• Journal of Korea Multimedia Society
• /
• v.17 no.5
• /
• pp.590-600
• /
• 2014

In the wireless sensor network environment, clustering scheme has a problem that a large amount of energy is unnecessarily consumed because of frequently occurred entire re-clustering process. Some of the studies were attempted to improve the network performance by getting rid of the entire network setup process. However, removing the setup process is not worthy. Because entire network setup relieves the burden of some sensor nodes. The primary aim of our scheme is to cut down the energy consumption through minimizing entire setup processes which occurred unnecessarily. Thus, we suggest a re-clustering scheme that considers event detection, transmitting energy, and the load on the nodes. According to the result of performance analysis, our scheme reduces energy consumption of nodes, prolongs the network lifetime, and shows higher data collection rate and higher data accuracy than the existing schemes.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1095-1097
• /
• 2015

본 논문에서는 트위터 기반 이벤트 탐지에서의 기계학습을 통한 지명 노이즈제거 방식을 제안한다. 이벤트 탐지 시스템은 트위터 사용자 개개인을 이벤트 탐지의 센서로 이용하여 특정 지명에서 발생하는 이벤트를 탐지하였다. 그러나 지명과 동형이의어 관계의 단어가 탐지되어 이벤트 탐지의 정확도를 낮추는 요인이 된다. 이에 본 논문에서는 먼저 노이즈 관련 데이터베이스 구축을 이용하여 제거 필터링을 진행한 후에 기계학습을 이용해서 지명 유무를 결정하였다. 실험결과 본 논문에서 제시하는 예측기법은 89.6%의 신뢰도로 노이즈제거 기법의 필요성을 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.257-258
• /
• 2019

이 논문에서는 가정내 음향 상황에 대한 사운드 이벤트 검출을 수행하는 시스템을 개발하는 내용을 담고 있다. 사운드 이벤트 검출 시스템은 마이크로폰 입력에 대해서 입력신호로부터 특징을 추출하고, 특징으로부터 이벤트가 있었는지 아닌지를 분류하는 형태를 가지고 있다. 본 연구에서는 독립형 디바이스가 가정내 위치한 상황을 가정하여 개발을 진행하였다. 가정내에서 일어날 수 있는 음향 상황을 가정하고 데이터셋 녹음을 진행하였다. 데이터셋을 기반으로 특징과 분류기를 개발하였으며, 적은 계산량으로 결과를 출력해야 하는 독립형 디바이스에 활용하기 위해서 특징셋을 간소화하는 과정을 거쳤다. 개발결과는 가정의 거실환경에서 녹음된 소리를 스피커로 출력하여 테스트하였으며, 다양한 음향 상황에 대한 개발이 추가적으로 필요하다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.160-162
• /
• 2019

음향 이벤트 인식 기술은 오디오 신호에서 음향 이벤트를 예측하는 기술로, 최근 대용량 데이터베이스의 배포, 인식 알고리즘과 하드웨어의 발전, 관련 인식 대회 등에 힘입어 많은 연구가 이루어지고 있는 분야이다. 본 논문에서는 음향 장면 및 이벤트 인식 관련 대회인 DCASE 챌린지에 대하여 기술하고, 약한 레이블 기반의 데이터를 학습해 강한 레이블을 예측하는 DCASE 챌린지 과제 4에 대하여 설명한다. 또한 DCASE 챌린지 과제 4에 제출된 다양한 음향 이벤트 인식 알고리즘과 데이터베이스의 종류에 따른 성능을 비교하여 음향 이벤트 인식 성능을 분석한다.

• Proceedings of the KIPE Conference
• /
• 2018.11a
• /
• pp.9-11
• /
• 2018

This paper studies on the development of an electric fire prevention system with the detection and alarm in case of parallel arc fault occurrence in low voltage distribution lines. The proposed detector has the characteristics of high speed operation responsibility and superior system reliability from composition using a large number of semiconductor devices. The line voltage is always feedback, and when an arc or a spark occurs, these are detected by the microcomputer. In addition, we design and develop algorithms using high speed and high precision microcomputer. A new conceptual control technique is adopted that RCD cuts-off by forming a forced short circuit between the phase voltage and ground in the event of an electrical accident. Some experimental tests of the proposed system also confirm practicality and the validity of the analytical results.

• Journal of Sensor Science and Technology
• /
• v.31 no.1
• /
• pp.16-23
• /
• 2022

Cardiac disease is the most common cause of death worldwide. Therefore, detection and classification of electrocardiogram (ECG) signals are crucial to extend life expectancy. In this study, we aimed to implement an artificial intelligence signal recognition system in field programmable gate array (FPGA), which can recognize patterns of bio-signals such as ECG in edge devices that require batteries. Despite the increment in classification accuracy, deep learning models require exorbitant computational resources and power, which makes the mapping of deep neural networks slow and implementation on wearable devices challenging. To overcome these limitations, spiking neural networks (SNNs) have been applied. SNNs are biologically inspired, event-driven neural networks that compute and transfer information using discrete spikes, which require fewer operations and less complex hardware resources. Thus, they are more energy-efficient compared to other artificial neural networks algorithms.

• Smart Structures and Systems
• /
• v.30 no.3
• /
• pp.263-271
• /
• 2022

In this paper we present an overview of damage diagnosis algorithms that have been developed over the past two decades using vibration signals obtained from structures. Then, the paper focuses primarily on algorithms that can be used following an extreme event such as a large earthquake to identify structural damage for responding in a timely manner. The algorithms presented in the paper use measurements obtained from accelerometers and gyroscope to identify the occurrence of damage and classify the damage. Example algorithms are presented include those based on autoregressive moving average (ARMA), wavelet energies from wavelet transform and rotation models. The algorithms are illustrated through application of data from test structures such as the ASCE Benchmark structure and laboratory tests of scaled bridge columns and steel frames. The paper concludes by identifying needs for research and development in order for such algorithms to become viable in practice.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.136-138
• /
• 2022

스포츠 방송/미디어 데이터에서 특정 이벤트 시점을 효율적으로 검출하는 방법은 정보 검색이나 하이라이트, 요약 등을 위해 중요한 기술이다. 이 논문에서는, 야구 중계 방송 데이터에서 투구에 대한 타격 및 포구 이벤트 시점을 강인하게 검출하는 방법으로, 음향 및 영상 정보를 융합하는 방법에 대해 제안한다. 음향 정보에 기반한 이벤트 검출 방법은 계산이 용이하고 정확도가 높은 반면, 영상 정보의 도움 없이는 모호성을 해결하기 힘든 경우가 많이 발생한다. 특히 야구 중계 데이터의 경우, 투수의 투구 시점에 대한 영상 정보를 활용하여 타격 및 포구 이벤트 검출의 정확도를 보다 향상시킬 수 있다. 이 논문에서는 음향 기반의 딥러닝 이벤트 시점 검출 모델과 영상 기반의 보정 방법을 제안하고, 실제 KBO 야구 중계 방송 데이터에 적용한 사례와 실험 결과에 대해 기술한다.

• Journal of Yeungnam Medical Science
• /
• v.39 no.1
• /
• pp.62-66
• /
• 2022

Immune checkpoint inhibitor (ICI)-associated adrenal insufficiency is rare but may become a serious adverse event in patients treated with ICIs. The present case report documents two cases of adrenal insufficiency developed during chemotherapy plus tislelizumab (百泽安, Baize'an; BeiGene Ltd.) therapy in patients with advanced gastric cancer. Adrenal insufficiency developed after 6 and 13 cycles of treatment and was well controlled with hydrocortisone. The patients also developed hypothyroidism, which was managed with levothyroxine. Two patients showed a partial response, and one patient out of two achieved a near-complete response, sustaining over 11 months. Increased awareness of ICI-related adrenal insufficiency is crucial for early detection and prompt management of patients treated with ICIs.

• Journal of Information Technology Applications and Management
• /
• v.29 no.5
• /
• pp.27-37
• /
• 2022

This study intends to link agricultural machine history data with related organizations or collect them through IoT sensors, receive input from agricultural machine users and managers, and analyze them through AI algorithms. Through this, the goal is to track and manage the history data throughout all stages of production, purchase, operation, and disposal of agricultural machinery. First, LSTM (Long Short-Term Memory) is used to estimate oil consumption and recommend maintenance from historical data of agricultural machines such as tractors and combines, and C-LSTM (Convolution Long Short-Term Memory) is used to diagnose and determine failures. Memory) to build a deep learning algorithm. Second, in order to collect historical data of agricultural machinery, IoT sensors including GPS module, gyro sensor, acceleration sensor, and temperature and humidity sensor are attached to agricultural machinery to automatically collect data. Third, event-type data such as agricultural machine production, purchase, and disposal are automatically collected from related organizations to design an interface that can integrate the entire life cycle history data and collect data through this.