• 한국콘텐츠학회논문지
• /
• 제17권10호
• /
• pp.587-597
• /
• 2017

최근 하드웨어의 발전으로 모바일 환경에서 리눅스나 안드로이드 같은 범용 운영체제 환경에서 실시간성의 요구가 증가하고 있으나, 범용운영체제의 경우 실시간성을 제공하지 못하는 단점이 있다. 이를 해결하기 위해 리눅스에 부가적으로 설계된 RTiK(Real-Time implanted Kernel)을 통해 실시간성을 제공할 수 있으나, 기존 RTiK의 경우 x86 아키텍처만을 제공하는 단점이 있으며, 실시간성 지원을 위해서는 CPU 플랫폼에 종속되는 한계가 있다. 본 논문에서는 CPU 플랫폼 이식을 위해 ARM 아키텍쳐를 위한 실시간 확장커널인 RTiKA(Real-Time implant Kernel for ARMLinux)을 설계 및 구현한다. 실시간성 제공을 위해 독립적인 Local APIC Timer를 대체하는 MCT 타이머를 이용하였으며, 성능 검증 및 평가를 위해 생성된 실시간 태스크의 주기를 측정하였고, 1ms 단위의 주기를 바탕으로 여러 개의 실시간 태스크에 대한 동작을 보장할 수 있었다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.143-156
• /
• 2023

인공위성이 촬영한 영상의 내용을 정확하게 분석하기 위해서는 영상에 존재하는 구름 영역을 정확하게 인지하는 것이 필요하다. 최근 다양한 분야에서 딥러닝(deep learning) 모델이 뛰어난 성능을 보여줌에 따라 구름 영역 검출을 위해 딥러닝 모델을 적용한 방법들이 많이 제안되고 있다. 하지만 현재 구름 영역 검출 방법들은 의미 영역 분할 방법의 네트워크 구조를 그대로 사용하여 구름 검출 성능을 향상하는 데는 한계가 있다. 따라서 본 논문에서는 구름 검출 데이터 세트에 다중 브랜치 네트워크 구조 탐색을 적용하여 구름 영역 검출에 최적화된 네트워크 모델을 생성함으로써 구름 검출 성능을 향상하는 방법을 제안한다. 또한 구름 검출 성능을 향상하기 위하여 의미 영역 분할 모델의 학습 단계와 평가 단계의 평가 기준 불일치를 해소하기 위해 제안된 soft intersection over union (IoU) 손실 함수를 사용하고, 다양한 데이터 증강 방법을 적용하여 학습 데이터를 증가시켰다. 본 논문에서 제안된 방법의 성능을 검증하기 위하여 아리랑위성 3/3A호에서 촬영한 영상으로 구성된 구름 검출 데이터 세트를 사용하였다. 먼저 제안 방법과 의미 영역 분할 데이터 세트에서 탐색된 기존 네트워크 모델의 성능을 비교하였다. 실험 결과, 제안 방법의 mean IoU는 68.5%이며, 기존 모델보다 mIoU 측면에서 4%의 높은 성능을 보여주었다. 또한 soft IoU 손실 함수를 포함한 다섯 개의 손실 함수를 적용하여 손실 함수에 따른 구름 검출 성능을 분석하였으며, 실험 결과 본 연구에서 사용한 soft IoU 함수가 가장 좋은 성능을 보여주었다. 마지막으로 의미 영역 분할 분야에서 활용되는 최신 네트워크 모델과 제안 방법의 구름 검출 성능을 비교하였다. 실험 결과, 제안 모델이 의미 영역 분할 분야의 최신 모델들보다 mIoU와 정확도 측면에서 더 나은 성능을 보여주는 것을 확인하였다.

• 대한감각통합치료학회지
• /
• 제15권2호
• /
• pp.46-65
• /
• 2017

목적 : 본 연구는 경직형 양마비 아동에게 과제지향훈련을 시행할 때 무게조끼 적용이 대동작 수행력과 균형 능력에 미치는 영향을 알아보며 뇌성마비 아동을 치료하기 위한 중재방법으로 임상적으로 유용한지 제안하고자 시도되었다. 연구방법 : 연구 대상자를 단순 무작위 표본추출법으로 실험군(남자 : 9명, 여자 : 8명, 평균연령 : 8.12세)과 위약군(남자 : 9명, 여자 : 8명, 평균연령 : 7.53세) 각각 18명씩 배분한 후 두 중재군 모두에게 1회 40분, 주 2회 과제지향훈련을 12주 동안 실시하였다. 실험군은 무게저항을 제공하는 무게조끼를 착용하고, 위약군은 무게저항 없이 무게조끼만 착용하였다. 두 중재군 모두에게 닫힌 운동사슬과 다관절의 기능적인 움직임 패턴을 촉진하는 과제지향훈련을 각각 8~10회 실시하며 과제 사이에 약 3분간 휴식 하였다. 두 중재군의 대동작 수행력, 균형 능력에 대한 사전검사는 중재 전에 측정하였고, 사후검사는 중재 6주후와 12주후 총 2회 시행하였으며 마지막으로 추적검사는 실험종료 12주후에 실시한 후 두 중재군 사이의 시간경과에 따른 변화량을 분석하였다. 결과 : 대동작 수행평가는 중재 6주후와 12주후에는 실험군이 위약군보다 평균 점수가 더 증가하였으며 유의한 차이가 나타났다(p<.05). 아동용 균형척도는 중재 6주후와 12주후에는 실험군이 위약군보다 평균 점수가 더 증가하였으며 유의한 차이가 있었다(p<.05). 결론 : 그러므로 닫힌 운동사슬과 다관절의 기능적인 움직임을 촉진시키는 과제지향훈련 시 무게조끼 적용은 경직형 양마비 아동의 대동작 수행력과 균형 능력을 향상시키는 유용한 중재 방법으로 고려될 수 있다.

• 한국통신학회논문지
• /
• 제40권9호
• /
• pp.1754-1766
• /
• 2015

인터넷 라우터에서 행해지는 패킷분류는 5가지 패킷 헤더를 검사하여 선속도로 처리해야하기 때문에, 라우터가 수행하기 어려운 기능 중 하나이다. 본 논문에서는 리프-푸싱 된 영역분할 사분트라이 기반 비트맵 트라이 구조 (leaf-pushed AQT bitmap trie)를 제안한다. 제안하는 구조는 영역분할 사분트라이(Area-based Quad Trie, AQT)에 기초하되 불필요한 칩-외부메모리 접근을 줄이고자 리프-푸싱(leaf-pushing)기법을 적용하고, 멀티 비트 트라이인 비트맵을 적용하여 패킷분류 속도와 확장성을 모두 향상시킨 구조이다. 성능 평가를 위하여 ACL FW, IPC 룰셋을 각각 1k, 5k, 10k로 크기를 증가시키며 실험을 진행하였다. 그 결과, 제안하는 구조에서는 룰 셋의 종류나 크기와는 상관없이 패킷분류를 위하여 필요한 칩-외부메모리 접근 횟수가 1번 이내임을 확인할 수 있었다. 또한, 비트맵 트라이를 적용함으로 인해, 리프-푸싱기반 영역분할 사분트라이와 비교하여 약 50%의 칩-내부메모리 접근이 요구됨을 보았으며, 또한 칩-내부메모리 요구량의 변화폭이 룰 셋이 증가함에 따라 안정적으로 변화하여 제안하는 구조의 확장성을 확인할 수 있었다.

• 한국산업정보학회논문지
• /
• 제8권3호
• /
• pp.76-84
• /
• 2003

소프트웨어 에이전트에 의해서, 일상 업무는 자동화 되어왔으며, 그에 따라 사람이 담당하는 업무는 특정 업무범위로 축소되고 있다. 그러나 아직까지 대부분의 에이전트는 전체 업무 프로세스의 일부 단계에서만 그 역할을 수행할 뿐이다. 자동화 업무에서의 주요 단계에서 사용자들을 지원하기 위하여 특정 방향으로 협상 당사자들을 설득하는 데 있어서 소프트웨어 에이전트의 역할은 필수적이다. 사용되는 협상의 종류는 매우 여러 가지 이지만, 본 논문은 '협상에 기초한 경쟁적 비즈니스 환경' 과 같은 특정 협상행위에 중점을 두고 있다. 이러한 환경에서의 협상을 위해서 자율적 에이전트는 환경적 변수(예: 협상 경쟁자 수, 각 협상 참여자 수, 협상업무가 완료되는 최대한의 시간, 사용자의 선호도)를 중점적으로 고려하고 있다. 경쟁적 비즈니스 환경에서는 협상진행 중에 끼어 들어 계약을 성사시키는 잠재 협상 경쟁자들이 있지만 자동화된 협상을 위하여 제안된 이전의 협상 결정함수들은 단지 시간이나 정해진 수의 협상참여자들만을 변수로 사용해왔다. 따라서 본 논문은 경쟁적 시장환경에서 잠재적 경쟁자에 대한 고려가 포함된 협상 결정 함수와 그러한 고려사항이 포함되지 않은 협상 결정 함수에 대한 기능의 평가를 시도했다. 이 평가를 위해서 본 논문은 다수의 구매자와 판매자가 제한된 자원을 위해 한 공간에서 경쟁하는 전자상거래 시장을 적용 범위로 선택했다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.