• Smart Structures and Systems
• /
• 제24권5호
• /
• pp.567-585
• /
• 2019

In the past two decades, structural health monitoring (SHM) systems have been widely installed on various civil infrastructures for the tracking of the state of their structural health and the detection of structural damage or abnormality, through long-term monitoring of environmental conditions as well as structural loadings and responses. In an SHM system, there are plenty of sensors to acquire a huge number of monitoring data, which can factually reflect the in-service condition of the target structure. In order to bridge the gap between SHM and structural maintenance and management (SMM), it is necessary to employ advanced data processing methods to convert the original multi-source heterogeneous field monitoring data into different types of specific physical indicators in order to make effective decisions regarding inspection, maintenance and management. Conventional approaches to data analysis are confronted with challenges from environmental noise, the volume of measurement data, the complexity of computation, etc., and they severely constrain the pervasive application of SHM technology. In recent years, with the rapid progress of computing hardware and image acquisition equipment, the deep learning-based data processing approach offers a new channel for excavating the massive data from an SHM system, towards autonomous, accurate and robust processing of the monitoring data. Many researchers from the SHM community have made efforts to explore the applications of deep learning-based approaches for structural damage detection and structural condition assessment. This paper gives a review on the deep learning-based SHM of civil infrastructures with the main content, including a brief summary of the history of the development of deep learning, the applications of deep learning-based data processing approaches in the SHM of many kinds of civil infrastructures, and the key challenges and future trends of the strategy of deep learning-based SHM.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.1003-1006
• /
• 2009

최근 유비쿼터스 컴퓨팅 기술에 대한 관심이 높아짐에 따라 다양한 응용 서비스를 만족하기 위한 객체의 인식 및 위치 기반 서비스의 필요성이 증대하고 있다. 이러한 위치추적 기술은 유비쿼터스 환경에서 사용자의 상황인지에 관한 기본요소로써 기존 무선 센서 네트워크 인프라에서 통용되는 IEEE 802.15.4 ZigBee를 이용하여 효율성을 높여야 한다. 하지만 IEEE 802.15.4 프로토콜은 ToA, TDoA 등의 위치측위 기술을 적용하기에는 한계가 있으므로 RSSI를 이용한 Zone 기반 위치추적 기술을 필요로 한다. 본 논문에서는 유비쿼터스 환경의 위치추적 서비스를 지원하기 위한 802.15.4 ZigBee의 RSSI 기반 위치검출 알고리즘을 제안한다. 또한 실제적인 실내 위치추적 서비스를 위한 Zone 기반 위치추적 시스템을 설계 및 구현한다.

• 한국융합학회논문지
• /
• 제12권12호
• /
• pp.65-74
• /
• 2021

최근 기계 번역 기술과 자동 노이즈 생성 방법론을 기반으로 한국어 맞춤법 교정 연구가 활발히 이루어지고 있다. 해당 방법론들은 노이즈를 생성하여 학습 셋과 데이터 셋으로 사용한다. 이는 학습에 사용된 노이즈 외의 노이즈가 테스트 셋에 포함될 가능성이 낮아 정확한 성능 측정이 어렵다는 한계점이 존재한다. 또한 실제적인 오류 유형 분류 기준이 없어 연구마다 사용하는 오류 유형이 다르므로 질적 분석에 어려움을 겪고 있다. 이를 해결하기 위해 본 논문은 딥러닝 기반 한국어 맞춤법 교정 연구를 위한 새로운 '오류 유형 분류 체계'를 제안하며 이를 바탕으로 기존 상용화 한국어 맞춤법 교정기(시스템 A, 시스템 B, 시스템 C)에 대한 오류 분석을 수행하였다. 분석결과, 세 가지 교정 시스템들이 띄어쓰기 오류 외에 본 논문에서 제시한 다른 오류 유형은 교정을 잘 수행하지 못했으며 어순 오류나 시제 오류의 경우 오류 인식을 거의 하지 못함을 알 수 있었다.

• 방송공학회논문지
• /
• 제26권2호
• /
• pp.167-174
• /
• 2021

초고해상도 변환 문제에서 최근 딥러닝을 사용하면서 큰 성능 개선을 얻고 있다. 빠른 초고해상도 합성곱 신경망 (FSRCNN)은 딥러닝 기반 초고해상도 알고리즘으로 잘 알려져 있으며, 여러 개의 합성곱 층로 추출한 저 해상도의 입력 특징을 활용하여 역합성곱 층에서 초고해상도의 영상을 출력하는 알고리즘이다. 본 논문에서는 병렬 연산 효율성을 고려한 FPGA 기반 합성곱 신경망 가속기를 제안한다. 특히 역합성곱 층을 합성곱 층으로 변환하는 방법을 통해서 에너지 효율적인 가속기를 설계했다. 또한 제안한 방법은 FPGA 리소스를 고려하여 FSRCNN의 구조를 변형한 Optimal-FSRCNN을 제안한다. 사용하는 곱셈기의 개수를 FSRCNN 대비 3.47배 압축하였고, 초고해상도 변환 성능을 평가하는 지표인 PSNR은 FSRCNN과 비슷한 성능을 내고 있다. 이를 통해서 FPGA에 최적화된 네트워크를 구현하여 FHD 입력 영상을 UHD 영상으로 출력하는 실시간 영상처리 기술을 개발했다.

• 한국인터넷방송통신학회논문지
• /
• 제19권3호
• /
• pp.25-32
• /
• 2019

블록체인 기술 핵심은 이중지불에 대한 합의 문제를 해결하는 것이며 이를 위해 이용되고 있는 알고리즘인 PoW, PoS 및 DPoS에 대하여 살펴보았다. PoW인 작업증명은 스팸 전자 메일을 보내거나 서비스 거부(Denial of service, DoS) 공격을 시작하는 등 컴퓨팅 능력의 사소하거나 악의적인 사용을 막기 위해 실현 가능한 노력을 필요로 하는 합의 시스템이다. PoS인 지분증명은 작업증명(PoW) 알고리즘의 에너지 낭비뿐만 아니라 Nothing at stake 문제를 해결하기 위해 만들어졌으며, 계산능력이 아닌 화폐 보유량에 따라 각 노드의 합의 결정권이 정해진다. DPoS는 분산 네트워크를 통해 소수의 권한을 가진 사용자들이 거래 합의를 유지하는 것으로, PoS는 모든 사용자에게 합의 권한을 가지는 것과 달리 DPos는 합의 권한을 소수의 대표자에게 제공 한다는 것이다. 즉 PoS가 직접 민주주의라면 DPoS는 간접민주주의이다. 본 내용은 블록체인 합의 알고리즘에 대한 연구를 통하여 관련 분야의 지속적인 발달에 기여하고자 한다.

• 스마트미디어저널
• /
• 제7권4호
• /
• pp.30-36
• /
• 2018

DataLake 프레임워크와 같은 단일 도메인 모델은 비즈니스 시스템의 규모 확장과 대량의 다양한 데이터들이 생성되는 빅데이터 환경, 그리고 데이터를 보다 스마트하게 처리하여 효율성 및 활용도를 높일 수 있는 방법으로 주목 받고 있다. 특히, 논리적인 단일 도메인 모델은 컴퓨팅 리소스의 유한함과 공유 경제에 의한 물리적으로 분할된 멀티 사이트의 데이터 처리를 위한 네트워크, 스토리지, 그리고 컴퓨팅 자원의 효율적 운영이 매우 중요하다. 기존의 Data Lake 프레임워크의 장점들을 기반으로 다양한 영역의 멀티 사이트들을 통합 및 데이터의 라이프 사이클을 관리하기 위한 DataLake 프레임워크의 Connected Data Architecture 개념과 기능들의 확장을 통한 다양한 응용 영역에 활용 가능한 CDA 기반 AI 서비스의 초안 설계 및 시나리오를 제안하고자 한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제7권11호
• /
• pp.269-274
• /
• 2018

MMORPG환경에서 이용자들은, 한정된 게임 월드보다 끊임없이 넓은 지형에서 플레이하기를 원하기 때문에 끊임없이 연속된 확장 가능한 공간을 제공해야 한다. 이때 사용자는 개개의 서버들로 구성된 게임 월드를 하나의 지역으로 인식하게 하고 분산 서버들이 구성한 게임 월드를 자유롭게 이동할 수 있어야 한다. 여러 대의 게임 서버를 분산 방식으로 구성하여 하나의 게임 월드를 제공하므로 개개 서버가 관리하는 영역을 벗어나 다른 서버의 관리지역으로 이동 시 이동에 따른 게임 캐릭터의 게임 관련 정보 등을 모두 전송해 주어야 한다. 서버 간의 정보 동기화를 위하여 복잡한 과정이 필요하고 이로 인한 응답 지연이 발생할 수 있다. 본 논문에서는 가상 환경을 구축하는 데 필요한 가상 환경 중 가상 환경 구축을 위한 마이그레이션 에이전트 서버를 제안한다. 마이그레이션 에이전트는 응답시간 단축을 위한 캐시 서버 역할을 수행하며, Player character수 70,000인 상황에서 응답시간을 50% 단축할 수 있었다.

• 전자통신동향분석
• /
• 제34권4호
• /
• pp.15-22
• /
• 2019

Recent technological advances in three-dimensional (3D) sensing devices and machine learning such as deep leaning has enabled data-driven 3D applications. Research on artificial intelligence has developed for the past few years and 3D deep learning has been introduced. This is the result of the availability of high-quality big data, increases in computing power, and development of new algorithms; before the introduction of 3D deep leaning, the main targets for deep learning were one-dimensional (1D) audio files and two-dimensional (2D) images. The research field of deep leaning has extended from discriminative models such as classification/segmentation/reconstruction models to generative models such as those including style transfer and generation of non-existing data. Unlike 2D learning, it is not easy to acquire 3D learning data. Although low-cost 3D data acquisition sensors have become increasingly popular owing to advances in 3D vision technology, the generation/acquisition of 3D data is still very difficult. Even if 3D data can be acquired, post-processing remains a significant problem. Moreover, it is not easy to directly apply existing network models such as convolution networks owing to the various ways in which 3D data is represented. In this paper, we summarize technological trends in AI-based 3D content generation.

• 기술혁신학회지
• /
• 제22권2호
• /
• pp.265-281
• /
• 2019

경제가 성장하고 인터넷이 발전되면서 사람들의 경제형태와 소비는 많이 바뀌었다. 중국 알리바바 그룹은 모바일, 온라인, 오프라인, 인공지능을 결합한 플랫폼으로 약 28조의 매출을 창출하고 있다. 이는 1초에 약 25만건을 처리하는 수준이며, 2016년 대비 40% 증가했다. 이를 가능하게 한 핵심 기술은 소위 Data Technology라고 불리는 빅데이터와 클라우드 컴퓨팅이 융합된 기술이다. 기술의 발전속도에 비해 Data Technology에 관한 정확한 개념적 정의는 부족하다. 이에 본 논문은 빅데이터 분석기법인 TexTom을 활용하여 구글과 네이버의 최근 3개년(2015년 11월~2018년 11월) 신문기사를 데이터 마이닝 및 정제하여 'Data Technology' 키워드로 한정하여 관련 핵심 키워드를 도출하였다. 그 결과 빅데이터, O2O, 인공지능, 사물인터넷, 클라우드 컴퓨팅의 핵심 키워드 기술이 Data Technology와 관계가 있음을 알수 있었다. 본 연구의 분석결과는 향후 Data Technology 시대가 도래되면 참고할 수 있는 유용한 정보로 활용될 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 춘계학술대회
• /
• pp.61-62
• /
• 2014

최근 클라우드 컴퓨팅의 도래로, IT 지원조직의 구조에 새로운 도전이 발생하게 되었다. 특히 플랫폼 클라우드 컴퓨팅에서 필요한 자원 할당 시에는 각 분야 전문가가 개입하지 않고, 서버, 네트워크, 스토리지등이 자동으로 분배되고, 관련 소프트웨어와 이들 구성 요소 상호간의 토폴로지가 자동으로 구성한다. 이에 따라 사설 플랫폼 클라우드 도입 시, 기존 IT 조직의 역할, 구성원 간 협력 방식의 변화, 이에 따른 조직 내 갈등 등에 대한 연구가 필요하나, 아직까지 이에 대한 연구가 없다. 이에 본 논문은 현재의 IT조직이 플랫폼 클라우드 지원조직으로 변신하는데 있어서 부(negative)의 영향을 주는 장애요인의 규명에 대한 연구를 하고자 한다. 이 결과를 통해, 현재의 IT조직의 특성과 플랫폼 클라우드 운영을 위한 조직의 요구사항을 반영하여, 새로운 조직의 형태와 스킬 셋을 정의함으로써, IT조직의 원활한 변신을 돕고자 한다.