• 한국정보통신학회논문지
• /
• 제26권10호
• /
• pp.1551-1558
• /
• 2022

본 논문에서는 FEC (Fog/Edge Computing) 환경에서 다중 분기구조의 부분 오프로딩을 위해 모바일 장치와 에지서버로 구성된 2계층 협력 컴퓨팅 시스템을 제안한다. 제안 시스템은 다중 분기구조에 대한 재구성 선형화 기법을 적용하여 응용 서비스 처리를 분할하는 알고리즘과 모바일 장치와 에지 서버 간의 부분 오프로딩을 통한 최적의 협업 알고리즘을 포함한다. 또한 계산 오프로딩 및 CNN 계층 스케줄링을 지연시간 최소화 문제로 공식화하고 시뮬레이션을 통해 제안 시스템의 효과를 분석한다. 실험 결과 제안 알고리즘은 DAG 및 체인 토폴로지 모두에 적합하고 다양한 네트워크 조건에 잘 적응할 수 있으며, 로컬이나 에지 전용 실행과 비교하여 효율적인 작업 처리 전략 및 처리시간을 제공한다. 또한 제안 시스템은 모바일 장치에서의 응용 서비스 최적 실행을 위한 모델의 경량화 및 에지 리소스 워크로드의 효율적 분배 관련 연구에 적용 가능하다.

• 디지털콘텐츠학회 논문지
• /
• 제19권6호
• /
• pp.1161-1167
• /
• 2018

기계 학습의 발전은 인간만이 할 수 있었던 섬세한 작업들을 기계가 할 수 있도록 이끌었고, 이에 따라 많은 기업체들은 기계 학습 기반의 번역기를 출시하였다. 현재 상용화된 번역기들은 우수한 성능을 보이지만 숫자 번역에서 문제가 발생하는 것을 발견했다. 번역기들은번역할문장에 큰숫자가 있을경우종종숫자를잘못번역하며, 같은문장에서숫자만바꿔번역할 때문장의구조를 완전히바꾸어 번역하기도 한다. 이러한 문제점은오번역의 가능성을 높이기 때문에해결해야 될 사안으로여겨진다. 본 논문에서는 Bidirectional RNN (Recurrent Neural Network), LSTM (Long Short Term Memory networks), Attention mechanism을 적용한 Neural Machine Translation 모델을 사용하여 데이터 클렌징, 사전 크기 변경을 통한 모델 최적화를 진행 하였고, 최적화된 모델에 숫자 기호화 알고리즘을 적용하여 상기 문제점을 해결하는 번역 시스템을 구현하였다. 본논문은 데이터 클렌징 방법과 사전 크기 변경, 그리고 숫자 기호화 알고리즘에 대해 서술하였으며, BLEU score (Bilingual Evaluation Understudy score) 를 이용하여 각 모델의 성능을 비교하였다.

• 응용통계연구
• /
• 제23권6호
• /
• pp.1179-1190
• /
• 2010

교통 혼잡을 해결하기 위해, 도로 교통망의 흐름을 정확히 파악하고 이를 효율적으로 관리하는 것은 가장 중요하면서도 효율적인 방안이다. 일반적으로 교통 흐름에 대한 연구로 대기행렬 모형이 이용된다. 특히, 속도, 통행량, 교통밀도에 대한 S-F-D(Speed-Flow-Density) 다이어그램은 도로의 현황을 파악하는데 매우 유용한 도구이다. 그러나 우리나라의 경우, 이러한 교통 속성들 간에 구조적인 변화를 볼 수 있었다. 이에 따라 본 연구에서는 대기 행렬 모형내에 구조변화를 포함함으로써 정체 시 도로 상황이 구조적으로 변화하는 현상을 모형에 반영하여, 국내 고속도로의 현황을 보다 잘 파악할 수 있는 새로운 S-F-D 다이어그램을 제안한다. 각 구간에 대한 최적의 대기행렬 모형을 찾기 위해 뉴튼-랩슨 방법으로 최적화 모수를 추정하고, 이를 바탕으로 최적속도와 밀도를 산출하여 요일별 시간별 도로의 이용현황 및 효율성을 파악하고자 한다.

• 대한교통학회지
• /
• 제23권7호
• /
• pp.149-158
• /
• 2005

기존의 최적경로 알고리즘은 통행거리 통행시간, 통행량 등의 통행값을 통하여 최적경로를 제공하였다. 하지만 이렇게 제시된 최적경로는 사용자의 도로에 대한 인지도를 고려하지 않음으로써 자신이 인지하거나 다수의 사용자가 선호하는 경로를 고려하지 못하는 단점이 있었다. 따라서 본 연구에서는 통행거리와 통행시간을 고려하면서 사용자의 인지도를 고려한 최적경로를 개발하는 것이 본 연구의 목적이다. 기존의 통행시간 예측방법에는 ARIMA모형, Kalman Filter모형, 확률과정모형, 신경망모형, 회귀모형 등 여러 가지 방법이 있으나 본 연구에서는 단기 통행시간 예측에 적합한 Kalman Filter 모형을 적용하였다. 인지도를 고려한 최적 경로를 제공하기 위한 기존의 방법은 회전에 대한 가중치를 부여하여 최적경로 탐색시 최소한의 회전을 유도하고 있다. 하지만 회전에 대한 가중치를 주는 방법은 경험적인 방법으로서 만약 신설된 길에 대한 경로 제공, 또는 개량된 길에 대한 경로를 제공할 때 문제점이 나타난다. 본 연구에서는 이 같은 문제점을 해결하고자 공간구조의 속성을 정량적으로 분석하고 평가하는 기법인 Space Syntax 이론을 적용하였다. 운전자들을 대상으로 실시한 설문조사 결과 본 연구에 의한 알고리즘이 기존의 최적 경로보다 더 선호하는 것으로 나타났다.

• Nuclear Engineering and Technology
• /
• 제42권2호
• /
• pp.219-230
• /
• 2010

In nuclear power plants (NPPs), periodic sensor calibrations are required to assure that sensors are operating correctly. By checking the sensor's operating status at every fuel outage, faulty sensors may remain undetected for periods of up to 24 months. Moreover, typically, only a few faulty sensors are found to be calibrated. For the safe operation of NPP and the reduction of unnecessary calibration, on-line instrument calibration monitoring is needed. In this study, principal component-based auto-associative support vector regression (PCSVR) using response surface methodology (RSM) is proposed for the sensor signal validation of NPPs. This paper describes the design of a PCSVR-based sensor validation system for a power generation system. RSM is employed to determine the optimal values of SVR hyperparameters and is compared to the genetic algorithm (GA). The proposed PCSVR model is confirmed with the actual plant data of Kori Nuclear Power Plant Unit 3 and is compared with the Auto-Associative support vector regression (AASVR) and the auto-associative neural network (AANN) model. The auto-sensitivity of AASVR is improved by around six times by using a PCA, resulting in good detection of sensor drift. Compared to AANN, accuracy and cross-sensitivity are better while the auto-sensitivity is almost the same. Meanwhile, the proposed RSM for the optimization of the PCSVR algorithm performs even better in terms of accuracy, auto-sensitivity, and averaged maximum error, except in averaged RMS error, and this method is much more time efficient compared to the conventional GA method.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1996년도 제30회 학술발표회
• /
• pp.81-108
• /
• 1996

첨단교통정보시스템(ATIS)의 핵심 요소라 할 수 있는 동적경로안내 시스템(Dynamic Route Guidance System : DRGS)은 운전자가 목적지에 도착하기까지 실시간 교통정보를 토대로 최적경로를 안내해 줌으로써 날로 심화되어 가고 있는 교통혼잡을 최소화할 수 있으리라 기대를 모으고 있다. 특히 교통사고나 긴급도로공사 등으로 인해 발생하는 돌발적 교통혼잡하에서는 DRGS의 역할이 더욱 커질 것으로 예상되고 있다. 본 논문은 돌발적 교통혼잡하에서 보다 효과적인 DRGS의 경로 안내 알고리즘을 개발하는 데 그 목적이 있다. 이를 위해서 우선 하부구조기반(Infrastructure Based) DRGS와 개인차량기반(In-vehicle Based)DRGS의 장단점을 운전자, 교통행정당국, 그리고 교통체계관점에서 비교하였고, 시스템 아키텍쳐와 경로안내 알고리즘간의 상호관계를 규명하였다. 또한 효율적인 경로안내를 위해 사용자 평형(User Equilibrium)경로안내전략과 시스템최적화(System Optimal) 경로안내전략을 이상형 교통망(Idealistic Network)을 통해 비교분석하였다. 여기에는 현재 ITS-America에서 System Architecture 평가를 위해 사용한 INTEGRATION이라는 ITS Simulation Model과 그 통행저항함수를 사용하였다. 이를 토대로 돌발적 교통혼잡상황 아래서 사용자평형 경로안내를 제공할 경우 야기될 수 있는 Braess` Paradox 문제와, 총통행시간을 최소화하기 위한 시스템최적 경로안내를 제공할 경우 일어날 수 있는 사용자 호응도(User Compliance)문제를 동시에 고려한 적응형 동적경로안내 알고리즘을 개발하였다. 여기에는 돌발적 교통혼잡하에서 통행시간을 동적으로 예측하기 위해 이산형 확정적 대기행렬모형(Discrete Deterministic Queueing Model)이 사용되었다. 한편 알고리즘의 효율성을 평가하기 위해 이상형 교통망과, 실제 미국 Virginia 주의 Fairfax County에 소재한 주간 고속도로 66번(I-66)과 인접 교통망의 교통자료를 사용하여 각종 돌발교통 혼잡 상황을 전제로 한 Traffic Simulation과 정보제공시나\리오를 INTEGRATION Model을 이용해 실행하였다. 그 결과 적응형 알고리즘이 개개인의 최단시간 경로를 제공하는 사용자 평형 경로안내전략에 비해 교통혼잡도와 정체시간의 체류정도에 따라 3%에서 10%까지 전체통행시간을 절약할 수 있다는 결론을 얻었다.

• International Journal of Control, Automation, and Systems
• /
• 제2권4호
• /
• pp.423-434
• /
• 2004

In this paper, we introduce a new topology of Self-Organizing Polynomial Neural Networks (SOPNN) based on genetically optimized Multi-Layer Perceptron (MLP) and discuss its comprehensive design methodology involving mechanisms of genetic optimization. Let us recall that the design of the 'conventional' SOPNN uses the extended Group Method of Data Handling (GMDH) technique to exploit polynomials as well as to consider a fixed number of input nodes at polynomial neurons (or nodes) located in each layer. However, this design process does not guarantee that the conventional SOPNN generated through learning results in optimal network architecture. The design procedure applied in the construction of each layer of the SOPNN deals with its structural optimization involving the selection of preferred nodes (or PNs) with specific local characteristics (such as the number of input variables, the order of the polynomials, and input variables) and addresses specific aspects of parametric optimization. An aggregate performance index with a weighting factor is proposed in order to achieve a sound balance between the approximation and generalization (predictive) abilities of the model. To evaluate the performance of the GA-based SOPNN, the model is experimented using pH neutralization process data as well as sewage treatment process data. A comparative analysis indicates that the proposed SOPNN is the model having higher accuracy as well as more superb predictive capability than other intelligent models presented previously.reviously.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제55권6호
• /
• pp.264-273
• /
• 2006

In this paper, we propose a new architecture of Self-Organizing Fuzzy Polynomial Neural Networks (SOFPNN) by means of consecutive optimization and also discuss its comprehensive design methodology involving mechanisms of genetic optimization. The network is based on a structurally as well as parametrically optimized fuzzy polynomial neurons (FPNs) conducted with the aid of information granulation and genetic algorithms. In structurally identification of FPN, the design procedure applied in the construction of each layer of a SOFPNN deals with its structural optimization involving the selection of preferred nodes (or FPNs) with specific local characteristics and addresses specific aspects of parametric optimization. In addition, the fuzzy rules used in the networks exploit the notion of information granules defined over system's variables and formed through the process of information granulation. That is, we determine the initial location (apexes) of membership functions and initial values of polynomial function being used in the premised and consequence part of the fuzzy rules respectively. This granulation is realized with the aid of the hard c-menas clustering method (HCM). For the parametric identification, we obtained the effective model that the axes of MFs are identified by GA to reflect characteristic of given data. Especially, the genetically dynamic search method is introduced in the identification of parameter. It helps lead to rapidly optimal convergence over a limited region or a boundary condition. To evaluate the performance of the proposed model, the model is experimented with using two time series data(gas furnace process, nonlinear system data, and NOx process data).

• 한국자동차공학회논문집
• /
• 제15권1호
• /
• pp.8-15
• /
• 2007

Freeway corridors consist of urban freeways and parallel arterials that drivers can use alternatively. Ramp metering in freeways and signal control in arterials are contemporary traffic control methods that have been developed and applied in order to improve traffic conditions of freeway corridors. However, most of the existing studies have focused on either optimal ramp metering in freeways, or progression signal strategies between arterial intersections. There have been no traffic control systems in Korea that integrates the freeway ramp metering and arterial signal control. The effective control strategies for freeway operations may cause negative effects on arterial traffic. On the other hand, traffic congestion and bottleneck phenomenon of arterials due to the increasing peak-hour travel demand and ineffective signal operation may generate an accessibility problem to freeway ramps. Thus, the main function of the freeway which is the through-traffic process has not been successful. The purpose of this study is to develop an integrated control model that connects freeway ramp metering systems and signal control systems in arterial intersections. And Optimization of integrated control model which consists of ramp metering and signal control is another purpose. The design of experiment, neural network, and simulated annealing are used for optimization.

• 한국지능시스템학회논문지
• /
• 제15권2호
• /
• pp.149-162
• /
• 2005

본 논문에서는 실시간 폐쇄회로 화면으로 받은 컬러 이미지에서 얼굴영상을 추출하고 이미 지정된 특정인의 얼굴영상과 비교를 통해 지하철이나 은행 등 공공장소에서의 수배자 등 어떤 특정인을 검출하는 방법을 제안하고자 한다. 감시카메라의 특성상 화면속의 얼굴정보가 임의의 크기로 가변하고 영상 내에서 다수의 얼굴정보를 포함하고 있음을 가정할 때, 얼굴영역을 얼마나 정확하게 검색 할 수 있느냐에 초점을 맞추었다. 이를 해결하기 위하여F.Rosenblatt가 제안한 퍼셉트론 신경망 모델을 기초로 임의의 얼굴영상에 대한 $20{\times}20$ 픽셀로 서브샘플링을 사용한 규준화 작업을 통해서 전면얼굴에서와 같은 인식기법의 효과를 사용하고, 획득한 얼굴후보 영역에 대하여 조명이나 빛에 의한 외부환경의 간섭을 최소화하기 위하여 최적선형필터와 히스토그램 평활화 기법을 이용하였다. 그리고 불필요한 학습을 최소화하기 위하여 달걀형 마스크의 덧셈연산을 전 처리 과정에 추가하였다. 전 처리 과정을 마친 이미지는 각각 세 개의 수용필드로 쪼개어져 특정 위치에 존재하는 눈, 코, 입 능의 정보를 신경망 학습을 통해 최종 결정된다. 또한 각각 다른 초기값을 가지는 3개의 단일셋 네트워크시스템을 병력형태로 구성하여 결과의 정확도를 높여 구현하였다.