• 한국정보시스템학회지:정보시스템연구
• /
• 제25권2호
• /
• pp.1-25
• /
• 2016

목적 최근 대학에서도 혁신역량이 매우 중요해지고 있으며, 특히 교원의 혁신역량은 대학의 경쟁력에 매우 중요한 요인이 되고 있다. 그러나 중국 대학의 경우 아직까지 지식활용이나 관리에 대한 관심이 부족하여 대학의 혁신역량이 높지 않은 상황이다. 한편, 지식경영에서 분산기억체계와 지식공유는 매우 중요한 요소로서 이 두 요소를 잘 결합하여 실행하면 지식경영에 대한 포괄적인 이해와 성과에 기여할 수 있다. 본 연구의 목적은 중국 대학 교원을 대상으로 분산기억체계, 지식공유 그리고 혁신역량 간의 구조적 관계를 조사하며, 이를 통해 혁신역량을 향상시키기 위한 실천적 방안을 제안하고자 한다. 설계/방법론/접근 본 연구의 가설을 검증하기 위해 16개의 문항을 개발하였으며, 각 문항은 리커트 5점척도를 사용하였다. 설문지는 위챗을 통해 온라인으로 배포되었으며, 설문대상자는 중국 14개 대학의 교원 팀의 리더들이다. 총 201명으로부터 설문지가 회수되었으며, 이중에서 유효한 설문지는 191개이다. 통계 분석과 가설검정을 위해 SPSS 22와 AMOS 22를 사용하였다. 시사점 가설검정결과 모든 연구가설이 채택되었다. 따라서 분산기억체계는 지식공유와 혁신역량에 정(+)의 영향을 미치며, 이 과정에서 지식공유가 분산기억체계와 혁신역량 간의 매개변수 역할을 한다는 것을 알 수 있다. 이는 동일 그룹 내의 중국 대학 교원들 간에 의사소통이 원활하고 동료들과 지식의 교환 및 협업이 활발할수록 혁신역량이 효과적으로 향상됨을 의미한다.

• 한국산업정보학회논문지
• /
• 제16권1호
• /
• pp.37-48
• /
• 2011

센서 네트워크 기술은 이러한 센서 노드를 특정한 지역에 대량으로 배치하여 네트워크를 구성한 후 센서 노드를 정보 제공의 매체로 활용하는 기술이다. 센서 노드는 매우 제한적인 하드웨어 자원을 가지고 있기 때문에 효율적인 자원 관리와 센서 네트워크상에서의 다양한 응용 환경을 제공하는 운영체제가 필요하다. 또한 원격 코드 업데이트는 이미 배포된 네트워크에서 응용 프로그램의 오류가 발생하여 이를 수정하거나 성능 개선을 위해 꼭 필요한 기술이다. 본 논문에서는 원격 코드 업데이트가 용이한 새로운 센서 노드용 운영체제, EPRCU(Easy to Perform Remote Code Update)를 제안한다. EPRCU는 이벤트 드리븐 방식의 실행 모델에서 에이징(Aging) 기법을 적용한 우선순위 기반의 프로세스 스케줄링 방식을 사용한다. 작업의 기본 단위인 프로세스는 로더에 의한 동적 메모리 할당 및 프로그램 메모리 관리 기능을 제공함으로써 무선 통신을 이용한 코드 업데이트 수행이 용이할 뿐만 아니라 다양한 센서 네트워크 응용에도 적합하다.

• 한국산학기술학회논문지
• /
• 제16권11호
• /
• pp.7541-7548
• /
• 2015

Wireless Sensor Networks 기술은 노드들을 다양한 지역에 분포시킴으로서, 군사적 목적의 탐색 역할은 물론 산업에서의 기기 관리, 공정 관리, 특정 지역 모니터링 등 다양한 분야에 활용이 가능한 기술이다. 하지만, 무선 센서 네트워크 환경에서 센서 노드의 경우 초소형 하드웨어를 사용함에 따른 에너지, 처리 능력, 메모리 저장능력 등의 한계점을 가지고 있으며, 이러한 한계를 극복하기 위해 다양한 라우팅 프로토콜 방법이 제안되었다. 하지만, 기존 라우팅 프로토콜의 경우 에너지 효율성에 초점을 둠으로서 상호간 통신할 때, 보안에 매우 취약하며, 이를 극복하기 위해 기존의 암호화 시스템을 도입하기에는 센서의 처리 능력 과 메모리 등에 한계점을 가지고 있다. 따라서, 본 논문에서는 에너지 효율성을 고려하면서 동시에 통신 과정에서 상호인증 기법 및 키 생성과 갱신 시스템을 도입함으로서 다양한 보안위협에 대응할 수 있는 상호인증 방법을 제안한다.

• Healthcare Informatics Research
• /
• 제24권4호
• /
• pp.309-316
• /
• 2018

Objectives: Both the valence and arousal components of affect are important considerations when managing mental healthcare because they are associated with affective and physiological responses. Research on arousal and valence analysis, which uses images, texts, and physiological signals that employ deep learning, is actively underway; research investigating how to improve the recognition rate is needed. The goal of this research was to design a deep learning framework and model to classify arousal and valence, indicating positive and negative degrees of emotion as high or low. Methods: The proposed arousal and valence classification model to analyze the affective state was tested using data from 40 channels provided by a dataset for emotion analysis using electrocardiography (EEG), physiological, and video signals (the DEAP dataset). Experiments were based on 10 selected featured central and peripheral nervous system data points, using long short-term memory (LSTM) as a deep learning method. Results: The arousal and valence were classified and visualized on a two-dimensional coordinate plane. Profiles were designed depending on the number of hidden layers, nodes, and hyperparameters according to the error rate. The experimental results show an arousal and valence classification model accuracy of 74.65 and 78%, respectively. The proposed model performed better than previous other models. Conclusions: The proposed model appears to be effective in analyzing arousal and valence; specifically, it is expected that affective analysis using physiological signals based on LSTM will be possible without manual feature extraction. In a future study, the classification model will be adopted in mental healthcare management systems.

• 사물인터넷융복합논문지
• /
• 제10권2호
• /
• pp.109-114
• /
• 2024

높은 데이터 신뢰성을 요구하는 엔터프라이즈 저장시스템은 데이터 손실 및 장애 시 복구를 위해 RAID(Redundant Array of Independent Disks) 시스템을 적용하고 있다. 특히 RAID 5는 패리티를 여러 저장장치에 분산 저장하여 공간 효율성과 안정성을 보장하였다. 그러나 저장장치의 용량이 서로 다를 경우 가장 작은 용량의 저장장치기준으로 RAID가 구축되어 저장공간의 낭비가 발생한다. 따라서 이러한 자원관리 문제를 해결하기 위한 연구가 필요하다. 본 논문에서는 SSD(Solid State Disk)로 구성된 RAID에서 각각의 독립적인 NAND 플래시 메모리 블록을 내부뿐만 아니라 외부 SSD와 RAID 그룹을 묶는 방법을 제안한다. 이 방법은 SSD 내부의 블록 정보를 RAID 시스템에 전달하는 정책과 RAID 시스템으로부터 전달된 물리적인 주소를 RAID 그룹으로 묶는 정책으로 구분된다. 이 방법을 통해 서로 다른 용량의 SSD를 RAID로 묶을 때 자원의 낭비가 발생하지 않는 RAID를 유지할 수 있다. 마지막으로 실험을 통해 제안하는 방법의 효과를 증명한다.

• 한국정보처리학회논문지
• /
• 제1권1호
• /
• pp.1-13
• /
• 1994

시간 지원 데이타베이스 관리 시험대는 유효시간과 수록 시간을 지원한다. 본 논문 에서는 시간 지원 데이타베이스 관리 시스템 시험대의 설계와 구현을 연구한다. 시험대는 구문 분석기, 의미 분석기, 코드 생성기 및 실행기로서 구성된다. 구문 분 석기는 시간 지원 질의어로부터 파스 트리를 생성한다. 그리고 의미 분석기는 시스템 카탈로그를 이용하여 시간 지원 질의어의 의미와 정당성을 점검한다. 코드 생성기는 Updata network와 같은 실행 트리를 생성하는데 실행 트리를 위하여 뷰 증진 형성 방 법을 사용하였다. 마지막으로 인덱싱 구조와 동시성 제어에 대하여 토의하였다.

• Journal of Communications and Networks
• /
• 제17권6호
• /
• pp.592-601
• /
• 2015

Multitenancy has gained growing importance with the development and evolution of cloud computing technology. In a multitenant environment, multiple tenants with different demands can share a variety of computing resources (e.g., CPU, memory, storage, network, and data) within a single system, while each tenant remains logically isolated. This useful multitenancy concept offers highly efficient, and cost-effective systems without wasting computing resources to enterprises requiring similar environments for data processing and management. In this paper, we propose a novel approach supporting multitenancy features for Apache Hadoop, a large scale distributed system commonly used for processing big data. We first analyze the Hadoop framework focusing on "yet another resource negotiator (YARN)", which is responsible for managing resources, application runtime, and access control in the latest version of Hadoop. We then define the problems for supporting multitenancy and formally derive the requirements to solve these problems. Based on these requirements, we design the details of multitenant Hadoop. We also present experimental results to validate the data access control and to evaluate the performance enhancement of multitenant Hadoop.

• Journal of Sport and Applied Science
• /
• 제6권2호
• /
• pp.9-18
• /
• 2022

Purpose: This research aims to analyze the relationship marketing between football club organizations, players, and the fans club community. Research design, data, and methodology: An ethnographic approach was used to observe for eight months in the community, interviews, and documents analysis in Bonek Mania community fans club and Persebaya, a football club management in Surabaya, Indonesia. Results: The results show that the management of the football club has maintained the football high-end brand image in the national league. Stakeholders have endeavored to build the values and shared meaning with the public and cohesively with Bonek Mania. The struggles and achievements are intended to maintain the local collective memory of Surabaya's patriotism as the "city of heroes." Sustainable relationships were built by professional football club managers, players, and the fans club to foster the spirit, economic resources, and sustainable development. Conclusions: This research implies that it can provide direction for the management of football clubs by paying attention to relationship marketing, developing unique local values to build the customers' loyalty. Further implications were discussed.

• 제어로봇시스템학회논문지
• /
• 제17권11호
• /
• pp.1074-1081
• /
• 2011

As robotics systems are becoming more complex there is the need to promote component based robot development, where systems can be constructed as the composition and integration of reusable building block. One of the most important challenges facing component based robot development is safeguarding against software component failures and malfunctions. The health monitoring of the robot software is most fundamental factors not only to manage system at runtime but also to analysis information of software component in design phase of the robot application. And also as a lot of monitoring events are occurred during the execution of the robot software components, a simple data treatment and efficient memory management method is required. In this paper, we propose an efficient events monitoring and data management method by modeling robot software component and monitoring factors based on robot software framework. The monitoring factors, such as component execution runtime exception, Input/Output data, execution time, checkpoint-rollback are deduced and the detail monitoring events are defined. Furthermore, we define event record and monitor record pool suitable for robot software components and propose a efficient data management method. To verify the effectiveness and usefulness of the proposed approach, a monitoring module and user interface has been implemented using OPRoS robot software framework. The proposed monitoring module can be used as monitoring tool to analysis the software components in robot design phase and plugged into self-healing system to monitor the system health status at runtime in robot systems.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권1호
• /
• pp.216-238
• /
• 2023

In intelligent transportation systems, traffic management is an important task. The accurate forecasting of traffic characteristics like flow, congestion, and density is still active research because of the non-linear nature and uncertainty of the spatiotemporal data. Inclement weather, such as rain and snow, and other special events such as holidays, accidents, and road closures have a significant impact on driving and the average speed of vehicles on the road, which lowers traffic capacity and causes congestion in a widespread manner. This work designs a model for multivariate short-term traffic congestion prediction using SLSTM_AE-BiLSTM. The proposed design consists of a Bidirectional Long Short Term Memory(BiLSTM) network to predict traffic flow value and a Convolutional Neural network (CNN) model for detecting the congestion status. This model uses spatial static temporal dynamic data. The stacked Long Short Term Memory Autoencoder (SLSTM AE) is used to encode the weather features into a reduced and more informative feature space. BiLSTM model is used to capture the features from the past and present traffic data simultaneously and also to identify the long-term dependencies. It uses the traffic data and encoded weather data to perform the traffic flow prediction. The CNN model is used to predict the recurring congestion status based on the predicted traffic flow value at a particular urban traffic network. In this work, a publicly available Caltrans PEMS dataset with traffic parameters is used. The proposed model generates the congestion prediction with an accuracy rate of 92.74% which is slightly better when compared with other deep learning models for congestion prediction.