• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(C)
• /
• pp.417-420
• /
• 2011

로봇이 능동적으로 행동하기 위해서는 외부 신호를 받아서 처리해야 되는데 여러 가지 센서 중에서도 영상처리가 중요해지고 있다. 하지만 영상처리를 사용하였을 경우는 예측할 수 없는 외부환경으로부터 영향을 받을 수 있다. 예를 들면 조명이 일정한 내부 환경에서는 인식이 가능하나 외부환경에서는 불가능한 경우가 있다. 그러므로 로봇산업이 발전에 중요한 축을 담당하고 있는 영상처리에 분야 중에서 논문에서는 조명이 변하는 상황을 설정해보고 그 상황을 토대로 기존의 알고리즘인 [2][3] Single-scale Retinex. [4][5] Multi-scale Retinex와 인식률을 비교해보고 Single-scale Retinex을 기반으로 단순히 Multi- scale Retinex처럼 가중치를 같이 두는 것이 아니라 상황에 따라 가중치를 다르게 주는 알고리즘 'Adaptive Two Scale Relinex Algorilhm'을 소개하겠다. 더불어 앞으로 나아가야 될 방향에 대해서도 언급하겠다.

• 방송공학회논문지
• /
• 제18권4호
• /
• pp.609-618
• /
• 2013

본 논문은 기존 그래프 컷 기반 영상분할의 성능은 유지하면서 연산속도가 빠른 영상분할 방법을 제안한다. 기존 그래프 컷 기반 영상분할은 높은 성능을 보이지만 고유쌍 연산으로 인해 분할 속도가 느리다는 단점을 지닌다. 이는 고유쌍 연산에서 영상 내 모든 화소 사이의 유사도를 고려하여 정방행렬을 만들기 때문이다. 그러므로 제안하는 방법은 영상을 여러 영역으로 분할하여 작은 크기의 정방행렬을 구성하고 이를 통해 고유쌍 연산 속도를 크게 향상시킨다. 본 논문에서는 대수적 다중 격자를 이용한 다중스케일 영상분할법을 제안하고 실험 결과를 통해 제안하는 방법이 기존 영상분할 방법보다 그 성능이 더 우수함을 보인다.

• 한국태양에너지학회:학술대회논문집
• /
• 한국태양에너지학회 2012년도 춘계학술발표대회 논문집
• /
• pp.427-432
• /
• 2012

This paper proposes efficient operation method of PV system consisted of multi-central which is suitable for large scale system. The multi-central system used switch at a DC-link and applied proposed algorithm can improve the efficiency and the reliability on the existing system. This algorithm, with advantage of Multi-Central system can minimize the effect of different characteristic of each PV array due to a shadow or damaged PV cell. Each system is analysed and maximum power point tracking control, DC-link voltage control and output current control is used commonly. The validity is verified after comparing of the existing system and proposed system by simulation.

• Nuclear Engineering and Technology
• /
• 제41권1호
• /
• pp.1-10
• /
• 2009

The safe and reliable performance of fusion and fission plants depends on the choice of suitable materials and an assessment of long-term materials degradation. These materials are degraded by their exposure to extreme conditions; it is necessary, therefore, to address the issue of long-term damage evolution of materials under service exposure in advanced plants. The empirical approach to the study of structural materials and fuels is reaching its limit when used to define and extrapolate new materials, new environments, or new operating conditions due to a lack of knowledge of the basic principles and mechanisms present. Materials designed for future Gen IV systems require significant innovation for the new environments that the materials will be exposed to. Thus, it is a challenge to understand the materials more precisely and to go far beyond the current empirical design methodology. Breakthrough technology is being achieved with the incorporation in design codes of a fundamental understanding of the properties of materials. This paper discusses the multi-scale, multi-code computations and multi-dimensional modelling undertaken to understand the mechanical properties of these materials. Such an approach is envisaged to probe beyond currently possible approaches to become a predictive tool in estimating the mechanical properties and lifetimes of materials.

• 한국음향학회지
• /
• 제38권6호
• /
• pp.697-702
• /
• 2019

방송 콘텐츠의 혼합 신호에서 배경음악 신호를 분리하는 확장된 합성곱을 이용한 멀티 밴드 멀티 스케일 DenseNet을 제안한다. 확장된 합성곱은 스펙트로그램의 다양한 스케일 문맥 정보를 학습하기 용이하도록 한다. 컴퓨터 모의실험 결과, 제안한 구조는 신호대잡음비(Signal to Noise Ratio, SNR) 0 dB, -10 dB의 환경에서 각각 0.15 dB, 0.27 dB의 신호대왜곡비(Signal to Distortion Ratio, SDR)를 개선하였다.

• Journal of Multimedia Information System
• /
• 제8권2호
• /
• pp.101-110
• /
• 2021

In computer vision, single-image super resolution has been an area of research for a significant period. Traditional techniques involve interpolation-based methods such as Nearest-neighbor, Bilinear, and Bicubic for image restoration. Although implementations of convolutional neural networks have provided outstanding results in recent years, efficiency and single model multi-scalability have been its challenges. Furthermore, previous works haven't placed enough emphasis on real-number scalability. Interpolation-based techniques, however, have no limit in terms of scalability as they are able to upscale images to any desired size. In this paper, we propose a convolutional neural network possessing the advantages of the interpolation-based techniques, which is also efficient, deeming it suitable in practical implementations. It consists of convolutional layers applied on the low-resolution space, post-up-sampling along the end hidden layers, and additional layers on high-resolution space. Up-sampling is applied on a multiple channeled feature map via bicubic interpolation using a single model. Experiments on architectural structure, layer reduction, and real-number scale training are executed with results proving efficient amongst multi-scale learning (including scale multi-path-learning) based models.

• International Journal of Computer Science & Network Security
• /
• 제21권3호
• /
• pp.212-218
• /
• 2021

Low-power and Lossy Networks (LLNs) have become the common network infrastructure for a wide scope of Internet of Things (IoT) applications. For efficient routing in LLNs, IETF provides a standard solution, namely the IPv6 Routing Protocol for LLNs (RPL). It enables effective interconnectivity with IP networks and flexibly can meet the different application requirements of IoT deployments. However, it still suffers from different open issues, particularly in large-scale setups. These include the node unreachability problem which leads to increasing routing losses at RPL sink nodes. It is a result of the event of memory overflow at LLNs devices due to their limited hardware capabilities. Although this can be alleviated by the establishment of multi-sink topologies, RPL still lacks the support for effective load balancing among multiple sinks. In this paper, we address the need for an efficient multi-sink load balancing solution to enhance the performance of PRL in large-scale scenarios and alleviate the node unreachability problem. We propose a new RPL objective function, Multi-Sink Load Balancing Objective Function (MSLBOF), and introduce the Memory Utilization metrics. MSLBOF enables each RPL node to perform optimal sink selection in a way that insure better memory utilization and effective load balancing. Evaluation results demonstrate the efficiency of MSLBOF in decreasing packet loss and enhancing network stability, compared to MRHOF in standard RPL.

• 한국음향학회지
• /
• 제39권6호
• /
• pp.600-605
• /
• 2020

본 논문에서는 청각 장애인을 위한 소리 감지 홈 모니터링을 위해 다채널 다중 스케일 신경망을 사용한 사운드 이벤트 검출 방식을 제안한다. 제안하는 시스템에서는 홈 내의 여러 무선 마이크 센서들로부터 높은 신호 품질을 갖는 두 개의 채널을 선택하고, 그 신호들로부터 도착신호 지연시간, 피치 범위, 그리고 다중 스케일 합성 곱 신경망을 로그멜 스펙트로그램에 적용하여 추출한 특징들을 양방향 게이트 순환 신경망 기반의 분류기에 적용함으로써 사운드 이벤트 검출의 성능을 더욱 향상시킨다. 검출된 사운드 이벤트 결과는 선택된 채널의 센서 위치와 함께 텍스트로 변환되어 청각 장애인에게 제공된다. 실험결과는 제안한 시스템의 사운드 이벤트 검출 방식이 기존 방식보다 우수하며 청각 장애인에게 효과적으로 사운드 정보를 전달할 수 있음을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제10권4호
• /
• pp.239-248
• /
• 2005

대규모 무선 센서 네트워크는 네트워크의 신뢰성과 에너지 효율을 동시에 고려해야 한다. 네트워크의 신뢰성을 높이기 위해서는 유니 캐스트 기반 데이터 전송 방법보다 브로드캐스트 기반 데이터 전송 방법을 사용해야 한다. 최근 발표된 GRAdient Broadcast (GRAB)는 브로드캐스트 기반 데이터 전송으로 네트워크의 신뢰성을 높일 수 있다. 하지만 한 개의 sink를 사용하기 때문에 네트워크 전체 에너지를 고르게 사용하지 못한다. 결국 네트워크의 동작 시간이 단축되는 단점이 있다. 이에 본 논문에서는 대규모 무선센서 네트워크에 적합한 Selective Multi Sink Gradient Broadcast (SMSGB)를 제안한다. SMSGB 는 여러 개의 sink를 사용하여 네트워크를 구성하고 한 개의 sink만 데이터를 수집한다. 특정한 이벤트가 발생이 되면 다른 sink가 데이터를 수집하게 된다. 이러한 방법을 통해 전체 네트워크의 에너지를 고르게 소모 할 수 있다. 또한 GRAB와 동일한 브로드캐스트 기반 데이터 전송으로 대규모 무선 센서 네트워크에서 신뢰성을 보장할 수 있다. 기존의 GRAB와 SMSGB를 비교한 모의실험을 통해 GRAB와 비슷한 신뢰성을 유지하면서 GRAB보다 SMSGB의 네트워크 동작 시간이 약 18% 이상 연장됨을 보인다.

• Nuclear Engineering and Technology
• /
• 제55권3호
• /
• pp.1140-1151
• /
• 2023

Fully Ceramic Microencapsulated (FCM) fuel is emerging advanced fuel material for the future nuclear reactors. The fuel pellet in the FCM fuel is composed of matrix and a large number of TRistructural-ISOtopic (TRISO) fuel particles which are randomly dispersed in the SiC matrix. The minimum layer thickness in a TRISO fuel particle is on the order of 10^-5 m, and the length of the FCM pellet is on the order of 10^-2 m. Hence, the heat transfer in the FCM pellet is a multi-scale phenomenon. In this study, three multi-scale heat conduction models including the Multi-region Layered (ML) model, Multi-region Non-layered (MN) model and Homogeneous model for FCM pellet were constructed. In the ML model, the random distributed TRISO fuel particles and coating layers are completely built. While the TRISO fuel particles with coating layers are homogenized in the MN model and the whole fuel pellet is taken as the homogenous material in the Homogeneous model. Taking the results by the ML model as the benchmark, the abilities of the MN model and Homogenous model to predict the maximum and average temperature were discussed. It was found that the MN model and the Homogenous model greatly underestimate the temperature of TRISO fuel particles. The reason is mainly that the conventional equivalent thermal conductivity (ETC) models do not take the internal heat source into account and are not suitable for the TRISO fuel particle. Then the improved ETCs considering internal heat source were derived. With the improved ETCs, the MN model is able to capture the peak temperature as well as the average temperature at a wide range of the linear powers (165 W/cm~ 415 W/cm) and the packing fractions (20%-50%). With the improved ETCs, the Homogenous model is better to predict the average temperature at different linear powers and packing fractions, and able to predict the peak temperature at high packing fractions (45%-50%).