• International Journal of Computer Science & Network Security
• /
• 제23권12호
• /
• pp.235-245
• /
• 2023

Smart applications based on the Network of Everything also known as Internet of Everything (IoE) are increasing popularity as network connectivity requires rise further. As a result, there will be a greater need for developing 6G technologies for wireless communications in order to overcome the primary limitations of visible 5G networks. Furthermore, implementing neural networks into 6G will bring remedies for the most complex optimizing networks challenges. Future 6G mobile phone networks must handle huge applications that require data and an increasing amount of users. With a ten-year time skyline from thought to the real world, it is presently time for pondering what 6th era (6G) remote correspondence will be just before 5G application. In this article, we talk about 6G dreams to clear the street for the headway of 6G and then some. We start with the conversation of imaginative 5G organizations and afterward underline the need of exploring 6G. Treating proceeding and impending remote organization improvement in a serious way, we expect 6G to contain three critical components: cell phones super broadband, very The Web of Things (or IoT and falsely clever (artificial intelligence). The 6G project is currently in its early phases, and people everywhere must envision and come up with its conceptualization, realization, implementation, and use cases. To that aim, this article presents an environment for Presented Distributed Artificial Intelligence as-a-Services (DAIaaS) supplying in IoE and 6G applications. The case histories and the DAIaaS architecture have been evaluated in terms of from end to end latency and bandwidth consumption, use of energy, and cost savings, with suggestion to improve efficiency.

• Journal of Electrical Engineering and Technology
• /
• 제12권1호
• /
• pp.161-172
• /
• 2017

In the paper, a hybrid technique is proposed for detecting the location and capacity of distributed generation (DG) sources like wind and photovoltaic (PV) in power system. The novelty of the proposed method is the combined performance of both the Biography Based Optimization (BBO) and Particle Swarm Optimization (PSO) techniques. The mentioned techniques are the optimization techniques, which are used for optimizing the optimum location and capacity of the DG sources for radial distribution network. Initially, the Artificial Neural Network (ANN) is applied to obtain the available capacity of DG sources like wind and PV for 24 hours. The BBO algorithm requires radial distribution network voltage, real and power loss for determining the optimum location and capacity of the DG. Here, the BBO input parameters are classified into sub parameters and allowed as the PSO algorithm optimization process. The PSO synthesis the problem and develops the sub solution with the help of sub parameters. The BBO migration and mutation process is applied for the sub solution of PSO for identifying the optimum location and capacity of DG. For the analysis of the proposed method, the test case is considered. The IEEE standard bench mark 33 bus system is utilized for analyzing the effectiveness of the proposed method. Then the proposed technique is implemented in the MATLAB/simulink platform and the effectiveness is analyzed by comparing it with the BBO and PSO techniques. The comparison results demonstrate the superiority of the proposed approach and confirm its potential to solve the problem.

• 대한전자공학회논문지SP
• /
• 제37권5호
• /
• pp.64-75
• /
• 2000

본 논문에서는 출력 장치의 색역에 대하여 균일한 분포를 갖는 색표본(color sample) 생성 방법을 제안하고, 이를 이용한 색재현 방법을 소개한다. 즉 기존의 방법인 RGB(red, green, and blue) 혹은 CMY(cyan, magenta, yellow) 등 장치 의존형 색공간에서 균일한 색표본을 선택하는 것이 아니라 장치 독립형 균등 색공간인 CIELAB공간에서 균등 색표본을 선택하는 방법을 제안한다 또한 제안된 색표본의 성능을 평가하기 위하여 회귀 모델과 신경망을 이용한 색공간 변환을 수행하였다 동일한 크기의 색표본의 경우, 제안된 색표본을 이용한 색공간 변환 방법이 신경망, 회귀 모델 모두에서 색차를 줄일 수 있었다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제9권1호
• /
• pp.9-16
• /
• 2020

빅 데이터를 연구 목적으로 제3자에게 배포할 때 프라이버시 정보를 보호하기 위해서 k-익명화 기법이 널리 사용되어 왔다. k-익명화 기법을 적용할 때, 해결 해야할 어려운 문제 중의 하나는 최적의 k값을 결정하는 것이다. 현재는 대부분 전문가의 직관에 근거하여 수동으로 결정되고 있다. 이러한 방식은 익명화의 성능을 떨어뜨리고 시간과 비용을 많이 낭비하게 만든다. 이러한 문제점을 해결하기 위해서 기계학습 기반의 k값 결정방식을 제안한다. 본 논문에서는 제안된 아이디어를 실제로 적용한 구현 및 실험 내용에 대해서 서술 한다. 실험에서는 심층 신경망을 구현하여 훈련하고 테스트를 수행 하였다. 실험결과 훈련 에러는 전형적인 신경망에서 보여지는 패턴을 나타냈으며, 테스트 실험에서는 훈련에러에서 나타나는 패턴과는 다른 패턴을 보여주고 있다. 제안된 방식의 장점은 k값 결정시 시간과 비용을 줄일 수 있다는 장점이 있다.

• Journal of Biosystems Engineering
• /
• 제19권2호
• /
• pp.124-137
• /
• 1994

Visual features of a mushroom(Lentinus Edodes, L.) are critical in grading and sorting as most agricultural products are. Because of its complex and various visual features, grading and sorting of mushrooms have been done manually by the human expert. To realize the automatic handling and grading of mushrooms in real time, the computer vision system should be utilized and the efficient and robust processing of the camera captured visual information be provided. Since visual features of a mushroom are distributed over the front and back sides, recognizing sides and states of the stalk including the stalk orientation from the captured image is a prime process in the automatic task processing. In this paper, the efficient and robust recognition process identifying the front and back side and the state of the stalk was developed and its performance was compared with other recognition trials. First, recognition was tried based on the rule set up with some experimental heuristics using the quantitative features such as geometry and texture extracted from the segmented mushroom image. And the neural net based learning recognition was done without extracting quantitative features. For network inputs the segmented binary image obtained from the combined type automatic thresholding was tested first. And then the gray valued raw camera image was directly utilized. The state of the stalk seriously affects the measured size of the mushroom cap. When its effect is serious, the stalk should be excluded in mushroom cap sizing. In this paper, the stalk removal process followed by the boundary regeneration of the cap image was also presented. The neural net based gray valued raw image processing showed the successful results for our recognition task. The developed technology through this research may open the new way of the quality inspection and sorting especially for the agricultural products whose visual features are fuzzy and not uniquely defined.

• 한국빅데이터학회지
• /
• 제5권1호
• /
• pp.89-96
• /
• 2020

인공신경망(artficial neural networks)를 활용한 딥러닝은 최근 이미지인식, 빅데이터 및 데이터분석 등 다양한 분야에서 연구되고 개발이 진행되고 있다. 하지만 데이터 프라이버시 침해 이슈와 학습을 많이 할수록 소모 비용과 시간이 증가하는 문제점이 있어서 이를 해결하기 위해 연합학습(Federated Learning)이 연구되었다. 연합학습에서는 프라이버시 문제를 완화하면서, 분산 처리 시스템의 이점을 가져오는 학습기법을 제시하였다. 하지만 여전히 연합학습에서도 프라이버시 및 보안 문제가 존재한다. 그래서 우리는 연합학습의 서버에 해당하는 부분을 블록체인으로 대체하여 연합학습의 문제점인 프라이버시 문제와 보안 문제를 해결하였다. 또한 사용자가 제출하는 데이터에 대한 보상을 지급하여서 동기를 부여하고, 기존 성능은 유지하면서도 더 적은 비용의 유지비를 필요로 하는 시스템을 연구하였다. 본 논문에서는 우리가 개발한 시스템의의 타당성을 보이기 위해 실험결과를 제시하면서 기존 연합학습과 연구한 블록체인 기반의 연합학습 결과를 비교한다. 또한 향후 연구로 보안문제에 대한 해법과 와 적용 가능한 비즈니스 분야를 제시를 보여주면서 논문을 마무리 하였다.

• 한국컴퓨터교육학회 학술대회
• /
• 한국컴퓨터교육학회 2017년도 하계학술대회
• /
• pp.201-204
• /
• 2017

빅 데이터의 시대가 도래하면서 이전보다 데이터로부터 유의미한 정보를 추출하는 것에 대한 연구가 활발하게 진행되고 있다. 딥러닝은 텍스트, 이미지, 동영상 등 다양한 데이터에 대한 학습을 가능하게 할 뿐만 아니라 높은 학습 정확도를 보임으로써 차세대 머선러닝 기술로 각광 받고 있다. 그러나 딥러닝은 일반적으로 학습해야하는 데이터가 많을 뿐만 아니라 학습에 요구되는 시간이 매우 길다. 또한 데이터의 전처리 수준과 학습 모델 튜닝에 의해 학습정확도가 크게 영향을 받기 때문에 활용이 어렵다. 딥러닝에서 학습에 요구되는 데이터의 양과 연산량이 많아지면서 분산 처리 프레임워크 기반 분산 학습을 통해 학습 정확도는 유지하면서 학습시간을 단축시키는 사례가 많아지고 있다. 본 연구에서는 범용 분산 처리 프레임워크인 아파치 스파크에서 데이터 병렬화 기반 분산 학습 모델을 활용하여 모바일 빅 데이터 분석을 위한 딥러닝을 구현한다. 딥러닝을 구현할 때 분산학습을 통해 학습 속도를 높이면서도 학습 정확도를 높이기 위한 모델 튜닝 방법을 연구한다. 또한 스파크의 분산 병렬처리 효율을 최대한 끌어올리기 위해 파티션 병렬 최적화 기법을 적용하여 딥러닝의 학습속도를 향상시킨다.

• 대한전자공학회논문지TE
• /
• 제39권1호
• /
• pp.77-82
• /
• 2002

침입 탐지 시스템은 침입 판정과 감사 데이터(audit data) 수집 분야에서 많은 연구가 진행되고 있다. 침입 판정은 주어진 일련의 행위들이 침입인지 아닌지를 정확히 판정해야 하고 감사 자료 수집에서는 침입판정에 필요한 데이터만을 정확히 수집하는 능력이 필요하다. 최근에 이러한 문제점을 해결하기 위해 규칙 기반 시스템과 신경망 등의 인공지능적인 방법들이 도입되고 있다. 그러나 이러한 방법들은 단일 호스트 구조로 되어있거나 변형된 새로운 침입 패턴이 발생했을 때 탐지하지 못하는 단점이 있다. 따라서, 본 논문에서는 분산된 이기종 간의 호스트에서 사용자의 행위를 추출하여 패턴을 검색, 예측할 수 있는 데이터 마이닝을 적용하여 실시간으로 침입을 탐지하는 방법을 제안하고자 한다.

• 한국지반환경공학회 논문집
• /
• 제15권12호
• /
• pp.79-85
• /
• 2014

To analyze the landslide susceptibility in Baekdu mountain area in china, we get two susceptibility maps using AcrView software through weighted overlay GIS (Geographic Information System) method in this paper. To assess the landslide susceptibility, five factors which affect the landslide occurrence were selected as: slope, aspect, soil type, geological type, and land use. The weight value and rating value of each factor were calculated by the two different methods of AHP (Analytic Hierarchy Process) and ANN (Artificial Neural Network). Then, the weight and rating value was used to obtain the susceptibility maps. Finally, the susceptibility map shows that the very dangerous areas (0.9 or higher) were mainly distributed in the mountainous areas around JiAnShi, LinJiangShi, and HeLongShi near the china-north Korea border and in the mountainous area between the WangQingXian and AnTuXian. From the contrast two susceptibility map, we also Knew that The accuracy of landslide susceptibility map drew by ANN method was better than AHP method.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2001년도 추계종합학술대회
• /
• pp.479-482
• /
• 2001

침입 탐지 시스템은 침입 판정과 감사 데이터(audit data) 수집 분야에서 많은 연구가 진행되고 있다. 침입 판정은 주어진 일련의 행위들이 침입인지 아닌지를 정확히 판정해야 하고 감사 자료 수집에서는 침입 판정에 필요한 데이터만을 정확히 수집하는 능력이 필요하다 최근에 이러한 문제점을 해결하기 위해 규칙기반 시스템과 신경망 등의 인공지능적인 방법들이 도입되고 있다. 그러나 이러한 방법들은 단일 호스트 구조로 되어있거나 변형된 침입 패턴이 발생했을 때 탐지하지 못하는 단점이 있다. 따라서, 본 논문에서는 분산된 이기종 간의 호스트에서 사용자의 행위를 추출하여 패턴을 검색, 예측할 수 있는 데이터 마이닝을 적용하여 실시간으로 침입을 탐지하는 방법을 제안하고자 한다.