• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제10권6호
• /
• pp.435-447
• /
• 2004

VOD 시스템에서는 한정된 자원을 이용하여 많은 사용자에게 안정적인 QoS(Quality of Service)를 제공하는 것이 중요하다. 실제 구현 환경에서 QoS의 문제점들을 분석하기 위하여 본 연구에서는 소스 공개 플랫폼인 리눅스를 기반으로 하는 클러스터형 VOD 서버와 내장형 클라이언트 시스템을 구현하였다 서버에서는 MPEG 미디어 데이타의 병렬 처리와 부하 균등, VCR 기능을 구현하였다. VOD 사용자에게 보다 친밀한 인터페이스를 제공하기 위하여 일반 TV를 단말로 사용하였고 VCR 기능들을 제공하기 위하여 내장형 보드를 사용하였다. 본 논문에서는 사용자들의 다양한 요구사항에서의 성능 측정을 바탕으로 VOD 시스템의 성능 한계 일인들을 평가한다. 또한, 분석된 자료를 근거로 VOD 시스템에서의 가용 메모리와 가용 네트워크 대역폭을 기준으로 하는 동적 진입 제어의 방법을 제안한다. 제안된 방법은 시스템 자인의 효율성을 증가시켜 더욱 많은 사용자들에게 QoS가 보장되는 미디어 스트림을 제공한다.

• 한국정보기술학회논문지
• /
• 제15권12호
• /
• pp.173-180
• /
• 2017

본 논문에서는 공학계열 학생들의 임베디드 시스템 수업 사례로 아두이노를 활용한 프로젝트 기반의 학습을 제안한다. 이러한 프로젝트 기반 학습을 공학교육에 도입함으로써 학생들은 전공 교과과정을 통해 학습했던 개별적인 이론들을 실제로 구현해 볼 수 있는 계기가 되었으며 프로젝트 개발의 전 과정에 참여함으로써 현장 실무능력을 쌓을 수 있는 경험을 하게 되었다. 수업 전후 프로젝트 기반 학습의 교육적 효과를 알아보기 위해 설문조사를 실시하였으며 그 결과를 SPSS 통계 프로그램을 이용하여 분석하였다. 프로젝트 기반 학습은 팀 체제로 운영이 되기 때문에 구성원들 간의 상호작용을 통하여 조직 내에서의 커뮤니케이션 능력과 팀워크를 키울 수 있는 바탕이 되었고 프로젝트의 수행과정에서 만들어진 모든 자료들은 학생들의 포트폴리오 제작에 사용될 수 있어 졸업 후 취업활동을 위한 자료에 큰 도움이 될 수 있었다.

• 정보보호학회논문지
• /
• 제32권3호
• /
• pp.547-554
• /
• 2022

원격진료 분야는 코로나19 팬데믹으로 인해 빠르게 성장하고 있다. 하지만, 클라우드 컴퓨팅, 화상 회의, 사이버보안 등의 요소를 원격 진료 시스템을 만들 때 고려해야 하기 때문에 원격 의료 서비스의 비용은 비교적 높은 편이다. 따라서 본 논문에서는 P2P 방식의 원격 진료 서비스가 가능한 원격 진료 시스템을 제안한다. 서버-클라이언트구조를 통해 중앙 서버에서 감시되고 기록됨으로써 발생하는 개인정보유출과 DDoS 공격과 같은 보안 문제로부터 자유롭게 하고, SSL 프로토콜을 이용해 정확한 신원 확인을 가능하게 함으로써 신뢰성 있는 연결 체계를 구축하여 환자들이 안심하고 자신의 개인정보를 말할 수 있는 환경을 만든다. 열화상 카메라를 장착하여 실시간으로 체온을 비롯한 상대방의 상태를 실시간으로 확인할 수 있도록 하여 각종 시각 자료가 요구되는 원격 의료 시스템을 라즈베리파이 기반으로 구현함으로써 비용효율성과 휴대성을 갖추고 있다. 이를 통해 원격진료 시스템을 보급화하고 나날이 늘어가는 원격진료의 수요를 충족시킬 수 있을 것이다.

• 한국측량학회지
• /
• 제39권6호
• /
• pp.381-392
• /
• 2021

본 연구에서는 UAV (Unmanned Aerial Vehicle)로 촬영한 이미지를 활용하여 수치지도 지형지물 표준 코드에서 정의하고 있는 건물 8종에 대하여 딥러닝 기반의 객체 탐지 분석을 수행하였다. UAV로 촬영한 이미지 509매에 대하여 이미지 라벨링을 하였고 YOLO (You Only Look Once) v5 모델을 적용하여 학습 및 추론을 진행하였다. 실험 및 분석은 오픈소스 기반의 분석 플랫폼과 알고리즘을 적용하여 데이터를 분석하였으며 분석결과 88%~98%의 예측 확률로 건물 객체를 탐지하였다. 또한 학습데이터의 구축 및 반복 학습의 과정에서 건물 객체 탐지의 높은 정확도를 위해 필요한 학습 방식 및 모델 구축방식을 분석하였고, 학습한 모델을 다른 영상자료에 적용하는 방안을 모색하였다. 본 연구를 통해 고효율 심층 신경망과 공간정보데이터가 융합하는 모델을 제안하며 공간정보데이터와 딥러닝 기술의 융합은 향후 공간정보데이터 구축의 효율성, 분석 및 예측의 정확도 향상에 많은 도움을 제공할 것이다.

• 한국전기전자재료학회논문지
• /
• 제35권5호
• /
• pp.459-465
• /
• 2022

This paper reports a method to use a wireless sensor network deployed in the field to real-time monitor soil moisture, warning when the moisture level reaches a specific value, and wirelessly controlling an additional device (LED or water supply system, etc.). In addition, we report all processes related to wireless irrigation system, including field deployment of sensors, real-time monitoring using a smartphone, data calibration, and control of additional devices deployed in the field by smartphone. A commercially available open-source Internet of Things (IoT) platform, NodeMCU, was used, which was combined with a 9V battery, LED and soil humidity sensor to be integrated into a portable prototype. The IoT-based soil humidity sensor prototype deployed in the field was installed next to a tree for on-site demonstration for the measurement of soil humidity in real-time for about 30 hours, and the measured data was successfully transmitted to a smartphone via Wifi. The measurement data were automatically transmitted via e-mail in the form of a text file, stored on the web, followed by analyses and calibrations. The user can check the humidity of the soil real-time through a personal smartphone. When the humidity of a soil reached a specific value, an additional device, an LED device, placed in the field was successfully controlled through the smartphone. This LED can be easily replaced by other electronic devices such as water supplies, which can also be controlled by smartphones. These results show that farmers can not only monitor the condition of the field real-time through a sensor monitoring system manufactured simply at a low cost but also control additional devices such as irrigation facilities from a distance, thereby reducing unnecessary energy consumption and helping improve agricultural productivity.

• 한국해양공학회지
• /
• 제36권5호
• /
• pp.313-325
• /
• 2022

Recently around the world, coastal erosion is paying attention as a social issue. Various constructions using low-crested and submerged structures are being performed to deal with the problems. In addition, a prediction study was researched using machine learning techniques to determine the wave attenuation characteristics of low crested structure to develop prediction matrix for wave attenuation coefficient prediction matrix consisting of weights and biases for ease access of engineers. In this study, a deep neural network model was constructed to predict the wave height transmission rate of low crested structures using Tensor flow, an open source platform. The neural network model shows a reliable prediction performance and is expected to be applied to a wide range of practical application in the field of coastal engineering. As a result of predicting the wave height transmission coefficient of the low crested structure depends on various input variable combinations, the combination of 5 condition showed relatively high accuracy with a small number of input variables defined as 0.961. In terms of the time cost of the model, it is considered that the method using the combination 5 conditions can be a good alternative. As a result of predicting the wave transmission rate of the trained deep neural network model, MSE was 1.3×10^-3, I was 0.995, SI was 0.078, and I was 0.979, which have very good prediction accuracy. It is judged that the proposed model can be used as a design tool by engineers and scientists to predict the wave transmission coefficient behind the low crested structure.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권2호
• /
• pp.542-558
• /
• 2023

A digital focus index (DFI) is a value used to determine image focus in scientific apparatus and smart devices. Automatic focus (AF) is an iterative and time-consuming procedure; however, its processing time can be reduced using a general processing unit (GPU) and a multi-core processor (MCP). In this study, parallel architectures of a minimax search algorithm (MSA) are applied to two DFIs: range algorithm (RA) and image contrast (CT). The DFIs are based on a histogram; however, the parallel computation of the histogram is conventionally inefficient because of the bank conflict in shared memory. The parallel architectures of RA and CT are constructed using parallel reduction for MSA, which is performed through parallel relative rating of the image pixel pairs and halved the rating in every step. The array size is then decreased to one, and the minimax is determined at the final reduction. Kernels for the architectures are constructed using open source software to make it relatively platform independent. The kernels are tested in a hexa-core PC and an embedded device using Lenna images of various sizes based on the resolutions of industrial cameras. The performance of the kernels for the DFIs was investigated in terms of processing speed and computational acceleration; the maximum acceleration was 32.6× in the best case and the MCP exhibited a higher performance.

• 전기전자학회논문지
• /
• 제26권1호
• /
• pp.62-66
• /
• 2022

최근 데이터 기반의 딥러닝 기술을 적용하여 비면허 대역의 다양한 통신 신호를 분류하는 연구가 활발히 수행되고 있다. 하지만, 복잡한 신경망 모델 사용을 기반으로 이뤄진 이러한 접근법은 높은 연산 능력을 필요로 하게 되어, 자원 제약적인 무선 인터페이스 및 사물인터넷(Internet of Things) 장비에서는 사용이 제약된다. 본 연구에서는 비면허 대역의 무선 이기종 기술을 인지하기 위한 데이터 기반의 접근 방법을 살펴보고, 신호의 특징 추출 및 데이터화의 효율화 문제를 다룬다. 구체적으로, 비면허 대역의 다른 종류의 무선 통신 기술을 구분하기 위해 수신 신호 강도 측정을 기반으로 한 시계열 데이터를 이용해 합성곱 신경망(Convolutional Neural Network, CNN) 모델을 학습시켜 신호를 분류하는 방법을 살펴본다. 이 과정에서 동일한 구조의 신경망 모델의 경량화를 위한 효율적 신호의 시계열 데이터 정보 수집시 주파수 대역의 특징을 함께 특징화하는 방법을 제안하고, 그 효과를 평가한다. Bluetooth 호환의 Ubertooth 장비를 이용한 실측 기반의 실험 결과는 제안된 샘플링 기법이 동일한 신경망에 대해서 10% 수준의 샘플링 데이터 이용만으로도 동일한 정확도를 유지함을 보여준다.

• 실천공학교육논문지
• /
• 제15권1호
• /
• pp.31-38
• /
• 2023

본 논문에서는 비전공자들을 위한 기초 머신러닝 모델 학습 및 활용교육 커리큘럼을 제안하고, Orange 머신러닝 모델 학습 및 분석 도구를 활용한 교육 방법을 제안하였다. Orange는 오픈 소스기반 머신러닝 및 데이터 시각화 도구로서, 복잡한 프로그래밍 없이 시각적인 위젯을 사용하여, 데이터를 학습시켜 머신러닝 모델을 만들 수 있다. Orange는 비전공자 학부생부터 전문가 그룹까지 다양하게 사용되는 플랫폼이다. 본 논문에서는 한 학기 분량의 기초 머신러닝 모델 학습 및 활용교육 커리큘럼과 주별 실습 내용을 제시하였다. 그리고, 머신러닝 모델 학습 및 활용에 대한 교육 내용 실체를 실증하기 위해, Orange 도구를 활용하여, 분류 데이터(Categorical Data) 표본과 수치 데이터(Numerical Data) 표본으로부터 머신러닝 모델을 학습시키고, 모델을 활용하여 모집단의 결과를 예측하는 활용 사례들을 제안하였다. 마지막으로 본 커리큘럼에 대한 교육 만족도를 비전공자 대상으로 조사 및 분석하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제7권3호
• /
• pp.240-247
• /
• 2001

자바는 플랫폼 독립성, 높은 보안성, 멀티쓰레드 지원 등의 다양한 장점을 가지고 있어서 내장형 시스템을 위한 실행 환경으로 기대를 모으고 있다. 널리 쓰이고 있는 자바 수행 환경 중 하나인 Sun사의 퍼스널자바 ($PersonalJave^{TM}$)는 다양한 GUI를 쉽게 생성할 수 있도록 Truffle이라는 AWT 구조를 제공하고 있어서 셋톱박스나 PDA 등의 다양한 내장형 시스템에 활발히 이식되고 있다. 기본적으로 Truffle은 기존의 마이크로소프트 Win32 API나 X 윈도우 API를 기반으로 하고 있다. 그러나, 이러한 윈도우 관리기들은 많은 양의 디스크나 메모리 공간을 요구하므로 시스템 자원이 한정된 내장형 시스템에는 적합하지 않다. 본 연구에서는 내장형 시스템의 요구조건을 만족시킬 수 있도록 내장형 리눅스 상에서 경량 윈도우 관리기인 마이크로윈도우즈(Microwindows)를 플랫폼 그래픽 시스템으로 채택하고 퍼스널자바 AWT API를 구현하였다. 마이크로윈도우즈(Microwindows)는 경량이면서도 기존의 윈도우 관리기들과 유사한 기능을 제공하며, 별도의 그래픽 시스템 지원을 필요로 하지 않아서 다양한 플랫폼 상에 쉽게 이식될 수 있다. 또한, 소스 코드가 공개되어 있어서 응용에 따라 수정 및 확장이 용이하다. 본 연구에서는 내장형 리눅스 상에서 동작하는 마이크로윈도우즈를 이용하여 퍼스널자바 AWT를 구현하였으며 다양한 응용프로그램을 이용하여 그 효용성을 입증하였다.