• 정보처리학회논문지C
• /
• 제10C권7호
• /
• pp.923-928
• /
• 2003

본 논문은 그리드 네트워크의 패킷 지연시간단축을 위한 병목 링크 대역폭 측정 알고리즘을 제안하고자 한다. 병목 링크 대역폭 측정방법으로 packet pair 알고리즘과 Paced Probes가 있으나 이들은 pacer 패킷으로 cross traffic의 영향을 줄이면서 Paced probe 패킷들이 링크를 지날 때 발생하는 시간 차이를 이용하여 병목 링크 대역폭을 구한다. 그러나 경로상의 병목 링크 대역폭을 측정할 뿐이지 병목현상이 발생한 지점은 알 수 없는 문제점이 있다. 이를 hop-by-hop 측정에 기반한 병목 대역폭 측정을 제시하여 그리드 네트워크에서 전체적인 패킷 지연 개선을 이룰 수 있다. hop-by-hop의 병목 대역폭을 측정하기 위해 paced probe 패킷에 타임스탬프 옵션을 이용하며 병목현상 해소를 통하여 패킷 전송 지연의 단축을 시뮬레이션을 통해 알 수 있다. 본 논문에서 제시한 알고리즘으로 병목 링크의 대역폭과 위치를 파악하여 그리드 ETP나 실시간 QoS를 보장하는 데이터 전송에 기여할 것으로 기대된다.

• 정보처리학회논문지C
• /
• 제16C권5호
• /
• pp.621-628
• /
• 2009

무선 센서망은 위험이 존재하는 환경에서 공공 기관이나 군사적 목적의 신뢰성 있는 모니터링을 위한 수단으로 사용되어 왔다. 위험 상황이나 위험 물질이 존재하는 환경에서 사용된다는 특성 때문에, 망의 수명이 기존 무선망에서보다 더욱 중요한 성능 요소로 간주된다. 망 전체의 수명을 결정짓는 주요 요소 중 하나는 수명을 다하는 최초의 노드가 얼마나 이른 시간에 나타나느냐 하는 것이고, 이 최초의 노드는 망에 존재하는 병목 노드일 확률이 높다. 무선망의 병목 노드를 찾아내기 위한 방법으로 MINCUT 알고리즘이 대표적이나, 이는 중앙 집중형 방법이어서 많은 수의 노드로 이루어진 무선 센서망에는 적합하지 않다. 본 논문에서는 알고리즘의 계산 복잡도를 낮추어 매우 짧은 시간 내에 병목 노드를 탐지해 내는 분산형 방법을 제안한다. 수학적 분석과 실험을 통해 제안된 알고리즘이 기존 방법보다 훨신 향상된 성능을 보임을 확인할 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제24권1호
• /
• pp.33-39
• /
• 2019

In this paper, we propose deep convolutional neural network(CNN) with bottleneck structure which improves the performance of earthquake classification. In order to address all possible forms of earthquakes including micro-earthquakes and artificial-earthquakes as well as large earthquakes, we need a representation and classifier that can effectively discriminate seismic waveforms in adverse conditions. In particular, to robustly classify seismic waveforms even in low snr, a deep CNN with 1x1 convolution bottleneck structure is proposed in raw seismic waveforms. The representative experimental results show that the proposed method is effective for noisy seismic waveforms and outperforms the previous state-of-the art methods on domestic earthquake database.

• 디지털산업정보학회논문지
• /
• 제5권2호
• /
• pp.101-107
• /
• 2009

In existing wireless ad-hoc networks, how to distribute network resources fairly between many users to optimize data transmission is an important research subject. However, in wireless mesh networks (WMNs), it is one of the research areas to avoid gateway bottleneck more than the fair network resource sharing. It is because WMN traffic are concentrated on the gateway connected to backhaul. To solve this problem, the paper proposes Weighted Fairness Time-sharing Access (WFTA). The proposed WFTA is a priority time scheduling scheme based on Weighted Fair Queuing (WFQ).

• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1835-1845
• /
• 2021

본 논문에서는 블랙 아이스를 정확하게 인식하고 도로 노면 정보를 운전자에게 미리 알려줘서 속도를 제어하고 예방 조치를 취할 수 있도록 하기 위해 열화 도로 영상을 기반으로 블랙 아이스 검출하기 위해 lightweight 네트워크를 제안한다. 전이학습을 이용하여 블랙 아이스 인식 실험을 하였고, 블랙 아이스 인식의 정확도 향상을 위해 MobileNetV2 기반의 개선된 lightweight 네트워크를 개발하였다. 계산량을 줄이기 위해 Linear Bottleneck 및 Inverted Residuals를 활용하여 4개의 Bottleneck 그룹을 사용하고 모델의 인식률 향상을 위해 각 Bottleneck 그룹에 3×3 컨볼루션 레이어를 연결하여 지역적 특징 추출을 강화하고 특징 맵의 수를 늘렸다. 마지막으로 구축된 블랙 아이스 데이터 세트 대상으로 블랙 아이스 인식 실험을 진행하였으며, 제안된 모델은 블랙 아이스에 대해 99.07%의 정확한 인식률을 나타내었다.

• ETRI Journal
• /
• 제36권5호
• /
• pp.761-771
• /
• 2014

Long-Term Evolution employs a hard handover procedure. To reduce the interruption of data flow, downlink data is forwarded from the serving eNodeB (eNB) to the target eNB during handover. In cellular networks, unbalanced loads may lead to congestion in both the radio network and the backhaul network, resulting in bad end-to-end performance as well as causing unfairness among the users sharing the bottleneck link. This work focuses on congestion in the transport network. Handovers toward less loaded cells can help redistribute the load of the bottleneck link; such a mechanism is known as load balancing. The results show that the introduction of such a handover mechanism into the simulation environment positively influences the system performance. This is because terminals spend more time in the cell; hence, a better reception is offered. The utilization of load balancing can be used to further improve the performance of cellular systems that are experiencing congestion on a bottleneck link due to an uneven load.

• 산업경영시스템학회지
• /
• 제28권1호
• /
• pp.114-120
• /
• 2005

This paper studies procedures for bottleneck detection in closed queueing networks(CQN's) with multiple job classes. Bottlenecks refer to servers operating at $100\%$ utilization. For CQN's, this can occur as the population sizes approach infinity. Bottleneck detection reduces to a non-linear complementary problem which in important special cases may be interpreted as a Kuhn-Tucker set. Efficient computational procedures are provided.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -2
• /
• pp.798-801
• /
• 2002

This paper proposes unsupervised classification of multiple attributes via five-layer autoassociative neural network with bottleneck layer. In the conventional methods, high dimensional data are compressed into low dimensional data at bottleneck layer and then feature extraction is performed (Fig.1). In contrast, in the proposed method, analog data is compressed into digital data. Furthermore bottleneck layer is divided into two segments so that each attribute, which is a discrete value, is extracted in corresponding segment (Fig.2).

• International Journal of Internet, Broadcasting and Communication
• /
• 제12권3호
• /
• pp.220-225
• /
• 2020

This paper investigates the non-intrusive speech intelligibility estimation method in noise environments when the bottleneck feature of autoencoder is used as an input to a neural network. The bottleneck feature-based method has the problem of severe performance degradation when the noise environment is changed. In order to overcome this problem, we propose a novel non-intrusive speech intelligibility estimation method that adds the noise environment information along with bottleneck feature to the input of long short-term memory (LSTM) neural network whose output is a short-time objective intelligence (STOI) score that is a standard tool for measuring intrusive speech intelligibility with reference speech signals. From the experiments in various noise environments, the proposed method showed improved performance when the noise environment is same. In particular, the performance was significant improved compared to that of the conventional methods in different environments. Therefore, we can conclude that the method proposed in this paper can be successfully used for estimating non-intrusive speech intelligibility in various noise environments.

• Journal of Information Processing Systems
• /
• 제17권5호
• /
• pp.892-904
• /
• 2021

An image semantic segmentation model is proposed based on improved ENet network in order to achieve the low accuracy of image semantic segmentation in complex environment. Firstly, this paper performs pruning and convolution optimization operations on the ENet network. That is, the network structure is reasonably adjusted for better results in image segmentation by reducing the convolution operation in the decoder and proposing the bottleneck convolution structure. Squeeze-and-excitation (SE) module is then integrated into the optimized ENet network. Small-scale targets see improvement in segmentation accuracy via automatic learning of the importance of each feature channel. Finally, the experiment was verified on the public dataset. This method outperforms the existing comparison methods in mean pixel accuracy (MPA) and mean intersection over union (MIOU) values. And in a short running time, the accuracy of the segmentation and the efficiency of the operation are guaranteed.