• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.181-193
• /
• 2022

Data-driven structural health monitoring (SHM) of civil infrastructure can be used to continuously assess the state of a structure, allowing preemptive safety measures to be carried out. Long-term monitoring of large-scale civil infrastructure often involves data-collection using a network of numerous sensors of various types. Malfunctioning sensors in the network are common, which can disrupt the condition assessment and even lead to false-negative indications of damage. The overwhelming size of the data collected renders manual approaches to ensure data quality intractable. The task of detecting and classifying an anomaly in the raw data is non-trivial. We propose an approach to automate this task, improving upon the previously developed technique of image-based pre-processing on one-dimensional (1D) data by enriching the features of the neural network input data with multiple channels. In particular, feature engineering is employed to convert the measured time histories into a 3-channel image comprised of (i) the time history, (ii) the spectrogram, and (iii) the probability density function representation of the signal. To demonstrate this approach, a CNN model is designed and trained on a dataset consisting of acceleration records of sensors installed on a long-span bridge, with the goal of fault detection and classification. The effect of imbalance in anomaly patterns observed is studied to better account for unseen test cases. The proposed framework achieves high overall accuracy and recall even when tested on an unseen dataset that is much larger than the samples used for training, offering a viable solution for implementation on full-scale structures where limited labeled-training data is available.

• ETRI Journal
• /
• 제31권3호
• /
• pp.330-332
• /
• 2009

Broadcasting is one of the most important communication primitives used in multiprocessor networks. In this letter, we demonstrate that the broadcasting algorithm proposed by Madabhushi and others is incorrect. We introduce efficient one-to-all broadcasting schemes of even networks for one-port and all-port models. The broadcasting time of the one-port model is 2d-3 and that of the all-port model is d-1. The total time steps taken by the proposed algorithms are optimal.

• 한국컴퓨터정보학회논문지
• /
• 제22권4호
• /
• pp.41-49
• /
• 2017

Word sense disambiguation(WSD) that determines the exact meaning of homonym which can be used in different meanings even in one form is very important to understand the semantical meaning of text document. Many recent researches on WSD have widely used NNLM(Neural Network Language Model) in which neural network is used to represent a document into vectors and to analyze its semantics. Among the previous WSD researches using NNLM, RNN(Recurrent Neural Network) model has better performance than other models because RNN model can reflect the occurrence order of words in addition to the word appearance information in a document. However, since RNN model uses only the forward order of word occurrences in a document, it is not able to reflect natural language's characteristics that later words can affect the meanings of the preceding words. In this paper, we propose a WSD scheme using Bidirectional RNN that can reflect not only the forward order but also the backward order of word occurrences in a document. From the experiments, the accuracy of the proposed model is higher than that of previous method using RNN. Hence, it is confirmed that bidirectional order information of word occurrences is useful for WSD in Korean language.

• 한국정보통신학회논문지
• /
• 제7권6호
• /
• pp.1304-1311
• /
• 2003

실세계환경에서 물체를 추적하는 기술은 영상의 지속적인 변화 및 영상데이터 방대함과 처리속도의 문제로 인하여 해결하기 어려운 문제이다. 특히 해상과 같은 환경에서는 더욱 어려운 현실이다. 본 논문에서는 복잡한 환경에서 물체를 추적하고 탐지하기 위한 방법으로 자기조직화 신경망을 사용하여 구성하였다. 본 논문에서의 접근 방법은 코호넨의 자기 조직화 신경망 분석 기법과 영역확장 기법 및 에너지 최소화함수를 이용하여 물체 추적시스템을 구성하였다. 자기조직화 신경망은 하나의 프레임 내에서 이동하는 물체의 중심점을 탐지할 수 있다. 그리고 연속적인 영상에서 이전에 탐지되어진 뉴런의 위치를 이용하여 물체를 추적할 수 있다. 자기조직화 신경망을 이용한 물체 추적의 실험결과 다양한 환경의 변화에서도 물체의 추적이 가능함을 알 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제8권4호
• /
• pp.71-78
• /
• 2008

광대역 통합 망 환경에서 가입자가 서비스 도중 이동하여 새로운 타겟 네트워크에 접속할 때, 비록 자원이 충분하지 못하여도 지속적으로 서비스를 제공할 수 있는 방안을 제안한다. 제안방안을 서비스의 인코딩/디코딩 중 Scalable서비스 기법을 이용하여 본래의 서비스 용량을 타겟 네트워크에 적합한 QoS로 변환하고, 사용자에 대한 핸드오버를 지원한다. 제안방안에 대한 성능 향상을 검증하기 위해 큐잉 시스템을 이용하여 기존방안과 제안방안의 핸드오버 블록킹 확률을 분석하였다. 그 결과 제안방안에서의 핸드오버 블록킹 확률이 더 낮음을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제11권6호
• /
• pp.81-86
• /
• 2011

네트워크 코딩위에서의 TCP 성능문제를 해결하기 위해 제안된 가장 잘 알려진 방식에서는 네트워크 코딩 계층이 혁신적인(innovative) 선형 결합을 수신하면 새로 디코드 된 패킷이 없다 하더라도 승인을 보낸다. 이 방식은 매우 효과적이지만 실제로 구현될 때에는 패킷 헤더 크기의 제한으로 인해 코딩 윈도우 크기를 제한해야 하므로 패킷 순서 바뀜 현상이 많이 발생할 때 성능이 저하될 수 있다. 본 연구에서는 네트워크 코딩 환경에서도 패킷 순서 바뀜 현상과 관련된 문제를 다루기 위해서는 중복승인을 사용하지 않고 타이머에 의존하는 TCP가 필요함을 주장한다. 또한 이러한 TCP를 위한 새로운 네트워크 코딩계층을 제안한다. 모의실험 결과는 두 개의 경로를 사용하는 라우팅 환경에서 패킷 순서가 바뀌어 수신되는 패턴에 따라 최대 19%까지 성능이 개선됨을 보여준다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2001년도 하계 학술대회 논문집(KISPS SUMMER CONFERENCE 2001
• /
• pp.141-144
• /
• 2001

본 논문에서는 신경망제어기의 출력을 보상하는 퍼지보상기를 갖는 신경망제어기에 관하여 제안하였다. 학습이 완료된 신경망제어기를 사용하더라도 예상치 못한 외란으로 인해 플랜트의 출력이 좋지 못한 경우가 있는데, 이것을 적절하게 조절해 주기 위해 퍼지보상기를 사용하여 원하는 결과를 얻을 수 있도록 하였다. 그리고 플랜트의 역 모델 신경망을 학습시킨 결과를 이용하여 주 신경망의 가중치를 변경시킴으로서 원하는 플랜트의 동적 특성을 얻게 된다. 세안한 제어기의 성능을 확인하기 위해 유압 서보시스템을 대상으로 DSP 프로세서를 사용하여 구현한 후 실험결과를 관찰하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -3
• /
• pp.2075-2078
• /
• 2002

Internet became the most popular network in spite of its weakness in realtime multimedia service. Many experts believe that the Internet has the potential to become the main multimedia distribution network of the near future. Currently, it does not provide any (BoS guarantees and, even when it does, guaranteed quality delivery of video may turn out to be too expensive. Unavoidable packet losses and delay jitter caused by congestion in a best effort delivery environment require use of intelligent transport techniques for effective video delivery. According to market needs of better quality of service (QoS) fur realtime multimedia services over Internet, they have been standardizing RSVP, IntServ, and DiffServ This paper combines the benefits of QoS mechanisms such as RSVP/IntServ with scalable video encoding. We propose that more important bit stream is given more priority such that limited network resources are guaranteed far the stream. Various prioritizing approaches are proposed and compared to normal approach by using Network Simulator. The calculated QoS parameters such as packet loss rate are used to calculate degree of degradation in video quality. In this Paper, proposed methods can be implemented adaptively to Von protocol, such as H.323, SIP.

• 한국음향학회지
• /
• 제35권2호
• /
• pp.143-148
• /
• 2016

깊은 신경망은 데이터의 특성을 효과적으로 나타낼 수 있는 방법으로 최근 많은 응용 분야에서 활용되고 있다. 하지만, 제한적인 양의 데이터베이스는 깊은 신경망을 훈련하는 과정에서 과적합 문제를 야기할 수 있다. 본 논문에서는 풍부한 양의 음성 혹은 음악 데이터를 이용한 전이학습을 통해 제한적인 양의 사운드 이벤트에 대한 깊은 신경망을 효과적으로 훈련하는 방법을 제안한다. 일련의 실험을 통해 제안하는 방법이 적은 양의 사운드 이벤트 데이터만으로 훈련된 깊은 신경망에 비해 현저한 성능 향상이 있음을 확인하였다.

• 한국통신학회논문지
• /
• 제38B권3호
• /
• pp.172-179
• /
• 2013

본 논문에서는 양방향 링크의 채널 상태와 트래픽 부하가 비대칭적인 채널에서 네트워크 코딩을 적용하는 기법과 그 방식에 따른 성능에 대해서 살펴본다. 이러한 양방향 링크의 비대칭성을 반영하기 위해 패딩후 네트워크 코딩(Network Coding after Padding: NaP) 방식과 분할 후 네트워크 코딩(Network Coding after Fragmentation: NaF) 방식을 고려한다. NaP 방식은 지금까지 트래픽 부하의 비대칭성만을 반영하기 위해 고려된 바 있으며, 본 논문에서는 실제로 채널의 상태를 동시에 고려할 경우에는 NaP 방식이 갖는 기존의 이득이 오히려 열화되는 것을 보인다. 또한, NaF 방식이 일반적인 양방향 링크 기법뿐만 아니라 NaP 방식보다 항상 성능이 좋다는 것을 보인다.