• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.598-601
• /
• 2011

동적응답과 하중을 정확히 산정하기 위해서는 구조물의 동적특성을 정확히 평가하는 것이 중요하기 때문에, 현재 대부분의 경우 FE 모델을 이용한 Modal 해석을 dldydg하여 동특성을 평가하고 있다. 그러나 실제 건물의 계측결과와 동적특성의 해석결과가 많은 차이를 나타내고 있으므로 해석결과의 신뢰성을 향상하기 위해서는 FE 모델에 대한 Calibration이 수행될 필요성이 있다. 이 논문에서는 초고층, 아파트, 대공간 구조물에 대한 계측을 수행하고 이 결과를 바탕으로 동특성을 정확히 예측하기 위한 FE 모델의Calibration 과정을 제시하였다. 이 결과를 바탕으로 동적특성의 정확성이 풍동실험결과의 신뢰성에 미치는 영향을 분석하였다.

• 한국IT서비스학회:학술대회논문집
• /
• 2009.05a
• /
• pp.18-23
• /
• 2009

정부 주도적으로 전국적으로 U-City 구축이 확산되고 있으며 특히 신도시형 U-City 사업은 동탄 U-City가 완공됨에 따라 본격적인 운영단계에 접어들고 있다. 그러나 신도시형 U-City 사업은 이원화된 사업 수행 체계로 인한 많은 문제점들이 드러나고 있다. 본 논문에서는 U-City 사업의 가치사슬을 분석하여 문제점을 도출하고 이에 대한 해결방안으로서 U-City 거버넌스 모델을 제시하고 있다. U-City 거버넌스 모델은 구축뿐만 아니라 운영 단계까지 포함한 U-City 라이프사이클을 효율적이며 효과적으로 관리할 수 있는 조직 체계를 정의한다. 이와 같은 U-City 거버넌스 모델은 국내 U-City 사업뿐만 아니라 도시수출의 성과를 극대화 할 수 있는 기반을 제공할 것으로 기대된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.01a
• /
• pp.345-346
• /
• 2014

최근 각종 스마트 기기들이 급증함에 따라 방대해 지는 데이터들을 관리하기 위하여 IT 서비스 기업들의 클라우드 시스템이 요구되었다. 하지만 폭발적으로 늘어나는 이용자와 다양한 스마트 기기들 때문에 기존의 클라우드 시스템으로는 방대한 데이터 관리를 서비스하기 위해 많은 전력이 소모 되고 있다. 이를 위해 본 논문에서는 기존 클라우드 시스템의 전력 효율을 개선하기 위해 은닉마르코프 모델을 적용한 클라우드 시스템 모델을 제안한다.

• Information and Communications Magazine
• /
• v.27 no.7
• /
• pp.36-41
• /
• 2010

본 논문에서는 개미 군집의 행동 생태를 모델로 하여 군집 시스템의 적응적 분업화, 전문화 특성을 살펴보고, 사물 통신 네트워크 분야로의 응용 가능성을 소개하고자 한다. 내 외적인 환경 변화에 대비하여 개미 군집이 어떻게 효율적인 관리와 전체 시스템의 운영 유지를 할 수 있는지는 시스템 관점의 분석 모델이 요구된다. 한 가능한 모델은 반응역(response threshold)과 일의 자극(task associated stimuli)의 관계로 적응적 반응함수를 사용하는 것이다. 본 논문에서는 적응적인 반응함수가 전체 군집의 효율성과 분업화 과정을 촉발시키는 형태로 발전하는 예제를 보여줄 것이다. 이러한 시스템 분석은 사물 통신 네트워크 분야 연구에 적용될 수 있고, 멀티 에이젼트 시스템에서 효율적인 정보 전송 및 유지, 노드 부하의 균등화, 통신 가능한 스웜 로봇의 업무 분업화 등 다양한 분야로 응용 가능성이 있음을 제안한다.

• Proceedings of the Korean Institute of Surface Engineering Conference
• /
• 2011.05a
• /
• pp.68-69
• /
• 2011

마그네슘 판재의 온간 스프링백 거동 예측을 위한 재료 거동 모델을 고찰하였다. V-굽힘 시험에 관한 기존 문헌의 결과와 비교하여 재료 모델의 타당성을 토하였다. 스프링백 거동의 정량화를 위해 온간 S-rail 프레스금형에 의한 성형 시험을 수행하였다. 성형 시험은 다양한 온도, 속도, 성형깊이 조건에서 수행하였으며 시험 결과를 서로 비교하였다. 재료 모델을 사용하여 S-레일 성형에 따른 스프링백 예측을 위한 유한요소해석을 수행하고 그 결과를 시험 측정값과 비교하였다. 이로부터 재료 모델의 한계와 가능성을 고찰하였다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.1986-1987
• /
• 2007

본 논문에서는 PSIM 모델을 이용하여 오프라인 전류모드 제어 플라이백 변환기의 동특성 해석과 제어기 설계방법을 제시하였다. 제시된 PSIM 모델은 시간영역 모델을 이용하기 때문에 구조가 간단하여 이용하기가 쉬우며 정확성이 높다는 장점이 있다. 그리고 $110V{\sim}220V$ 오프라인 전원을 입력하여 10V/5A의 출력을 가지는 50W 플라이백 변환기를 설계 제작하여 실험을 통해 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.220-223
• /
• 2006

본 논문은 모델트리 알고리즘인 M5에 부분최소법(PLS: Partial Least Square)을 적용하여 클로로필-a 농도의 예측 모델을 제안한다. 제안된 방법은 M5을 이용하여 모델트리를 구축한 후 잎노드에서 PLS를 적용하여 지역모델(local model)을 구축한다. 제안된 방법의 우수성을 보이기 위해 수질 데이터를 대상으로 실험한 결과 기존의 M5 방식에 비하여 향상된 성능을 보임을 알 수 있었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2016.10a
• /
• pp.351-354
• /
• 2016

The competition of Go between AlphaGo and Lee Sedol attracted global interest leading AlphaGo to victory. The core function of AlphaGo is deep-learning system, studying by computer itself. Afterwards, the utilization of deep-learning system using artificial intelligence is said to be verified. Recently, the government passed the loT Act and developing its business model to promote loT. This study is on analyzing IoT business environment using deep-learning AI and constructing specialized business models.

• Annual Conference of KIPS
• /
• 2013.11a
• /
• pp.1350-1353
• /
• 2013

자동차의 안전성 향상에 대한 연구는 오랜 기간 다양한 분야에서 진행되고 있다. 이 시스템은 단일 카메라를 이용하여 차선을 감지함으로써 차선 침범을 방지한다. 시스템은 파티클 필터를 이용해 도로 모델 파라미터를 조정하고 두 개의 detector가 도로 모델의 일치도를 계산한다. Detector는 차선의 모양과 색이라는 대표적인 특징을 이용한다. 파티클 필터를 전 프레임에서 사용한 모델 파라미터를 이용하여 신속한 처리를 한다.

• Annual Conference of KIPS
• /
• 2020.05a
• /
• pp.547-550
• /
• 2020

노인인구의 급증에 따라 노인 건강에 대한 관심이 증가하였고 노인 낙상을 발견하는 방법에 대한 관심도 함께 대두되기 시작하였다. 낙상 사고의 경우 낙상을 일으킨 원인보다 낙상이 제때 감지되지 않아 발생하는 이후의 상황이 더욱 심각한 결과를 초래한다. 따라서 낙상이 발생했을 때, 바로 낙상을 감지할 수 있는 시스템 구축이 필요하다. 다양한 낙상 검출을 위한 방법이 존재하지만 그 중 착용이 쉽고 원격지에서 관찰 및 관리가 가능한 웨어러블(Wearable) 기기의 센서 데이터를 사용한 낙상 검출을 진행하였다. 본 논문에서는 머신 러닝 모델들을 사용해서 낙상 검출 성능 비교 및 적절한 모델을 제안한다. 기계 학습 기반의 모델인 결정 트리(Decision Tree), 랜덤 포래스트(Random Forest), SVM(Support Vector Machine)을 사용하여 실제 측정된 데이터에 낙상 검출 학습 능력을 정량화하였다. 또한, 모델의 입력 값에 적용한 데이터 분할, 전처리 및 특징 추출 방법을 통해서 효율적인 낙상 검출을 위한 기계학습 관점에서의 타당성을 판단하고자 한다.