• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.05a
• /
• pp.571-573
• /
• 2018

The loss of data collected from the sensor node in the wireless sensor network environment is caused by the hidden node of the sensor node and power shortage. In order to solve these problems, researches have been actively carried out to maintain the network effectively, but there is no study on the situation where the maintenance of the network is impossible. Therefore, research is needed to infer lost data in situations where network maintenance is impossible. In this paper, use particulate matter data of specific cities to deduce lost data. Analyze the accumulated data through machine learning and identify the possibility of inferring lost data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.127-129
• /
• 2012

고용량 멀티미디어 및 대용량 콘텐츠와 같은 트래픽이 급속도로 증가하고 사용자들의 다양한 요구사항이 발생함에 따라 기존의 단일 클라우드 서비스 환경의 자원 부족 문제가 대두되고 있다. 이를 극복하기 위해 협업 클라우드 환경이 제안되었는데, 이는 이종의 클라우드 서비스 환경을 통합하여 부족한 자원 문제를 해결하고, 클라우드 서비스 제공자들의 이익을 최대화시키는 것에 목적을 두고 있다. 본 논문에서는 협업 클라우드 환경에서 각 데이터 센터내의 자원을 최적으로 분배하고 입력되는 사용자 요청 패턴을 반영할 수 있는 수익 함수 모델을 제안하고 이에 따라 각 서비스 제공자들의 이익이 증가함을 보인다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.459-460
• /
• 2020

한국수화언어가 2016년 2월 제정된 한국수화언어법(약칭, 한국수어법)을 통해 한국어와 동일한 대한민국 공식 언어로 인정받았지만, 사회적 인식 부족과 서비스 비용 문제로 널리 사용되지 못하고 있다. 그리고 일상생활에서 접하는 많은 한국어 정보들 조차도 농인들은 쉽게 이해하기 어렵기 때문에 정보 접근에 대한 차별성 문제가 지속적으로 언급되고 있다. 이를 해결하기 위한 대안으로 아바타를 이용한 수어 서비스가 대두되고 있지만, 한국어-한국수어 번역을 위한 자연어처리 기술의 한계로 인해 일기예보와 같이 탬플릿 기반의 서비스에 국한되거나 비수지신호 표현에 대한 기술 부족으로 인해서 서비스 상용화까지 도달하지 못하고 있는 상황이다. 본 논문에서는 딥러닝 기반으로 한국어에서 한국수어로 변환하기 위한 병렬 말뭉치 데이터 전사 및 변환 시스템 설계 방법을 제안하고자 한다.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1997.05b
• /
• pp.526-531
• /
• 1997

기존의 발전소 피로수명 평가 프로그램들은 On-Line Fatigue Analysis애 중점을 두고 개발되어 운전 초기부터 Transient모니터링 프로그램이 설치되는 시점까지의 Transient 데이터가 확보되지 않은 오래된 발전소의 경우 전 수명기간 동안의 피로수명 계산에 어려움이 많다. 따라서 본 연구에서는 특별한 경우를 제외하고는 Off-Line 계산을 하는 것이 경제적이고 피로수명 평가에 문제가 되지 않는다고 판단하여 Transient 모니터링을 용해 Transient 종류를 파악하고 이를 데이터베이스화 한뒤 충분한 시간을 가지고 Transient 이력 과 응력데이타를 조합하여 CUF를 계산하는 등 프로그램 기능의 모듈화를 시도하여 필요한 기능을 지속적으로 보완 개발해 나갈 수 있도록 하였다. 본 Software는 국내 원전이 Transient Counting이나 피로분석의 전산화와 관련한 경험이 부족하고 또 외국 프로그램을 도입하여 사용하기에는 과거 데이터가 부족하여 활용에 어려움이 많을 것을 고려하여 기존의 수작업에 의한 Fatigue Evaluation 의 불편함을 보완하고 On-Line Analysis의 필요성과 Off-Line Analysis외 경제성을 적절히 조합하여 현재 발전소 환경에서 가장 적절히 사용할 수 있도록 개발 을 추진하였고 향후 필요한 기능은 지속적으로 보완함으로써 발전소 수명관리에 유용하게 사용될 것이다.

• Journal of the Korea Computer Graphics Society
• /
• v.29 no.3
• /
• pp.79-84
• /
• 2023

Image generation models have been applied in various fields to overcome data sparsity, time and cost issues. However, it has limitations in generating images from regular pattern images and detecting defects in such data. In this paper, we verified the feasibility of the image generation model to generate pattern images and applied it to data augmentation for defect detection of OLED panels. The data required to train an OLED defect detection model is difficult to obtain due to the high cost of OLED panels. Therefore, even if the data set is obtained, it is necessary to define and classify various defect types. This paper introduces an OLED panel defect data acquisition system that acquires a hypothetical data set and augments the data with an image generation model. In addition, the difficulty of generating pattern images in the diffusion model is identified and a possibility is proposed, and the limitations of data augmentation and defect detection data augmentation using the image generation model are improved.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.196-198
• /
• 2014

최근 차세대 네트워크 패러다임으로 주목받는 소프트웨어 정의 네트워킹 (SDN)에서는 네트워크를 컨트롤 플레인과 데이터 플레인으로 나누고 중앙집중형 제어를 통해 효과적이고 유연한 네트워크 관리를 가능하게 한다. 하지만 잦은 컨트롤 이벤트 발생으로 인한 컨트롤러 및 컨트롤 채널의 부하와 거대한 플로우 엔트리 크기로 인한 스위치 내 TCAM(Temary Content Addressable Memory) 메모리 부족문제 등의 본질적인 문제로 실제 네트워크 적용 시 확장성 문제가 야기된다. 이러한 문제를 해결하기 위해 기존의 연구들은 컨트롤러의 연산능력을 향상시키거나, 컨트롤 이벤트의 발생을 줄이는데 초점이 맞춰져 왔으며, 한정적인 TCAM 공간의 효율적인 사용에 대한 연구는 부족한 상황이다. 따라서 본 논문에서는 효율적인 TCAM 자원 활용을 위한 플로우테이블 관리 기법을 제안한다. 제안 기법은 플로우 엔트리의 클러스터링을 통해 플로우 엔트리를 특성에 따라 그룹화하고 사용빈도를 기준으로 분할 및 병합을 수행함으로써 스위치 내의 가용한 플로우 수를 최대화한다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2009.04a
• /
• pp.97-100
• /
• 2009

신뢰성 분석은 불확실성으로 인한 제품의 성능 변동을 안전확률이나 파괴확률로 정량화 하여 설계에 이용하기 위해 연구되어 왔다. 불확실성은, 데이터의 양에 따라-물질의 본질적인 특성으로서의 많은 데이터가 주어진 경우의 물리적 불확실성과 부족한 데이터에서의 인식론적 불확실성으로 구분되고, 불확실성을 갖는 대상에 따라-입력변수 및 근사모델 불확실성으로 구분된다. 물리적 불확실성에 대한 연구는 많이 진행되어 왔지만, 실제 산업현장에는 부족한 데이터로 인한 인식론적 불확실성이 지배적이며 이에 대한 연구는 최근에서야 진행되고 있다. 불확실성을 고려하는 신뢰성 기반 설계에는 효율성을 위해 실제모델을 대체하는 근사모델이 이용되는데, 근사모델법 자체에 대한 연구는 많이 진행되어 왔으나, 근사모델 이기 때문에 존재하는 불확실성을 고려한 연구는 최근에서야 연구되기 시작하였다. 본 연구에서는 베이지안 접근법에 기반하여 입력변수 및 근사모델 불확실성을 통합 고려하는 새로운 신뢰성 분석 기법을 제시하고 수치예제를 통해 타당성을 증명한 후, 이를 공학문제에 적용한다.

• Journal of Internet Computing and Services
• /
• v.20 no.6
• /
• pp.65-72
• /
• 2019

Data augmentation is a method that increases the amount of data through various algorithms based on a small amount of sample data. When machine learning and deep learning techniques are used to solve real-world problems, there is often a lack of data sets. The lack of data is at greater risk of underfitting and overfitting, in addition to the poor reflection of the characteristics of the set of data when learning a model. Thus, in this paper, through the layer-wise data augmenting method at each layer of deep neural network, the proposed method produces augmented data that is substantially meaningful and shows that the method presented by the paper through experimentation is effective in the learning of the model by measuring whether the method presented by the paper improves classification accuracy.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.532-534
• /
• 2022

본 논문에서는 미생 드라마 비디오들을 토대로 구축한 비디오 인물 개체 분할 데이터 집합인 MHIS를 소개하고, 등장인물 클래스 간의 심각한 데이터 불균형 문제를 효과적으로 해결하기 위한 새로운 비디오 데이터 보강 기법인 CDVA를 제안한다. 기존의 비디오 데이터 보강 기법들과는 달리, 새로운 CDVA 보강 기법은 비디오의 시공간적 맥락을 충분히 고려해서 부족한 인물 클래스의 훈련 비디오 데이터들을 추가 생성함으로써, 비디오 개체 분할 신경망 모델의 성능을 효과적으로 개선시킬 수 있다. 본 논문에서는 정량 및 정성 실험들을 통해, 제안 비디오 데이터 보강 기법의 우수성을 입증한다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.19 no.1
• /
• pp.119-126
• /
• 2024

In building information model (BIM), it is difficult to train an artificial intelligence (AI) model due to the lack of sufficient data about individual projects in an architecture firm. In this paper, we present a methodology to correctly train an AI neural network model based on a large language model (LLM) to predict the steel structure product weight ratios in BIM. The proposed method, with the aid of the LLM, can overcome the inherent problem of limited data availability in BIM and handle a combination of natural language and numerical data. The experimental results showed that the proposed method demonstrated significantly higher accuracy than methods based on a smaller language model. The potential for effectively applying large language models in BIM is confirmed, leading to expectations of preventing building accidents and efficiently managing construction costs.