• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 춘계학술발표대회
• /
• pp.881-884
• /
• 2013

RDF(Resource Description Framework)는 시맨틱 웹의 기초로서 웹 사용자에게 정보를 보다 정확하고 효율적으로 접근하는 표준이다. RDF 데이터를 효율적으로 저장하고 접근하는 필요성이 날로 증가하고 있다. RDF 데이터를 저장하고 검색하는 기본 저장 구조는 관계형 데이터베이스를 이용하는 것이다. 최근에는 RDF 데이터가 엄청나게 증가하고 있는 시점에 대용량 database의 질의(단순 조회)에 최적화된 칼럼-지향(column-oriented) 데이터베이스가 대안으로 제안되었다. 본 논문에서는 RDF 데이터의 저장 구조로서 관계형 데이터베이스와 칼럼-기반 데이터베이스를 비교분석 하고자 한다. Berlin SPARQL Benchmark 를 이용한 성능분석 결과 RDF data 의 저장 구조로서 칼럼-기반 데이터베이스의 효율성을 입증하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제34권9호
• /
• pp.445-458
• /
• 2007

본 논문에서는 대용량 메모리 데이타 처리를 위한 범용 하드웨어 기반의 원격 메모리 시스템을 제안한다. 느린 디스크와 상대적으로 대단히 빠른 접근 속도를 보장하는 메모리 사이에 존재하게 되는 새로운 메모리 계층을 구현하기 위해, 본 논문에서는 다수의 일반적인 범용 데스크탑 PC들과 원격 직접메모리 접근 (이하 RDMA) 기능이 가능한 고속 네트워크를 최대한 활용하였다. 제안된 새로운 계층의 메모리는 합리적인 응답시간과 용량을 제공함으로서 비교적 적은 양의 성능 부담으로서 대용량의 메모리 상주 데이타베이스를 구동할 수 있게 되었다. 제안된 원격 메모리 시스템은 원격 메모리 페이지들을 관리하게 되는 원격 메모리 시스템과, 원격 메모리 페이지의 교체를 관리하게 되는 원격 메모리 페이저로 구성되어 있다. 범용으로 쓰이는 MySQL과 같은 데이타베이스를 이용한 TPC-C 실험 결과로 볼 때 제안된 원격 메모리 시스템은 일반적인 대용량 메모리 데이타 처리 시스템에서 요구하는 다양한 요구조건을 만족시킬 수 있을 것이라 생각된다.

• Smart Structures and Systems
• /
• 제8권1호
• /
• pp.119-137
• /
• 2011

A bio-inspired two-mode structural health monitoring (SHM) system based on the Na$\ddot{i}$ve Bayes (NB) classification method is discussed in this paper. To implement the molecular biology based Deoxyribonucleic acid (DNA) array concept in structural health monitoring, which has been demonstrated to be superior in disease detection, two types of array expression data have been proposed for the development of the SHM algorithm. For the micro-vibration mode, a two-tier auto-regression with exogenous (AR-ARX) process is used to extract the expression array from the recorded structural time history while an ARX process is applied for the analysis of the earthquake mode. The health condition of the structure is then determined using the NB classification method. In addition, the union concept in probability is used to improve the accuracy of the system. To verify the performance and reliability of the SHM algorithm, a downscaled eight-storey steel building located at the shaking table of the National Center for Research on Earthquake Engineering (NCREE) was used as the benchmark structure. The structural response from different damage levels and locations was collected and incorporated in the database to aid the structural health monitoring process. Preliminary verification has demonstrated that the structure health condition can be precisely detected by the proposed algorithm. To implement the developed SHM system in a practical application, a SHM prototype consisting of the input sensing module, the transmission module, and the SHM platform was developed. The vibration data were first measured by the deployed sensor, and subsequently the SHM mode corresponding to the desired excitation is chosen automatically to quickly evaluate the health condition of the structure. Test results from the ambient vibration and shaking table test showed that the condition and location of the benchmark structure damage can be successfully detected by the proposed SHM prototype system, and the information is instantaneously transmitted to a remote server to facilitate real-time monitoring. Implementing the bio-inspired two-mode SHM practically has been successfully demonstrated.

• 대한토목학회논문집
• /
• 제39권5호
• /
• pp.631-636
• /
• 2019

최근 많은 연구자들이 대규모 현장에 투입된 건설자원의 유형과 위치를 자동 파악하는 영상분석기술을 활발히 개발하고 있다. 하지만 기존의 방법들은 인식하고자 하는 건설 물체(작업자, 중장비, 자재 등)를 학습용 이미지 데이터에 표시하는 Labeling 작업을 요구하고 이에 불필요한 시간과 노력이 낭비된다는 한계가 있다. 이러한 한계를 보완하기 위해서 본 연구는 액티브 러닝을 활용한 영상기반 건설현장 물체 자동 인식 프레임 워크를 제안함을 목표로 한다. 개발 프레임워크 검증을 목적으로 건설분야 Benchmark 데이터셋을 이용하여 실제 실험을 진행하였다. 그 결과, 액티브 러닝을 통해 학습한 모델은 다양한 특성을 지닌 건설물체를 성공적으로 인식할 수 있었고, 기존의 학습 DB 구축 방식과 비교할 때 더 적은 데이터 수와 반복학습 횟수로도 높은 성능을 가지는 영상분석모델을 개발할 수 있었다. 결과적으로 기존에 요구되던 학습 DB 구축을 위한 Labeling 작업을 줄일 뿐만 아니라 총 시간과 비용을 최소화할 수 있다.

• 방송공학회논문지
• /
• 제13권6호
• /
• pp.828-837
• /
• 2008

본 논문은 단일 3차원 모델과 모델의 클래스의 특징적인 시점을 추출하여 3차원 모델 검색 및 분류를 수행하는 기법을 제안한다. 제안하는 기법은 3차원 모델을 투영한 2차원 형상 중에 특징적인 형상을 추출하는데, 이때 고르게 샘플(sample)된 형상들을 최근 개발된 친근도 전파 (affinity propagation) 기법을 이용하여 군집화(clustering)한다. 친근도 전파는 데이터를 군집화하는 동시에 각 클러스터의 대표 값을 계산하므로, 군집화된 형상들로부터 대표 형상이 자연스럽게 지정된다. 제안하는 기법은 친근도 기법을 클래스별로 각 모델의 대표 형상 집합에 재차 적용하여 클래스의 대표 형상을 추출하고, 이를 기반으로 하여 3차원 모델의 분류도 가능하게 한다. 3차원 모델의 검색 뿐 아니라 분류를 가능하게 함으로써, 분류를 검색의 전처리 과정으로 하여 연관된 클래스의 모델 중에서만 검색을 수행할 수 있게 하여 단위가 큰 데이터베이스에서도 효율적인 검색을 가능하게 한다. [16]에 제안된 프린스턴 벤치마크 데이터베이스(Princeton benchmark database)을 이용한 실험을 통해 제안하는 검색 및 분류 기법의 유용함을 보인다.

• 한국지리정보학회지
• /
• 제26권3호
• /
• pp.12-36
• /
• 2023

그래프 데이터베이스는 다양한 유형의 데이터와 그 관계를 그래프로 모델링하여 적재하기 때문에 복잡한 관계로 연결될 수 있는 부동산 데이터를 관리하고 분석하는데 효과적일 수 있으나, 현재 제공되는 그래프 데이터베이스의 제한적인 공간 기능으로 인해 활발히 활용되지 못하고 있다. 이러한 배경에서, 본 연구에서는 다양한 부동산 공간 관련 질문들에 대응할 수 있도록 그래프 데이터베이스를 활용한 Uniform Grid 기반 부동산 공간 데이터 관리 방안을 제안한다. 핵심 데이터를 선정하기 위하여 부동산 커뮤니티의 관련 질의를 분석하였으며, 국가지점번호를 단위 Grid로 설정하고 다양한 부동산 관련 데이터들을 연결한 그래프 스키마를 구성하여 테스트 데이터베이스를 구축하였다. 데이터베이스 검증을 위해, Jackpine 벤치마크를 활용하여 기본 위상관계 및 공간함수를 테스트하였고, 나아가 다양한 시나리오 기반 질의 테스트를 수행함으로써 제안한 방법의 적절성을 검증하고자 하였다. 그 결과, 제안한 방법은 총 29개의 공간 위상관계와 공간함수 중 25개의 기능을 성공적으로 수행하였고, 25개의 기능과 15개의 시나리오에 대해 약 97%의 정확도를 달성하였다. 본 연구는 그래프 데이터베이스의 제한적인 공간 기능을 고려하여, 부동산 관련 공간 질문에 대응할 수 있는 효율적인 데이터 통합방안을 제안하였다는 점에서 의의를 가진다. 그러나 그리드 기반 인덱스 사용으로 인한 잘못된 공간 위상관계 생성 문제 및 리스트 비교에 따른 질의의 비효율성에 대한 한계점이 존재하며, 이는 후속 연구에서 개선할 필요가 있다.

• Journal of Computing Science and Engineering
• /
• 제5권2호
• /
• pp.111-120
• /
• 2011

Data mining algorithms should exploit new hardware technologies to accelerate computations. Such goal is difficult to achieve in database management system (DBMS) due to its complex internal subsystems and because data mining numeric computations of large data sets are difficult to optimize. This paper explores taking advantage of existing multithreaded capabilities of multicore CPUs as well as caching in RAM memory to efficiently compute summaries of a large data set, a fundamental data mining problem. We introduce parallel algorithms working on multiple threads, which overcome the row aggregation processing bottleneck of accessing secondary storage, while maintaining linear time complexity with respect to data set size. Our proposal is based on a combination of table scans and parallel multithreaded processing among multiple cores in the CPU. We introduce several database-style and hardware-level optimizations: caching row blocks of the input table, managing available RAM memory, interleaving I/O and CPU processing, as well as tuning the number of working threads. We experimentally benchmark our algorithms with large data sets on a DBMS running on a computer with a multicore CPU. We show that our algorithms outperform existing DBMS mechanisms in computing aggregations of multidimensional data summaries, especially as dimensionality grows. Furthermore, we show that local memory allocation (RAM block size) does not have a significant impact when the thread management algorithm distributes the workload among a fixed number of threads. Our proposal is unique in the sense that we do not modify or require access to the DBMS source code, but instead, we extend the DBMS with analytic functionality by developing User-Defined Functions.

• Wind and Structures
• /
• 제36권6호
• /
• pp.393-404
• /
• 2023

Skewness and kurtosis are important higher-order statistics for simulating non-Gaussian wind pressure series on low-rise buildings, but their predictions are less studied in comparison with those of the low order statistics as mean and rms. The distribution gradients of skewness and kurtosis on roofs are evidently higher than those of mean and rms, which increases their prediction difficulty. The conventional artificial neural networks (ANNs) used for predicting mean and rms show unsatisfactory accuracy in predicting skewness and kurtosis owing to the limited capacity of shallow learning of ANNs. In this work, the deep neural networks (DNNs) model with the ability of deep learning is introduced to predict the skewness and kurtosis on a low-rise building. For obtaining the optimal generalization of the DNNs model, the hyper parameters are automatically determined by Bayesian Optimization (BO). Moreover, for providing a benchmark for future studies on predicting higher order statistics, the data sets for training and testing the DNNs model are extracted from the internationally open NIST-UWO database, and the prediction errors of all taps are comprehensively quantified by various error metrices. The results show that the prediction accuracy in this study is apparently better than that in the literature, since the correlation coefficient between the predicted and experimental results is 0.99 and 0.75 in this paper and the literature respectively. In the untrained cornering wind direction, the distributions of skewness and kurtosis are well captured by DNNs on the whole building including the roof corner with strong non-normality, and the correlation coefficients between the predicted and experimental results are 0.99 and 0.95 for skewness and kurtosis respectively.

• ETRI Journal
• /
• 제32권6호
• /
• pp.881-890
• /
• 2010

Conventional fire detection systems use physical sensors to detect fire. Chemical properties of particles in the air are acquired by sensors and are used by conventional fire detection systems to raise an alarm. However, this can also cause false alarms; for example, a person smoking in a room may trigger a typical fire alarm system. In order to manage false alarms of conventional fire detection systems, a computer vision-based fire detection algorithm is proposed in this paper. The proposed fire detection algorithm consists of two main parts: fire color modeling and motion detection. The algorithm can be used in parallel with conventional fire detection systems to reduce false alarms. It can also be deployed as a stand-alone system to detect fire by using video frames acquired through a video acquisition device. A novel fire color model is developed in CIE $L^*a^*b^*$ color space to identify fire pixels. The proposed fire color model is tested with ten diverse video sequences including different types of fire. The experimental results are quite encouraging in terms of correctly classifying fire pixels according to color information only. The overall fire detection system's performance is tested over a benchmark fire video database, and its performance is compared with the state-of-the-art fire detection method.

• Steel and Composite Structures
• /
• 제23권5호
• /
• pp.501-516
• /
• 2017

Numerical simulations are prevalently used to evaluate the seismic behaviour of structures. The accuracy of the simulation results depends directly on the accuracy of the modelling techniques employed to simulate the behaviour of individual structural members. An empirical modelling technique is employed in this paper to simulate the behaviour of column members under cyclic and seismic loading. Despite the common modelling techniques, this technique is capable of simulating two important aspects of the cyclic and seismic behaviour of columns simultaneously. The proposed fiber-based modelling technique captures explicitly the interaction between the bending moment and the axial force in columns, and the cyclic deterioration of the hysteretic behaviour of these members is implicitly taken into account. The fiber-based model is calibrated based on the cyclic behaviour of square hollow steel sections. The behaviour of several column archetypes is investigated under a dual cyclic loading protocol to develop a benchmark database before the calibration procedure. The dual loading protocol used in this study consists of both axial and lateral loading cycles with varying amplitudes. After the calibration procedure, a regression analysis is conducted to derive an equation for predicting a varying calibrated modelling parameter. Finally, several nonlinear time-history analyses are conducted on a 6-story steel special moment frame in order to investigate how the results of numerical simulations can be affected by employing the intended modelling technique for columns instead of other common modelling techniques.