• 한국인터넷방송통신학회논문지
• /
• 제23권3호
• /
• pp.99-106
• /
• 2023

본 논문에서 P2P 네트워킹과 클라우드 컴퓨팅이 통합된 MMORPG를 위한 소영역 기반의 관심 구역 관리 기법이 제시된다. 혼잡한 영역은 여러 소영역으로 분할되며 각각의 소영역을 관리하기 위한 플레이어가 조정자로 설정된다. 제시된 기법은 이런 플레이어의 통신과 컴퓨팅 오버헤드가 적정 범위 내에서 조절되는 부하 균형 메카니즘을 포함하고 있다. 또한 각 플레이어의 뷰가 게임 세계에서 이동될 때 뷰와 겹치는 여러 소영역들이 신속하고 연속적으로 전환될 수 있는 요건을 만족시키기 위한 메카니즘도 제공하고 있다. 자원이 효율적으로 공급되는 제시된 기법은 플레이어들의 처리 능력을 효과적으로 활용함으로써 클라우드에 있는 서버의 부하 즉 컴퓨팅 능력과 통신량을 감소시킨다. 시뮬레이션 결과 클라우드와 P2P 구조에 기반한 MMORPG는 혼잡 지역 또는 핫스팟에서 플레이어들의 수에 따라 이용가능한 자원도 같이 증가됨에 따라 클라이언트 서버 구조에 비하여 서버의 통신 대역폭을 상당부분 감소시킬 수 있는 것으로 나타났다.

• 인터넷정보학회논문지
• /
• 제24권6호
• /
• pp.99-105
• /
• 2023

4차 산업혁명 시대의 흐름에 발맞춰 형사사법 분야에서는 효율적인 법률서비스 제공을 위해 인공지능을 활용한 리걸테크(Legaltech)에 주목하고 있다. 본 논문은 국내 형사사법 분야의 리걸테크 활용 가능성을 증대시키기 위해 순환신경망(RNN)을 적용할 수 있는 범죄 예측 모델을 제시한다. 이를 위하여 판결문상 기술된 범죄사실에 기반하여 스크립트 분석기법 활용을 통해 범행 과정을 전·중·후 단계로 구분하였다. 또한, 각 시점에 따라 범죄의 수법과 증거 등을 수사 8하원칙이 가지는 문장 구성 요소와 한국어 품사 구성에 기반하여 객체·행위·환경으로 분류하였다. 이 연구에서 도출된 사건 요약 분석 틀은 특정 범죄 수법의 전형적인 패턴을 파악하기에 용이하며 상황적 범죄예방 전략을 수립하는데 기여할 수 있다. 나아가 이 연구의 결과는 향후 후속연구에서의 RNN모델 기반 범죄 상황 예측 데이터 생성 연구에 유용한 참고자료로 활용될 수 있을 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.1-7
• /
• 2023

딥러닝의 발전은 의료 분야에서도 다양한 응용을 가능하게 하고 있으며 이러한 애플리케이션 중에 심박수 측정은 개인의 건강을 관리하기 위한 필수적인 아이템이라 할 수 있다. 광혈류 측정을 이용한 기존 방법의 경우 스마트워치 같은 장비의 착용이 필수적이다. 그러나 최근 딥러닝 기술의 발전은 비침습식으로 원격에서 사용자의 얼굴 이미지를 분석하여 심박수를 높은 성능으로 측정가능하게 한다. 본 연구에서는 모바일 환경에서 사용 가능한 경량화된 심박수 추정 방법론을 제안한다. 이 방법론은 2D 컨볼루션에 기반한 특화된 2채널 네트워크 구조를 사용하여, 혈류와 근육 수축으로 인한 얼굴의 미세한 움직임과 색상 변화를 고려한다. 제안하는 네트워크 구조는 이미지 특성을 분석하는 인코더와 혈류량 파동을 예측하는 회귀 레이어로 구성되어있다. 이러한 복합적인 특성을 동시에 분석함으로써, 제한된 컴퓨팅 리소스를 가진 환경에서도 심박수를 정확하게 추정할 수 있다. 이 연구의 접근 방식은 침습적인 기술 없이도 심박수를 효과적으로 모니터링 할 수 있는 새로운 경로를 제공할 것으로 예상한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3383-3397
• /
• 2023

Scene graphs serve as semantic abstractions of images and play a crucial role in enhancing visual comprehension and reasoning. However, the performance of Scene Graph Generation is often compromised when working with biased data in real-world situations. While many existing systems focus on a single stage of learning for both feature extraction and classification, some employ Class-Balancing strategies, such as Re-weighting, Data Resampling, and Transfer Learning from head to tail. In this paper, we propose a novel approach that decouples the feature extraction and classification phases of the scene graph generation process. For feature extraction, we leverage a transformer-based architecture and design an adaptive calibration function specifically for predicate classification. This function enables us to dynamically adjust the classification scores for each predicate category. Additionally, we introduce a Distribution Alignment technique that effectively balances the class distribution after the feature extraction phase reaches a stable state, thereby facilitating the retraining of the classification head. Importantly, our Distribution Alignment strategy is model-independent and does not require additional supervision, making it applicable to a wide range of SGG models. Using the scene graph diagnostic toolkit on Visual Genome and several popular models, we achieved significant improvements over the previous state-of-the-art methods with our model. Compared to the TDE model, our model improved mR@100 by 70.5% for PredCls, by 84.0% for SGCls, and by 97.6% for SGDet tasks.

• 인터넷정보학회논문지
• /
• 제25권2호
• /
• pp.49-55
• /
• 2024

본 논문은 물고기 양식 전문가의 먹이 배급을 모방하는 신경망 모델인 PredFeed Net을 제안한다. PredFeed Net은 기존의 먹이 배급 자동화 시스템과 달리, 전문가의 먹이 배급 패턴을 학습하는 방식으로 먹이 배급량을 예측한다. 이는 실제 수조에서 환경에 따른 먹이 배급 변수를 바꾸며 실험할 필요 없이, 기존의 환경 데이터와 먹이 배급 전문가의 먹이 배급 기록만으로 학습이 가능하다는 이점이 있다. 학습이 완료된 PredFeed Net은 현재 환경이나 어류의 상태를 통해 다음 먹이 배급량을 예측한다. 먹이 배급량 예측은 먹이 배급 자동화에 필요한 요소이며, 먹이 배급 자동화는 스마트 양식업이나 아쿠아포닉스 시스템 같은 최신 양식어업에 발전에 기여한다.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.471-476
• /
• 2024

다양한 스마트 기기 및 컴퓨팅 디바이스의 보급에 따라 빅데이터 생성이 광범위하게 일어나고 있다. 기계학습은 데이터의 패턴을 학습하여 추론을 수행하는 알고리즘이다. 다양한 기계학습 알고리즘 중에서 주목을 받는 알고리즘은 신경망 기반의 딥러닝 학습이다. 딥러닝은 다양한 응용이 발표되면서 빠른 성능 향상을 달성하고 있다. 최근 딥러닝 알고리즘 중에서 그래프 구조를 활용하여 데이터를 분석하려는 시도가 증가하고 있다. 본 연구에서는 그래프 구조를 활용하여 딥러닝 네트워크에 전달하기 위한 그래프 생성 방법을 제시한다. 본 논문은 그래프 생성 과정에서 노드의 속성과 간선의 가중치를 일반화하고 행렬화 과정을 제시하여 딥러닝 입력에 필요한 구조로 전환하는 방법을 제시한다. 그래프 생성 과정에서 속성과 가중치 정보를 보전할 수 있는 선형변환 매트릭스 적용 방법을 제시한다. 마지막으로 일반 그래프의 딥러닝 입력 구조를 제시하고 성능 분석을 위한 접근법을 제시한다.

• Advances in nano research
• /
• 제16권3호
• /
• pp.231-249
• /
• 2024

When the amplitude of the vibrations is equivalent to that clearance, the vibrations for small amplitudes will really be significantly nonlinear. Nonlinearities will not be significant for amplitudes that are rather modest. Finally, nonlinearities will become crucial once again for big amplitudes. Therefore, the concrete panel system may experience a big amplitude in this work as a result of the high temperature. Based on the 3D modeling of the shell theory, the current work shows the influences of the von Kármán strain-displacement kinematic nonlinearity on the constitutive laws of the structure. The system's governing Equations in the nonlinear form are solved using Kronecker and Hadamard products, the discretization of Equations on the space domain, and Duffing-type Equations. Thermo-elasticity Equations. are used to represent the system's temperature. The harmonic solution technique for the displacement domain and the multiple-scale approach for the time domain are both covered in the section on solution procedures for solving nonlinear Equations. An effective data-driven solution is often utilized to predict how different systems would behave. The number of hidden layers and the learning rate are two hyperparameters for the network that are often chosen manually when required. Additionally, the data-driven method is offered for addressing the nonlinear vibration issue in order to reduce the computing cost of the current study. The conclusions of the present study may be validated by contrasting them with those of data-driven solutions and other published articles. The findings show that certain physical and geometrical characteristics have a significant effect on the existing concrete panel structure's susceptibility to temperature change and GPL weight fraction. For building construction industries, several useful recommendations for improving the thermo-mechanics' behavior of structural concrete panels are presented.

• 대한임베디드공학회논문지
• /
• 제19권3호
• /
• pp.151-158
• /
• 2024

Although on-device artificial intelligence (AI) has gained attention to diagnosing machine faults in real time, most previous studies did not consider the model retraining and redeployment processes that must be performed in real-world industrial environments. Our study addresses this challenge by proposing an on-device AI-based real-time machine fault diagnosis system that utilizes continual learning. Our proposed system includes a lightweight convolutional neural network (CNN) model, a continual learning algorithm, and a real-time monitoring service. First, we developed a lightweight 1D CNN model to reduce the cost of model deployment and enable real-time inference on the target edge device with limited computing resources. We then compared the performance of five continual learning algorithms with three public bearing fault datasets and selected the most effective algorithm for our system. Finally, we implemented a real-time monitoring service using an open-source data visualization framework. In the performance comparison results between continual learning algorithms, we found that the replay-based algorithms outperformed the regularization-based algorithms, and the experience replay (ER) algorithm had the best diagnostic accuracy. We further tuned the number and length of data samples used for a memory buffer of the ER algorithm to maximize its performance. We confirmed that the performance of the ER algorithm becomes higher when a longer data length is used. Consequently, the proposed system showed an accuracy of 98.7%, while only 16.5% of the previous data was stored in memory buffer. Our lightweight CNN model was also able to diagnose a fault type of one data sample within 3.76 ms on the Raspberry Pi 4B device.

• 대한전자공학회논문지SP
• /
• 제46권3호
• /
• pp.75-88
• /
• 2009

본 논문에서는 실시간 멀티미디어 스트림 서비스에서 발생하는 비디오 품질 저하 요인에 따른 비디오 품질 측정 방법을 제안한다. 비디오 품질 저하에는 대표적으로 비디오 압축과 네트워크의 상태에 의해 발생한다. 본 논문에서는 비디오 압축에 의하여 생기는 화질 저하를 측정하기 위하여 공간 도메인에서 블록킹 왜곡에 대한 정도를 측정하는 방법을 제안한다. 제안하는 블록 경계 강도는 $8{\times}8$ 블록 경계에서 픽셀간의 변화와 경계를 제외한 주변영역에서 픽셀 사이의 변화에 대한 비율로 나타내었다. 반면, 움직임이 부자연스러운 동영상은 지터 및 지연 요소와 같은 네트워크 전송능력의 악화로 인해 비디오 품질 저하가 나타난다. 본 논문에서 제안하는 시간적 저키니스는 연속된 프레임의 대응되는 픽셀간의 밝기 값 차이에 대한 평균과 현재 프레임과 이전 프레임의 재생시간 간격의 평균 및 분산을 이용하는 방법을 제안하였다. 또한, 본 논문에서는 비디오 압축에 의한 품질 측정 방법인 블록 경계 강도와 네트워크에 의한 품질 측정 방법인 시간적 저키니스를 통합하여 비디오의 종합적 품질을 평가하는 Perceptual Video Quality Metric (PVQM)을 제안한다. 제안한 알고리즘의 성능을 평가하기 위하여, 사람이 직접 비디오 품질을 평가하는 Difference of Mean Opinion Score (DMOS)와 제안한 알고리즘을 비교 평가하였다. 그 결과 제안한 PVQM의 결과와 인간 시각에 의하여 평가된 DMOS가 근사함을 확인하였다.

• 한국정보과학회논문지:정보통신
• /
• 제35권5호
• /
• pp.453-463
• /
• 2008

미아문제는 아이를 가진 모든 부모들이 고민해야 되는 사회적 문제가 되고 있다. 이러한 문제는 아이에 국한되지 않고 치매노인, 정신장애자 등 노약자의 경우에 있어서도 보호자가 없을 시에 동일한 문제를 안고 있다. 이러한 사회적 공공부문의 문제들은 시급히 개선해야 할 필요가 있으며, 세계적으로도 미아방지 문제는 관심이 높아지고 있는 분야로서 많은 연구가 진행되고 있다. 본 연구는 USN 기반 RFID와 통신망(유선망, 이동통신망, 유/무선 인터넷, 휴대인터넷 등) 기술을 융합하여 보호대상 이동체의 위치를 실시간으로 정확하게 확인할 수 있는 이동체 위치확인 서비스 시스템 및 그 방법에 대한 연구이다. 미아 관련 범죄를 예방하기 위해서는 보호 대상체(어린이, 노인, 정신장애자, 애완동물, 상품, 미술품, 그 외 보호 대상자 및 대상물품)의 정확한 위치 추적을 통한 실시간 모니터링이 필요하다. 본 논문에서 제안하는 미아방지 서비스 시스템은 정확한 위치 추적 기술을 통해 그 실효성을 높일 수 있는 방법을 제시하였다. 구체적으로 RFID 시스템 적용방안, 시설물 선정 및 설치방법, 위치추적 방법, 서비스 솔루션 수행과정을 중심으로 기술하였다. 제안하는 방법은 테스트베드를 통한 실험을 통해 활용가능성을 검증하였다.