 심층신경망 학습에 사용하기 위한 개선된 훈련자료 생산기술을 최초로 제안한다. 기상전문 지식으로 고해상도 기상 자료를 생성하기 위해, 전문 기관의 관측자료와 ERA5 재분석장 자료를 바탕으로 람베르트 정각원추도법과 객관분석을 적용했다. 그 결과, 기상 전문 지식 기반의 기온 및 습도 분석자료는 기존 배경장 대비 RMSE 값이 각각 최대 42%, 46% 개선되었다. 다음으로, 기상 전문 기술을 이용한 수동적인 데이터 생성 기법을 자동화하기 위해 인공지능 기술 중 하나인 SRGAN을 이용했고, 10 km 해상도를 가지는 전지구모델자료로부터 1 km 해상도를 가지는 고해상도 자료를 생성하는 실험을 진행했다. 최종적으로, SRGAN으로 생성한 결과는 전지구모델입력자료에 비해 높은 해상도를 가지며 수동으로 생성한 고해상도 분석자료와 유사한 분석 패턴을 보이면서도 부드러운 경계를 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권3호
• /
• pp.217-225
• /
• 2024

미래 핵심 인재 양성을 위해서는 다양하고 실질적인 SW·AI 교육 프로그램의 개발이 필요하고 SW·AI 공교육을 보조할 수 있는 체계적인 시스템이 구축되어야 한다. 본 연구에서는 SW·AI 교육 모듈을 개발하고 조합하여 공교육에 적용 가능한 SW·AI 교육 프로그램을 구성한다. 또한, 체계적인 교육시스템을 구축하고 다양한 공유 플랫폼을 기반으로 'Job's Garage Camp'를 진행하여 초·중·고 학생들에게 지속 가능한 SW·AI 교육을 제공한다. 지속 가능한 공교육 연계 교육환경을 조성함으로써, 학생들이 SW·AI에 대한 학습을 자기 주도적으로 이어갈 수 있도록 유도한다. 'Job's Garage Camp'에 참여한 학생들을 대상으로 사전-사후 설문조사를 실시한 결과, '흥미·관심', '이해·자신감', '진로희망'의 모든 영역에서 사전 대비 사후 수치가 향상되었다. 이러한 결과를 기반으로 학생들에게 SW·AI에 대한 보편적인 긍정적인 인식과 영향을 주었음을 확인할 수 있다. 따라서 'Job's Garage Camp'의 운영사례를 개선하고 확대한다면 추후 다른 SW·AI 교육 프로그램에 적용 가능한 표준 모델로 제시될 수 있다.

• 한국산학기술학회논문지
• /
• 제19권11호
• /
• pp.310-318
• /
• 2018

최근 사물인터넷(IoT)의 등장으로 인터넷에 연결된 다양한 기기들에 의해 대규모의 데이터가 생성됨에 따라 빅데이터 분석의 중요성이 증가하고 있다. 특히 실시간으로 생성되는 대규모의 IoT 스트리밍 센서 데이터를 분석하여 새로운 의미 있는 미래 예측을 통해 다양한 서비스를 제공하는 것이 필요하게 되었다. 본 논문은 AWS를 활용하여 IoT 센서로부터 생성되는 스트리밍 데이터에 기반하여 실시간 실내 PM10 농도 예측 LSTM 모델을 제안한다. 또한 제안 모델에 따른 실시간 실내 PM10 농도 예측 서비스를 구축한다. 논문에 사용된 데이터는 PM10 IoT 센서로부터 24시간 동안 수집된 스트리밍 데이터이다. 이를 LSTM의 입력 데이터로 사용하기 위해 PM10 시계열 데이터로부터 30개의 연속된 값으로 이루어진 시퀀스 데이터로 변환한다. LSTM 모델은 바로 인접한 공간으로 이동해 가는 슬라이딩 윈도우 프로세스를 통하여 학습한다. 또한 모델의 성능 개선을 위해 24시간마다 수집한 스트리밍 데이터에 대해 점진적 학습 방법을 적용한다. 제안한 LSTM 모델의 성능을 평가하기 위해 선형회귀 모델 및 순환형 신경망(RNN) 모델과 비교한다. 실험 결과는 제안한 LSTM 예측 모델이 선형 회귀보다 700%, RNN 모델보다는 140% 성능 개선이 있음을 보여주었다.