• 한국항행학회논문지
• /
• 제13권6호
• /
• pp.854-860
• /
• 2009

유비쿼터스는 정보통신 기술과 IT 기술 등이 접목된 새로운 컴퓨팅 환경으로서, PDA를 비롯한 다양한 기기와 여러 분야의 응용기술이 적용되었다. 최근엔 통신 기능과 다양한 IT 기능이 접목되고 휴대성이 좋은 스마트 폰의 출현으로 사용자들의 기기 이용 환경이 변화하고 있다. 이러한 스마트 폰의 활용은 환경의 제약없이 사용자들에게 학습 기기로서의 역할까지로 확장되고 있다. 따라서 본 연구에서는 스마트 폰에서 U-러닝을 제공하기 위하여 SCORM 기반의 메타데이터를 설계하였다. 이를 위하여, 기존의 LMS와 연동된 SCORM을 U-러닝 서버와 스마트 폰 처리 서버를 두어 이를 핸들링 하도록 하였다. 각기 다른 특성을 가지는 스마트 폰의 적용을 위하여 메타데이터에서는 CPU, 화면크기, 메모리 등의 자원 정보를 가지도록 하였으며, 메타데이터 아답터가 이를 처리하도록 하였다.

• 정보과학회 논문지
• /
• 제42권8호
• /
• pp.1065-1070
• /
• 2015

지식베이스는 자연어 처리 기반의 다양한 응용 시스템 성능에 영향을 미치는 중요한 요소이다. 영어권에서는 WordNet, YAGO, Cyc, BabelNet과 같은 지식베이스들이 널리 사용되고 있다. 본 논문에서는 위키백과와 YAGO로부터 YAGO 형식의 한국어 지식베이스(이하 K-YAGO)를 자동 구축하는 방법을 제안한다. 제안 시스템은 YAGO와 위키백과 인포박스간의 간단한 매칭을 통해 초기 K-YAGO를 구축한 뒤, 기계학습을 이용하여 초기 K-YAGO를 확장한다. 실험 결과, 제안 시스템은 초기 K-YAGO 구축 실험에서 0.9642의 신뢰도를 보였고, K-YAGO 확장 실험에서 0.9468의 정확도와 0.7596의 매크로 F1 척도를 보였다.

• 한국해양공학회지
• /
• 제38권1호
• /
• pp.18-29
• /
• 2024

Waves are a complex phenomenon in marine and coastal areas, and accurate wave prediction is essential for the safety and resource management of ships at sea. In this study, three types of machine learning techniques specialized in nonlinear data processing were used to predict the waves of Korea waters. An optimized algorithm for each area is presented for performance evaluation and comparison. The optimal parameters were determined by varying the window size, and the performance was evaluated by comparing the mean absolute error (MAE). All the models showed good results when the window size was 4 or 7 d, with the gated recurrent unit (GRU) performing well in all waters. The MAE results were within 0.161 m to 0.051 m for significant wave heights and 0.491 s to 0.272 s for periods. In addition, the GRU showed higher prediction accuracy for certain data with waves greater than 3 m or 8 s, which is likely due to the number of training parameters. When conducting marine and offshore research at new locations, the results presented in this study can help ensure safety and improve work efficiency. If additional wave-related data are obtained, more accurate wave predictions will be possible.

• Geomechanics and Engineering
• /
• 제38권5호
• /
• pp.507-515
• /
• 2024

An accurate estimation of the geotechnical parameters in front of tunnel faces is crucial for the safe construction of underground infrastructure using tunnel boring machines (TBMs). This study was aimed at developing a data-driven model for predicting the rock quality designation (RQD) of the ground formation ahead of tunnel faces. The dataset used for the machine learning (ML) model comprises seven geological and mechanical features and 564 RQD values, obtained from an earth pressure balance (EPB) shield TBM tunneling project beneath the Han River in the Republic of Korea. Four ML algorithms were employed in developing the RQD prediction model: k-nearest neighbor (KNN), support vector regression (SVR), random forest (RF), and extreme gradient boosting (XGB). The grid search and five-fold cross-validation techniques were applied to optimize the prediction performance of the developed model by identifying the optimal hyperparameter combinations. The prediction results revealed that the RF algorithm-based model exhibited superior performance, achieving a root mean square error of 7.38% and coefficient of determination of 0.81. In addition, the Shapley additive explanations (SHAP) approach was adopted to determine the most relevant features, thereby enhancing the interpretability and reliability of the developed model with the RF algorithm. It was concluded that the developed model can successfully predict the RQD of the ground formation ahead of tunnel faces, contributing to safe and efficient tunnel excavation.

• 영재교육연구
• /
• 제21권4호
• /
• pp.993-1009
• /
• 2011

본 연구는 과학영재를 위한 울산과학관을 활용한 RSM(Regional Science Educational Resource Map; 지역 과학교육 자원지도) 기반 천체관측 프로그램을 개발하여 과학영재를 대상으로 체험학습 프로그램을 운영함으로써 그 효과성을 검증하고자 계획되었다. 이를 위하여 울산과학관에 설치되어 있는 천체투영실, 별보미 천체관측실 및 주관측실 등의 첨단 시설 및 기자재를 활용하여 RSM 기반 천체관측 프로그램(10차시)을 개발하였고, 이를 과학영재학생을 대상으로 운영한 후 이들의 천문학적 공간개념과 자기주도적 학습능력에 어떤 영향을 미치는지 알아보았다. 본 연구에서 개발한 RSM 기반 천체관측 프로그램은 준비단계(2차시), 관측단계(6차시), 정리단계(2 차시) 등 3단계로 구성하였으며, 관측단계에서는 천체투영실을 활용한 3D 시뮬레이션 별자리 관측(2차시), 밤 하늘의 별자리 안시 관측(2차시), 천체망원경을 활용한 망원경 관측(2차시) 등으로 구성하여 지역 과학교육 자원을 많이 활용할 수 있도록 구성하였다. RSM 기반 천체관측 프로그램이 과학영재의 천문학적 공간개념 및 자기주도적 학습능력에 미치는 효과를 살펴보기 위해 연구 대상은 울산과학관에서 운영하고 있는 우주과학 영재교실(초 5학년) 20명을 선정하였다. 검사도구는 천문학적 공간개념 및 자기주도적 학습능력 검사지를 사용하였고, 연구의 결과 분석은 종속표본 t검증으로 분석하였다. 연구의 결과는 울산과학관을 활용한 천체관측 프로그램은 과학영재의 천문학적 공간개념(t=3.371, p=.003) 형성에 긍정적인 효과가 있었고(p<.05), 과학 영재의 자기주도적 학습능력(t=2.371, p=.028)에도 긍정적인 효과가 있었다(p<.05). 본 연구를 통해 RSM 기반 천체관측 프로그램은 과학영재들의 천문학적 공간개념 형성과 자기주도적 학습능력 신장에 도움이 된다는 것을 알 수 있었고, 특히 각 지역의 초, 중등 영재학급의 심화학습의 기회로써 RSM 기반 천체관측 프로그램을 활용할 수 있을 것으로 예상된다.

• 한국정보통신학회논문지
• /
• 제21권11호
• /
• pp.2167-2175
• /
• 2017

최근 사물인터넷은 인공지능의 발전, 연결된 기기의 증가와 클라우드 시스템의 높은 성능으로 인해 급격하게 발전하고 있다. 많은 기기와 센서로부터 생산되는 엄청난 양의 데이터들은 지능적 진단, 추천 서비스 뿐 아니라 스마트 관제 서비스와 같이 서비스 영역의 확대를 이끌고 있다. 엣지 컴퓨팅(Edge Computing)에 대한 연구는 높은 성능을 지닌 하드웨어를 바탕으로 작은 또 하나의 서버로써의 역할에 국한되어 연구되고 있다. 그러나 데이터를 분석하고 의미성에 따른 서비스를 구현하기 위해서는 범용적 서버로써의 역할보다는 도메인에 특화된 기능과 요구사항을 지녀야 한다. 스마트 팩토리에서의 엣지는 제한적 필터링, 사전 포맷팅을 포함하는 전처리와 그룹 컨텍스트 융합, 지역적 룰의 관리 등을 필요로 한다. 따라서 본 논문에서는 공장 특성에 맞는 효율성과 강건함 측면을 강조하는 요구사항들을 도출하고, 클라우드와 학습된 요소 공유 방법을 기반으로 하는 엣지 컴퓨팅의 구조를 제안하고자 한다. 이 엣지는 네트워크 자원 소모를 감소시키고 룰과 학습화된 모델의 변경을 쉽게 할 수 있도록 한다.

• 융합정보논문지
• /
• 제10권11호
• /
• pp.23-29
• /
• 2020

IoT 장치가 기하급수적으로 증가하면서 다중 안테나를 통해 IoT 정보를 송·수신하기 위한 MIMO 간섭 최소화 및 전송 용량 증대는 가장 큰 이슈로 남아있는 상황이다. 본 논문에서는 MIMO 기반의 IoT 통신 잡음을 최소화하기 위해서 딥러닝을 활용한 비밀키 차원 분배 메커니즘을 제안한다. 제안 메커니즘은 다중의 안테나를 통해 송·수신되는 IoT 정보를 딥러닝을 사용하여 일괄적으로 분산 처리함으로써 송·수신 과정 중에 발생하는 자원 손실을 최소화하고 있다. 또한, 제안 메커니즘은 AP들간의 직접적인 간섭이 없는 기지국의 다중 안테나 다중 스트림 전송을 통해 용량을 최대로 증대시킬 수 있도록 다차원 키 분배 처리 과정을 적용하였다. 또한, 제안 메커니즘은 다중 안테나 기술을 최대한 활용하기 위해서 IoT 정보의 주파수 채널 수에 따라 비밀키를 차원 분배하는 방식을 적용함으로써 IoT 정보수에 따른 비밀키 사용 빈도수를 딥러닝하여 IoT 정보를 서로 동기화하고 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권4호
• /
• pp.826-842
• /
• 2024

As 5G and AI continue to develop, there has been a significant surge in the healthcare industry. The COVID-19 pandemic has posed immense challenges to the global health system. This study proposes an FL-supported edge computing model based on federated learning (FL) for predicting clinical outcomes of COVID-19 patients during hospitalization. The model aims to address the challenges posed by the pandemic, such as the need for sophisticated predictive models, privacy concerns, and the non-IID nature of COVID-19 data. The model utilizes the FATE framework, known for its privacy-preserving technologies, to enhance predictive precision while ensuring data privacy and effectively managing data heterogeneity. The model's ability to generalize across diverse datasets and its adaptability in real-world clinical settings are highlighted by the use of SHAP values, which streamline the training process by identifying influential features, thus reducing computational overhead without compromising predictive precision. The study demonstrates that the proposed model achieves comparable precision to specific machine learning models when dataset sizes are identical and surpasses traditional models when larger training data volumes are employed. The model's performance is further improved when trained on datasets from diverse nodes, leading to superior generalization and overall performance, especially in scenarios with insufficient node features. The integration of FL with edge computing contributes significantly to the reliable prediction of COVID-19 patient outcomes with greater privacy. The research contributes to healthcare technology by providing a practical solution for early intervention and personalized treatment plans, leading to improved patient outcomes and efficient resource allocation during public health crises.

• International Journal of Computer Science & Network Security
• /
• 제24권1호
• /
• pp.226-234
• /
• 2024

The frequent handover problem and playing ping-pong effects in 5G (5th Generation) ultra-dense networking cannot be effectively resolved by the conventional handover decision methods, which rely on the handover thresholds and measurement reports. For instance, millimetre-wave LANs, broadband remote association techniques, and 5G/6G organizations are instances of group of people yet to come frameworks that request greater security, lower idleness, and dependable principles and correspondence limit. One of the critical parts of 5G and 6G innovation is believed to be successful blockage the board. With further developed help quality, it empowers administrator to run many systems administration recreations on a solitary association. To guarantee load adjusting, forestall network cut disappointment, and give substitute cuts in case of blockage or cut frustration, a modern pursuing choices framework to deal with showing up network information is require. Our goal is to balance the strain on BSs while optimizing the value of the information that is transferred from satellites to BSs. Nevertheless, due to their irregular flight characteristic, some satellites frequently cannot establish a connection with Base Stations (BSs), which further complicates the joint satellite-BS connection and channel allocation. SF redistribution techniques based on Deep Reinforcement Learning (DRL) have been devised, taking into account the randomness of the data received by the terminal. In order to predict the best capacity improvements in the wireless instruments of 5G and 6G IoT networks, a hybrid algorithm for deep learning is being used in this study. To control the level of congestion within a 5G/6G network, the suggested approach is put into effect to a training set. With 0.933 accuracy and 0.067 miss rate, the suggested method produced encouraging results.

• 기술경영경제학회:학술대회논문집
• /
• 기술경영경제학회 1998년도 제13회 하계학술발표회 논문집
• /
• pp.57-90
• /
• 1998

This study attempts to explore the evolution paths of Korean SMEs'strategies and their technological teaming processes. Several different evolution paths are identified based on a dynamic strategic group analysis of 115 SMEs'strategy in the Korean electronic component industry for the period of 1990-1995. Further, inadept case analyses on technological learning processes in 5 firms are undertaken. Major findings of this study can be summarized as follows : 1) There are three dominant evolution paths in SMEs'strategy. First path indicates the evolution from a subcontractor or petty imitator group(a strategic group with the narrow product/market domain and the low level of accumulated resource/capabilities) into an innovator group(a strategic group with the narrow domain but high level of technological capability) by accumulating technological capabilities. Second, some firms move from a subcontractor group into a generalizer group(a strategic group with broad product/market domain but relatively low level of technological capability) by simply adding product lines. Third path involves firms which evolve from a subcontractor group into a production focus group(a strategic group with high level of production capability) by investing in production capabilities. 2) An in-depth case analysis shows those who succeeded in technological learning are managed by CEOs, who have technological expertise and strategic vision, and have made an effort to establish management practices to support innovation, such employee educational program, performance-based reward system, etc. The successful firms also aggressively pursue diverse external linkages with outside technology sources to learn product and process technologies. Fiendly, this study discusses several implications of the findings for the theoretical development and strategic management of small firms in Korea.