• Smart Structures and Systems
• /
• 제21권5호
• /
• pp.705-713
• /
• 2018

High-speed rail (HSR) has been in operation and development in many countries worldwide. The explosive growth of HSR has posed great challenges for operation safety and ride comfort. Among various technological demands on high-speed trains, vibration is an inevitable problem caused by rail/wheel imperfections, vehicle dynamics, and aerodynamic instability. Ride comfort is a key factor in evaluating the operational performance of high-speed trains. In this study, online monitoring data have been acquired from an in-service high-speed train for condition assessment. The measured dynamic response signals at the floor level of a train cabin are processed by the Sperling operator, in which the ride comfort index sequence is used to identify the train's operation condition. In addition, a novel technique that incorporates salient features of Bayesian inference and time series analysis is proposed for outlier detection and change detection. The Bayesian forecasting approach enables the prediction of conditional probabilities. By integrating the Bayesian forecasting approach with time series analysis, one-step forecasting probability density functions (PDFs) can be obtained before proceeding to the next observation. The change detection is conducted by comparing the current model and the alternative model (whose mean value is shifted by a prescribed offset) to determine which one can well fit the actual observation. When the comparison results indicate that the alternative model performs better, then a potential change is detected. If the current observation is a potential outlier or change, Bayes factor and cumulative Bayes factor are derived for further identification. A significant change, if identified, implies that there is a great alteration in the train operation performance due to defects. In this study, two illustrative cases are provided to demonstrate the performance of the proposed method for condition assessment of high-speed trains.

• 한국컴퓨터정보학회논문지
• /
• 제11권1호
• /
• pp.185-194
• /
• 2006

유비쿼터스 컴퓨팅 환경에서는 기존 컴퓨팅 환경에서의 사용자와 컴퓨터간의 대화형 상호작용이 아니라 물리적인 환경, 상황 등을 시스템이 인식하고 이에 따라서 사용자와의 상호 작용을 지원하는 상황 인식서비스가 중요한 요소로 자리잡고 있다. 상황 인식 서비스는 상황 인식 미들웨어로부터 전달된 상황 정보를 해석할 수 있어야 한다. 기존 연구에서 상황 인식 서비스는 상황 인식 미들웨어에서 사용하는 상황 온톨로지를 이용해서 설계되기 때문에 서비스의 실행도중 상황 온톨로지를 동적으로 변경하기 어렵다. 본 연구에서는 계층적 상황 온톨로지 관리 모델을 제안하고 이를 이용한 상황 인식 서비스 미들웨어를 설계한다. 제안한 모델은 상황 인식 서비스가 실행 중에 필요로 하는 상황 정보를 동적으로 추가할 수 있도록 함으로써 보다 유연하게 상황 인식 서비스를 운용할 수 있도록 지원한다. 또한 상황 온톨로지의 동적인 변화로 인해서 센서로부터 얻은 데이터를 상황 정보로 추론하는 과정에서 발생할 수 있는 상황 모호성(Context Uncertainty)을 해결하기 위해서 상황 충돌 해결 모델을 정의한다. 설계하는 미들웨어는 OSGi 프레임워크 위에서 구현함으로써 다양한 유비쿼터스 환경에 필요한 상황 인식 서비스의 개발 및 운용을 효과적으로 지원을 할 수 있다.

• 정보처리학회논문지D
• /
• 제11D권6호
• /
• pp.1231-1238
• /
• 2004

인터넷 기술의 발달로 물류분야에서는 물류 회사간 인터넷 기반의 가상 비즈니스 활동 또는 서비스 아키텍쳐를 의미하는 e-Logistics라는 새로운 개념에 대한 활발한 연구가 진행되었다. 동적이고 광역화 범위를 대상으로 하는 e-Logistics 환경에서 기존의 차량관제기술은 위치 데이터 통합과 저장 및 공유와 같은 많은 문제점 야기하며, 이를 효과적으로 해결하기 위해서는 이동체 기술 개발이 필요하다. 따라서 이 논문에서는 표준명세와 컴포넌트 기법을 기반으로 차량의 위치데이터에 대한 통합 수집에서 위치정보의 향상된 공유성을 제공하는 이동체 관리 시스템의 세부요소들을 제안하였으며, 차세대 물류차량 관제 시스템의 구축 및 운용에서 비용과 시간 절감의 기대효과를 기대할 수 있다.

• 한국정보처리학회논문지
• /
• 제4권8호
• /
• pp.2070-2079
• /
• 1997

본 논문에서는 호 수락 제어 문제를 해결하기 위해 퍼지 논리 제어기의 장점과 신경망의 학습 능력을 이용한 ATM 망의 호 수락 제어 시스템을 제안하였다. ATM 망의 새로운 호는 현재 서비스 중인 호의 서비스 품질(QoS : quality of service)이 영향을 받지 않을 경우 망에 접속이 된다. 신경망 호 수락 제어 시스템은 입/출력 패턴의 학습으로 예측성 잇게 호 수락/거절을 하는 시스템이다. 본 논문의 퍼지 신경망 호 수락 제어 시스템에서는 학습 속도 개선을 위해 학습율과 모맨텀 상수에 퍼지 추론을 적용하였다. 이 시스템은 시뮬레이션을 통해 기존의 신경망 방법과 퍼지 신경망 방법에서의 학습 횟수 측정으로 제안 알고리즘의 우수성을 검증하였다. 시뮬레이션 결과 퍼지 학습 규칙에 근거한 퍼지 신경망 CAC(call admission control) 방식이 종래의 신경망 이론에 근거한 CAC 방식보다 학습 속도면에서 약 5배의 속도 향상이 있었다.

• Mycobiology
• /
• 제51권3호
• /
• pp.139-147
• /
• 2023

Aspergillus sojae has long been considered a domesticated strain of Aspergillus parasiticus. This study delineated relationships among the two species and an Aspergillus PWE36 isolate. Of 25 examined clustered aflatoxin genes of PWE36, 20 gene sequences were identical to those of A. sojae, but all had variations to those of A. parasiticus. Additionally, PWE36 developmental genes of conidiation and sclerotial formation, overall, shared higher degrees of nucleotide sequence identity with A. sojae genes than with A. parasiticus genes. Examination of defective cyclopiazonic acid gene clusters revealed that the PWE36 deletion pattern was identical only to those of A. sojae. Using A. sojae SMF134 genome sequence as a reference, visualization of locally collinear blocks indicated that PWE36 shared higher genome sequence homologies with A. sojae than with A. parasiticus. Phylogenetic inference based on genome-wide single nucleotide polymorphisms (SNPs) and total SNP counts showed that A. sojae strains formed a monophyletic clade and were clonal. Two (Argentinian and Ugandan) A. parasiticus isolates but not including an Ethiopian isolate formed a monophyletic clade, which showed that A. parasiticus population is genetically diverse and distant to A. sojae. PWE36 and A. sojae shared a most recent common ancestor (MRCA). The estimated divergence time for PWE36 and A. sojae was about 0.4 mya. Unlike Aspergillus oryzae, another koji mold that includes genetically diverse populations, the findings that current A. sojae strains formed a monophyletic group and shared the MRCA with PWE36 allow A. sojae to be continuously treated as a species for food safety reasons.

• 대한임베디드공학회논문지
• /
• 제19권1호
• /
• pp.47-55
• /
• 2024

We spend a lot of time in indoor space, and the space has a huge impact on our lives. Interior design plays a significant role to make an indoor space attractive and functional. However, it should consider a lot of complex elements such as color, pattern, and material etc. With the increasing demand for interior design, there is a growing need for technologies that analyze these design elements accurately and efficiently. To address this need, this study suggests a deep learning-based design analysis system. The proposed system consists of a semantic segmentation model that classifies spatial components and an image classification model that classifies attributes such as color, pattern, and material from the segmented components. Semantic segmentation model was trained using a dataset of 30000 personal indoor interior images collected for research, and during inference, the model separate the input image pixel into 34 categories. And experiments were conducted with various backbones in order to obtain the optimal performance of the deep learning model for the collected interior dataset. Finally, the model achieved good performance of 89.05% and 0.5768 in terms of accuracy and mean intersection over union (mIoU). In classification part convolutional neural network (CNN) model which has recorded high performance in other image recognition tasks was used. To improve the performance of the classification model we suggests an approach that how to handle data that has data imbalance and vulnerable to light intensity. Using our methods, we achieve satisfactory results in classifying interior design component attributes. In this paper, we propose indoor space design analysis system that automatically analyzes and classifies the attributes of indoor images using a deep learning-based model. This analysis system, used as a core module in the A.I interior recommendation service, can help users pursuing self-interior design to complete their designs more easily and efficiently.

• 대한임베디드공학회논문지
• /
• 제19권3호
• /
• pp.151-158
• /
• 2024

Although on-device artificial intelligence (AI) has gained attention to diagnosing machine faults in real time, most previous studies did not consider the model retraining and redeployment processes that must be performed in real-world industrial environments. Our study addresses this challenge by proposing an on-device AI-based real-time machine fault diagnosis system that utilizes continual learning. Our proposed system includes a lightweight convolutional neural network (CNN) model, a continual learning algorithm, and a real-time monitoring service. First, we developed a lightweight 1D CNN model to reduce the cost of model deployment and enable real-time inference on the target edge device with limited computing resources. We then compared the performance of five continual learning algorithms with three public bearing fault datasets and selected the most effective algorithm for our system. Finally, we implemented a real-time monitoring service using an open-source data visualization framework. In the performance comparison results between continual learning algorithms, we found that the replay-based algorithms outperformed the regularization-based algorithms, and the experience replay (ER) algorithm had the best diagnostic accuracy. We further tuned the number and length of data samples used for a memory buffer of the ER algorithm to maximize its performance. We confirmed that the performance of the ER algorithm becomes higher when a longer data length is used. Consequently, the proposed system showed an accuracy of 98.7%, while only 16.5% of the previous data was stored in memory buffer. Our lightweight CNN model was also able to diagnose a fault type of one data sample within 3.76 ms on the Raspberry Pi 4B device.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2006년도 추계 종합학술대회 논문집
• /
• pp.604-608
• /
• 2006

유비쿼터스 홈에서는 유무선 통신 네트워크를 기반으로 가정 내의 다양한 가전기기 및 센서들이 네트워크로 상호 연결되어 다양한 서비스 제공이 가능하며 지능적이고 상황인식에 기반 한 상호 연동을 통하여 사용자의 편의를 극대화 할 수 있다. 본 논문에서는 상황인식 기술, 다양한 센서로 부터의 상황정보 관리 기술, JESS를 이용한 추론 모듈, 홈 시스템을 위한 사실 및 규칙 정의 등에 대하여 설명한다. 또한 이를 기반으로 홈 서비스 시스템을 설계한다.

• 경영과학
• /
• 제17권3호
• /
• pp.19-30
• /
• 2000

Customization and personalization services are considered as a critical success factor to be a successful Internet store or web service provider. As a representative personalization technique, personalized recommendation techniques are studied and commercialized to suggest products or services to a customer of Internet storefronts based on demographics of the customer or based on an analysis of the past purchasing behavior of the customer. The underlining theories of recommendation techniques are statistics, data mining, artificial intelligence, and/or rule-based matching. In the rule-based approach for personalized recommendation, marketing rules for personalization are usually collected from marketing experts and are used to inference with customers data. however, it is difficult to extract marketing rules from marketing experts, and also difficult to validate and to maintain the constructed knowledge base. In this paper, we proposed a marketing rule extraction technique for personalized recommendation on Internet storefronts using market basket analysis technique, a well-known data mining technique. Using marketing basket analysis technique, marketing rules for cross sales are extracted, and are used to provide personalized advertisement selection when a customer visits in an Internet store. An experiment has been performed to evaluate the effectiveness of proposed approach comparing with preference scoring approach and random selection.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(A)
• /
• pp.270-273
• /
• 2011

스마트폰의 확산으로 스마트폰에 내장된 다양한 센서를 활용한 상황인지 서비스가 고도화 되어가고 있다. 이와 관련하여 GPS 센서, WiFi AP, Cell Tower 등의 정보를 이용하여 사용자의 위치를 파악하는 연구와 LBS(Location Based Service)에 대한 연구들이 이루어지고 있다. 하지만, 기존의 GPS 등과 같은 위치 센싱 정보를 통한 위치 파악 방법은 인프라를 구축하는 비용이 소요되고, 상대적으로 부정확한 장소 정보를 반환하는 문제점이 있다. 본 연구에서는 스마트폰으로부터 수집된 사용자의 시간, 요일, 장소, 주변 동시 출현 사용자 정보 등과 같은 사용자 상황 로그를 학습하여 사용자의 장소를 추론 하는 연구와 사용자의 프로파일을 이용하여 사용자를 그룹화한 장소 추론 모델을 통해 사용자의 장소 추론 정확도를 개선하는 방법을 제안한다. 제안 방법의 성능 평가를 위해 Reality Mining Project 그룹에서 수집된 데이터셋을 사용하여 전체 사용자를 대상으로 주변 동시 출현 사용자 속성을 이용한 방법과 사용자 주변에서 동시 출현하는 사용자의 빈도가 유사한 사용자별로 그룹화한 장소를 추론하는 방법을 비교 실험하였다. 실험 결과, 전체 사용자를 대상으로 장소를 추론하는 방법에 비해 유사 사용자 군집별로 장소를 추론하는 방법의 분류 정확도가 향상되었음을 확인하였다.