• Title/Summary/Keyword: 개념 모델

Search Result 3,556, Processing Time 0.03 seconds

Design and Implementation of SRS Data Model for IoT Environment (IoT 환경을 위한 SRS 데이터 모델의 설계 및 구현)

  • Lee, Sukhoon;Jeong, Dongwon;Jung, Hyunjun;Baik, Doo-Kwon
    • Annual Conference of KIPS
    • /
    • 2015.10a
    • /
    • pp.1235-1238
    • /
    • 2015
  • 센서 레지스트리 시스템(Sensor Registry System, CRS)은 이기종 센서 네트워크 환경에서 센서 데이터의 일관성 있는 의미 해석을 위하여 센서 메타데이터를 등록하고 관리하는 시스템이다. 최근 사물인터넷(Internet of Things, IoT) 패러다임이 대두됨에 따라 센서 네트워크의 개념 및 이용 목적 등이 변화되고 있으며, SRS 역시 이를 반영하여 센서와 연관된 데이터 모델의 개선 및 확장이 요구된다. 따라서 이 논문은 IoT 환경에서 기존 SRS를 개선하기 위하여 Semantic Sensor Network Ontology(SSNO) 기반의 SRS 데이터 모델을 제안한다. 이를 위하여 IoT 환경에서 SRS의 목적 및 요구사항을 분석하고 SSNO의 개념들 중 필요 요소와 불필요 요소를 반영하여 제안 모델을 설계한다. 또한 생성된 SRS 데이터 모델을 이용하여 관계형 데이터베이스로 구축하고 SRS를 웹 어플리케이션으로 구현한다. 제안하는 SRS 데이터 모델은 기존 모델들에 비해 SSNO 온톨로지를 가장 적합하게 표현하므로 풍부한 의미 처리가 가능하다.

Concurrent Software Development Process Model (동시개발 소프트웨어 프로세스 모델)

  • Choi, Myeong-Bok;Lee, Sang-Un
    • The Journal of the Institute of Internet, Broadcasting and Communication
    • /
    • v.11 no.4
    • /
    • pp.147-156
    • /
    • 2011
  • Though a dozen of different software life cycle models are suggested, there is no universal model which can satisfy all the characteristics of software. Organizations mix and match different life cycle models to develop a model more tailored for their systems and capabilities. We suggest overlapped-concurrent development life cycle model that is more suitable in various software development environment. Firstly, we divided the development process into abstract and implementation stage. Abstract stage is from software concept phase to detailed design starting time, and implementation stage is from detailed design phase to system testing phase. Next, the abstract stage introduced the overlapped phase concept that begins the next phase when the step is completed 20% by applying pareto's law. In the implementation stage, we introduced the concurrent development which the several phases are performed some time as when one use-case (UC) is completed the next development phase is started immediately. The proposed model has an advantage that it can reduce the inefficiency of development resource greatly. This model can increase the customer satisfaction with a great product at a low cost and on a short schedule. Also, this model can contribute to increase the software development success rate.

Semantic Robot Memory Store using 5W1H for Service Tasks (서비스 태스크를 위한 5W1H를 이용한 시멘틱 로봇 메모리 저장소)

  • Lee, Dong-Hoon;Kim, Hak-Soo;Son, Jin-Hyun
    • Proceedings of the Korean Society of Computer Information Conference
    • /
    • 2010.07a
    • /
    • pp.435-438
    • /
    • 2010
  • 오늘날 많은 연구자들은 자율적 인간형 로봇 (Autonomous symbiotic human-robot)을 보조하기 위한 지식체계로 온톨로지의 개념을 사용한다. 이러한 연구는 룰 기반의 추론시스템을 지원하기 위해 온톨로지를 저장하는 데이터베이스 스키마를 설계하는데 초점을 맞추고 있다. 이러한 연구 뿐만 아니라 온톨로지 개념을 사용하는 가장 중요한 목적 중에 하나는 상황 추론이다. 이러한 관점에서 본 논문은 로봇이라는 환경에서 좀 더 지능적인 상황 추론 서비스를 제공하기 위해, 5W1H 기반의 로봇 지능 저장소라 불리는 로봇 메모리 저장소를 설계하는데 초점을 두고 있다. 기존 연구는 체계적이고 의미론적 5W1H를 고려하지 않거나 5W1H와 다른 개념 사이의 연광성의 결여에 많은 문제점을 가지고 있으며 이를 해결하기 위해 본 논문에서는 상황, 목적, 공간, 특징, 인간 그리고 5W1H의 온톨로지 지식을 저장할 수 있는 개념적인 모델인 로봇 메모리 모델을 설계한다. 또한 본 논문에서는 상황 추론을 지원하기 위해 로봇의 인스턴스 정보라고 불리는 자전적 기억 (Episodic Memory)를 효과적으로 저장하기 위한 5W1H 모델을 정의하며 이러한 모델을 물리적으로 저장하기 위한 관계형 데이터베이스 기반의 EventsEpisodicRBS를 설계한다. 결과적으로 이러한 연구를 통해서 자율적 인간형 로봇 환경에서 로봇이 지능적 서비스 제공의 핵심 모듈인 상황 추론을 지원하는데 큰 기여를 할 수 있는 하부 시스템으로서의 의미를 가질 수 있다.

  • PDF

Study on the Use of the Constant Comparison Method : Lessons from Training Novice Modelers (지속비교 방법에 관한 연구 : 초심 모델러 교육으로부터의 교훈)

  • Kim, Taekyung;Park, Jinsoo;Rho, Sangkyu
    • The Journal of Society for e-Business Studies
    • /
    • v.18 no.1
    • /
    • pp.165-189
    • /
    • 2013
  • Conceptual modeling is a critical activity for developing successful business information systems. The objective of this study is to evaluate the possibility of applying the constant comparison method from the grounded theory to conceptual modeling. To achieve the objective, we trained novice modelers and split them into two groups for evaluation. The experimental results show that applying the constant comparison method could increase acceptability from more experienced conceptual modelers. Moreover, while the control group was experienced difficulties when domain knowledge is unfamiliar, the experimental group could handle difficulties more effectively. In addition, applying the constant comparison method also decreased the time to complete analysis for conceptual modeling.

Dynamic Reliability Analysis (시스템다이내믹스 기법의 공학적 응용)

  • 곽상만
    • Proceedings of the Korean System Dynamics Society
    • /
    • 2003.02a
    • /
    • pp.65-71
    • /
    • 2003
  • 장점 각종 Dynamic 특성을 모델화, Recovery action등 Hardware뿐만 아니라 다양한 민감도 분석이 가능, 절차서 개선, 조직 특성 등 모듈 개념을 활용할 시에 모델화 시간이 절약 기존 방법에 비해 1/2-1/10 정도의 노력, 다른 전략 모델과의 연계가 가능, 단점 정성적 Insight를 얻기 어려움, 평가 시간이 매우 김.(중략)

  • PDF

분수 학습에서 정신모델 구성을 위한 유추의 역할

  • Go, Sang-Suk;Kim, Gyu-Sang
    • Communications of Mathematical Education
    • /
    • v.15
    • /
    • pp.105-111
    • /
    • 2003
  • 본 연구자는 아동이 분수 개념을 이해하는 정신모델 속에서 인지과정이 어떻게 나타나며, 적용되는지, 그리고 이를 바탕으로 분수 학습에 표현되는 정신모델 구성을 위한 유추의 역할을 살펴보고자 하는 것이 본 연구의 목적이다.

  • PDF

A Statistical Prediction Model of Speakers' Intentions in a Goal-Oriented Dialogue (목적지향 대화에서 화자 의도의 통계적 예측 모델)

  • Kim, Dong-Hyun;Kim, Hark-Soo;Seo, Jung-Yun
    • Journal of KIISE:Software and Applications
    • /
    • v.35 no.9
    • /
    • pp.554-561
    • /
    • 2008
  • Prediction technique of user's intention can be used as a post-processing method for reducing the search space of an automatic speech recognizer. Prediction technique of system's intention can be used as a pre-processing method for generating a flexible sentence. To satisfy these practical needs, we propose a statistical model to predict speakers' intentions that are generalized into pairs of a speech act and a concept sequence. Contrary to the previous model using simple n-gram statistic of speech acts, the proposed model represents a dialogue history of a current utterance to a feature set with various linguistic levels (i.e. n-grams of speech act and a concept sequence pairs, clue words, and state information of a domain frame). Then, the proposed model predicts the intention of the next utterance by using the feature set as inputs of CRFs (Conditional Random Fields). In the experiment in a schedule management domain, The proposed model showed the precision of 76.25% on prediction of user's speech act and the precision of 64.21% on prediction of user's concept sequence. The proposed model also showed the precision of 88.11% on prediction of system's speech act and the Precision of 87.19% on prediction of system's concept sequence. In addition, the proposed model showed 29.32% higher average precision than the previous model.