• 대한전자공학회논문지SD
• /
• 제46권3호
• /
• pp.41-50
• /
• 2009

플래시 메모리는 비휘발성, 저전력, 빠른 입출력, 충격에 강함 등과 같은 많은 장점을 가지고 있으며, 모바일 기기에서의 저장 매체로 자주 사용이 증가 되고 있다. 이에 따라 임베디드 디바이스에 널리 사용되는 NAND 플래시 전용 파일시스템인 YAFFS에 관한 연구가 활발히 이루어지고 있다. 하지만 기존의 YAFFS는 마운트 시 모든 페이지의 스페어 영역을 스캔함으로써 마운트 속도가 상당히 오래 걸리며, 기존의 지움 정책에서 플래시메모리의 특성인 마모도 제한을 고려하지 않은 지움 정책(Cartage-Collection)을 사용하는 문제점을 가지고 있다. 따라서 본 논문에서는 YAFFS의 마운트 과정에서의 문제점을 해결하기 위해 블록을 내용기반 리스트로 관리하고 마운트 할 때 일부 스페어 영역만을 읽어 기존의 마운트 시간을 감소시키는 기법을 제시한다. 또한 기존의 마모도 기법의 문제점을 해결하기 위해 내용기반 지움 정책을 사용하는 블록 스왑기법을 제안 한다. 실험에서는 파일의 크기를 다양하게 분류하여 기존의 파일시스템들과 비교하였다. 내용기반 YAFFS가 JFFS2보다는 82.2% 기존의 YAFFS보다는 42.9%의 마운트 평균시간이 감소하였으며, 기존의 지움 정책과 비교하여 추가적인 삭제나 지움 횟수가 없으며 제안한 블록 스왑기법은 마모도를 균일화하여 약 35%의 수명 증가를 보여준다.

• 정보보호학회논문지
• /
• 제29권3호
• /
• pp.491-501
• /
• 2019

최근 보안 디바이스의 물리적 취약성을 찾을 수 있는 부채널 분석 분야에서 딥러닝을 활용한 연구가 활발히 진행되고 있다. 하지만, 최신 딥러닝 기반 부채널 분석 기술 연구는 템플릿 공격 등과 같은 프로파일링 기반 부채널 분석 환경에서 파형을 옳게 분류하기 위한 연구에 집중되어 있다. 본 논문에서는 이전 연구들과 다르게 딥러닝을 신호 전처리 기법으로 활용하여 차분 전력 분석, 상관 전력 분석 등과 같은 논프로파일링 기반 부채널 분석의 성능을 고도화할 수 있는 방법을 제안한다. 제안기법은 오토인코더를 부채널 분석 환경에 적합하게 변경하여 부채널 정보의 노이즈를 제거하는 전처리 기법으로, 기존 노이즈 제거 오토인코더는 임의로 추가한 노이즈에 대한 학습을 하였다면 제안하는 기법은 노이즈가 제거된 라벨을 사용하여 실제 데이터의 노이즈를 학습한다. 제안기법은 논프로파일링 환경에서 수행 가능한 전처리 기법이며 하나의 뉴런 네트워크의 학습만을 통해 수행할 수 있다. 본 논문에서는 실험을 통해 제안기법의 노이즈 제거 성능을 입증하였으며, 주성분분석 및 선형판별분석과 같은 기존 전처리 기법들과 비교하여 우수하다는 것을 보인다.

• 한국의학물리학회지:의학물리
• /
• 제24권4호
• /
• pp.278-283
• /
• 2013

방사선 치료를 진행한 오른편 유방암 환자에 비해 왼편 유방암 환자의 방사선 치료 시 왼편 유방의 인접 주요 장기인 심장에 전달되는 선량에 의한 심장 질환의 발병 및 기타 질환의 발병으로 인한 높은 치사율과 관련된 예후가 보고되고 있다. 방사선 치료에서 computed tomography (CT) 영상을 획득 하는 방법 중 deep inspiration breath hold (DIBH) 기법은 들숨 상태에서 일정 시간 동안 환자의 호흡을 정지시키고 영상을 획득 하는 방법으로 심장과 흉곽 사이의 거리가 최대가 되게 한다. 따라서 본 연구에서는 DIBH 영상 획득 기법을 활용하여 왼편 유방암 환자의 방사선 치료 시 DIBH 기법을 적용한 CT 영상을 토대로 심장과 왼편 유방까지의 거리 계산 및 심장에 전달되는 피해 선량을 정량화 함으로써 왼편 유방암 환자의 방사선 치료 시 DIBH 기법의 유용성을 평가하고자 하였다. Free breathing (FB)와 DIBH 기법을 적용한 여성 유방암 환자의 CT 영상을 각 10세트를 획득하고, 50 Gy를 28번으로 분할하여 처방하였으며, 쐐기 필터(wedge filter)를 이용한 대향 2문 접선 조사를 적용했다. 심장과 왼편 유방까지의 거리는 각 장기의 중심 좌표를 획득하고, 각 중심좌표 간의 거리를 계산하였다. DIBH 기법의 경우, 일반적인 FB 기법을 적용 했을 때보다 심장과 왼편 유방 사이의 거리가 평균 1.43 mm 증가하였으며, 통계적 유효성을 확인할 수 있었다. 심장에 전달된 피해 선량의 경우, 최대 선량 기준으로 크게는 3,555 cGy 가량 감소함을 확인할 수 있었다. 각 영상마다의 거리 및 심장의 피해 선량에 대한 정도의 차이는 있었지만, DIBH 기법을 적용하였을 경우, 심장과 왼편 유방까지의 거리의 증가 및 피해 선량 감소 등의 경향성을 확인할 수 있었다. 본 DIBH 기법은 기존 방사선 치료 과정 중 추가적인 시간 소모가 적고, 쉽게 적용할 수 있다는 장점이 있으며, 임상에서의 적용으로 여성 유방암 환자의 불필요한 심장 피해 선량 전달을 감소 시킬 수 있을 것으로 사료된다.

• PNF and Movement
• /
• 제22권1호
• /
• pp.55-70
• /
• 2024

Purpose: The purpose of this study was to investigate the effects of three relaxation techniques, namely, Static Stretching Exercise (SSE), Eccentric Contraction Exercise (ECE), and Suboccipital Muscle Release (SMR) on the flexibility and balance of the lower limb in adults with hamstring shortening. Methods: The participants were 45 adults in their 20s with hamstring shortening. They performed three exercises (i.e., SSE, ECE, and SMR) for two weeks. We measured flexibility, muscle tone and stiffness, proprioception, and balance before and after the intervention, applying each relaxation technique. Data were analyzed using two-way repeated measures analysis of variance (ANOVA). The significance level was set at α=0.05. Results: Flexibility increased in the SSE, ECE, and SMR groups, with the SSE group showing the greatest improvement. Muscle tone and stiffness decreased in all groups, with the ECE group exhibiting the highest reduction. Proprioception increased in the SSE, ECE, and SMR groups, with SSE demonstrating the greatest enhancement. Balance also increased in all groups, with the ECE group showing the most pronounced improvement. Conclusion: Overall, all three relaxation techniques for hamstring shortening resulted in improved flexibility, muscle tone and stiffness, proprioception, and balance of the lower limb in adults with hamstring shortening. The findings of this study underscore the importance of selecting an appropriate technique according to the purpose of treatment and the condition of the patient.

• 한국컴퓨터그래픽스학회논문지
• /
• 제16권1호
• /
• pp.9-20
• /
• 2010

3차원 공간에 존재하는 반투명 물질을 물리 기반으로 렌더링하기 위해서 빛의 진행 경로를 작은 구간으로 나눈 후, 각 구간에 대하여 빛의 직접적인 영향, 산란으로 인한 영향, 반투명 물질안에서의 소멸 및 물질의 발광으로 인한 영향 등을 고려한 빛의 에너지를 계산하여 누적하는 방식을 사용한다. 이중 빛의 산란은 연속 공간에서 매우 복잡한 방식으로 작용하기 때문에 이의 시뮬레이션을 위해서 상당한 노력이 필요하다. 빛의 산란을 효과적으로 계산하기 위해 여러근사 방법들이 고안되었는데, 그중 볼륨 포톤매핑 기법은 빛이 간섭매체 내부에서 산란되는 효과를 단순화된 시뮬레이션으로 미리 계산하여두고 이를 검색해 효율적으로 렌더링 하는 방법을 사용한다. 이 방법은 주변에서 검색한 시뮬레이션 정보를 이용하기 위해서 밀도추정방법을 적용하는데, 시뮬레이션자료의분포에 따라서 검색에 따른 편차가 있을 수 있게된다. 또한 시뮬레이션된 자료만을 이용하여 산란효과를 반영하기 때문에 고밀도이지만 시뮬레이션이 충분하지 못한 위치에 대해서 방향성 있는 위상함수에 대한 특징을 잘 표현하지 못한다는 문제가있다. 이러한 문제를해결하고자 하는 노력의 일환으로, 본 논문에서는 입자형태로 시뮬레이션된 볼륨데이터에 대해 밀도추정방법의 하나인 커널스무딩을 이용하여 표현한 산란효과를 반투명물질 자료구조에 저장하고 이를 복원하는 방법을 제안하고, 실험결과 분석을 통하여 장단점을 분석한다.

• 한국인터넷방송통신학회논문지
• /
• 제9권2호
• /
• pp.13-20
• /
• 2009

최근 실시간 서비스의 요구 사항을 갖는 위치 기반 서비스와 텔레매틱스 서비스를 효율적으로 제공하기 위해서 공간 메인메모리 DBMS에 대한 관심이 급증하고 있다. 이러한 공간 메인 메모리 DBMS에서 기존의 디스크 기반 공간 인데스들을 메인 메모리에 최적화하기 위해 엔트리 크기를 줄여 캐시 접근 실패를 최소화한 공간 인덱스 구조들이 제안되고 있다. 그러나 엔트리 크기를 줄이기 위하여 부모 노드의 MBR을 기준으로 압축하거나 중복된 MBR을 제거하기 때문에 인덱스 갱신 시 MBR 재구성 비용이 증가하고 인덱스 검색 시 효율이 떨어지는 문제점이 있다. 본 논문에서는 MBR 재구성 비용을 줄이기 위하여 넓은 분포의 경우와 좁은 분포의 경우로 나누어 압축 기준점을 다르게 적용하는 RSMBR(Relative-Sized MBR)압축 기법을 제시하였다. RSMBR 압축 기법은 넓은 분포일 경우 부모 노드 확장 MBR의 좌하점을 기준으로 압축하고, 좁은 분포일 경우 전체 MBR을 일정 크기의 셀로 나누고 각 셀의 좌하점을 기준으로 압축한다. 또한 인덱스 검색 시 검색 비용을 줄이기 위하여 상대 좌표와 크기를 이용하여 MBR을 압축한다. 마지막으로, 본 논문에서는 실제 데이타를 통한 성능 평가를 수행하여 RSMBR 압축 기법의 우수성도 입증하였다.

• 분석과학
• /
• 제27권1호
• /
• pp.41-59
• /
• 2014

국내 시판제품으로 서울시내에서 구입한 산업용 윤활유, 이륜구동 윤활유, 선박용 윤활유, 자동차용 윤활유(엔진오일, 수동 변속기 기어유, 자동변속기 오일) 등 80종(기유 4종 포함)의 새 윤활유들(80 classes)과 8종의 경유 차량과 16종의 휘발유 차량에 각각 3종씩의 경유와 휘발유 전용 엔진 오일로 교환하여 차량별 및 주행거리별로 각각 채취한 사용 엔진 오일 86종을 GC/MS로 분석한 TIC로 데이터베이스를 만들고, 새 윤활유와 사용 엔진오일들의 동일성 추적과 차량별 분류를 위하여 차원 축소와 베이지안 방식의 분류 모형을 개발하였다. 새 윤활유의 분류는 웨이블렛 적합방법과 주성분 분석방법으로 차원 축소하여 베이지안 방식의 분류 모형을 적용한 결과 각각 97.5%와 96.7%의 정분류율을 보여 차원 축소는 웨이블렛 적합방법이 더 좋은 결과를 나타냈다. 그리고 새 윤활유의 분류에서 선택된 웨이블렛 적합방법의 차원 축소와 베이지안 방식의 분류 모형에 의한 사용 엔진 오일의 차량별 분류(총 24 classes)는 86.4%의 정분류율을 보였고, 경유 차량인지 휘발유 차량인지를 구분하는 차량 연료 타입별 분류(총 2 classes)는 99.6%의 정분류율을 나타내었고, 사용 엔진 오일 브랜드별 분류(총 6 classes)는 97.3%의 정분류율을 나타내었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권12호
• /
• pp.403-410
• /
• 2020

오토인코더의 데이터 복원(Output result) 기능을 이용한 노이즈 제거 및 초해상도와 같은 연구가 진행되는 가운데 오토인코더의 차원 축소 기능을 이용한 클러스터링의 성능 향상에 대한 연구도 활발히 진행되고 있다. 오토인코더를 이용한 클러스터링 기능과 데이터 복원 기능은 모두 동일한 학습을 통해 성능을 향상시킨다는 공통점이 있다. 본 논문은 이런 특징을 토대로, 데이터 복원 성능이 뛰어나도록 설계된 오토인코더 모델이 클러스터링 성능 또한 뛰어난지 알아보기 위한 실험을 진행했다. 데이터 복원 성능이 뛰어난 오토인코더를 설계하기 위해서 스킵연결(Skip connection) 기법을 사용했다. 스킵연결 기법은 기울기 소실(Vanishing gradient)현상을 해소해주고 모델의 학습 효율을 높인다는 장점을 가지고 있을 뿐만 아니라, 데이터 복원 시 손실된 정보를 보완해 줌으로써 데이터 복원 성능을 높이는 효과도 가지고 있다. 스킵연결이 적용된 오토인코더 모델과 적용되지 않은 모델의 데이터 복원 성능과 클러스터링 성능을 그래프와 시각적 추출물을 통해 결과를 비교해 보니, 데이터 복원 성능은 올랐지만 클러스터링 성능은 떨어지는 결과를 확인했다. 이 결과는 오토인코더와 같은 신경망 모델이 출력된 결과 성능이 좋다고 해서 각 레이어들이 데이터의 특징을 모두 잘 학습했다고 확신할 수 없음을 알려준다. 마지막으로 클러스터링의 성능을 좌우하는 잠재변수(latent code)와 스킵연결의 관계를 분석하여 실험 결과의 원인에 대해 파악하였고, 파악한 결과를 통해 잠재변수와 스킵연결의 특징정보를 이용해 클러스터링의 성능저하 현상을 보완할 수 있다는 사실을 보였다. 이 연구는 한자 유니코드 문제를 클러스터링 기법을 이용해 해결하고자 클러스터링 성능 향상을 위한 선행연구이다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제2권6호
• /
• pp.279-290
• /
• 2013

디지털 포렌식에서의 로그 데이터는 사용자의 과거 행적에 대한 추적을 목적으로 대용량의 형태로 저장된다는 특성을 가지고 있다. 이러한 대용량의 로그 데이터를 단서가 없이 수동으로 분석하는 절차는 조사관들에게는 어려운 일이다. 본 논문에서는 포렌식 분석을 하는 조사관들에게 믿을 만한 증거를 추천하기 위하여 대용량의 로그 집합으로부터 해킹 흔적을 추출하는 텍스트 마이닝 기술을 제안한다. 학습 단계에서는 훈련 로그 집합을 대상으로 전처리를 한 후, Apriori 알고리즘을 이용하여 침입 흔적 연관 단어를 추출하고, 신뢰도와 지지도를 병합하여 각 연관단어의 침입 흔적 확률을 계산한다. 또한, 침입 흔적 확률의 정확도를 높이기 위하여 스팸 메일의 여과에 사용된 Robinson의 신뢰도 계산 방법을 이용하여 확률에 가중치를 추가하며, 최종적으로 침입 흔적 연관 단어 지식 베이스를 구축한다. 테스트 단계에서는 연관 단어 지식 베이스를 기반으로 테스트 로그 집합에 대해 피셔(Fisher)의 역 카이제곱 분류 알고리즘을 적용하여 침입 흔적 로그일 확률과 정상 로그일 확률을 계산하고, 이를 병합하여 침입 흔적 로그를 추출한다. 추출된 로그를 조사관에게 침입 흔적이 있는 로그로서 추천한다. 제안한 방법은 비구조화된 대용량의 로그 데이터를 대상으로 데이터의 의미를 명확하게 분석할 수 있는 학습 방법을 사용함으로써 데이터의 모호성으로 인해 발생하는 정확도 저하 문제를 보완할 수 있으며, 피셔의 역 카이제곱 분류 알고리즘을 이용하여 추천함으로써 오분류율(false positive)을 감소시키고 수동으로 증거를 추출하는 번거로움을 줄일 수 있다는 장점을 갖는다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권4호
• /
• pp.129-134
• /
• 2018

최근, 인공신경망 모델은 예측, 수치제어, 로봇제어, 패턴인식 등의 분야에서 촉망되는 기술이다. 본 연구에서는 인공신경망 모델을 이용하여 온실 외부 온도를 예측하고 이를 온실제어에 활용하는데 목적이 있다. 예측 모델의 성능 평가를 위해 다중회귀모델과 SVM 모델과의 비교분석을 수행하였다. 평가 방법으로는 10-Fold Cross Validation을 사용하였으며, 예측 성능 향상을 위해 상관관계분석 통해 데이터 축소를 수행하였고, 측정 데이터로부터 새로운 Factor 추출하여 데이터의 신뢰성을 확보하였다. 인공신경망 구축을 위해 Backpropagation algorithm을 사용하였으며, 다중회귀모델은 M5 method로 구축하였고, SVM 모델을 epsilon-SVM으로 구축하였다. 각 모델의 비교분석 결과 각각 0.9256, 1.8503과 7.5521로 나타났다. 또한 예측모델을 온실 난방부하 계산에 적용함으로써 온실에 사용되는 에너지 비용 절감을 통한 수입증대에 기여할 수 있다. 실험한 온실의 난방부하는 3326.4kcal/h이며, 총 난방시간이 $10000^{\circ}C/h$일 때 연료소비량은 453.8L로 예측된다. 아울러 데이터 마이닝 기술 중 하나인 인공신경망을 정밀온실제어, 재배기법, 수확예측 등 다양한 농업 분야에 적용함으로써 스마트 농업으로의 발전에 기여할 수 있다.