• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.631-634
• /
• 2014

최근 스마트폰의 보급으로 블로그, SNS 등에서 방대한 양의 데이터가 발생함에 따라 이를 수집하고 분석하는 작업의 중요성이 커지고 있다. 이러한 데이터는 크게 정형 데이터와 비정형 데이터로 나눌 수 있는데, 특히 비정형 데이터는 전체 데이터의 약 80%를 차지할 정도로 그 양과 가치가 매우 크다. 이 논문에서는 빅데이터 환경에서 발생하는 이러한 비정형 데이터를 수집하는 모듈 중 가장 널리 알려진 Chukwa와 Flume에 대한 개발 및 비교 분석을 시도 하였다.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1998.05b
• /
• pp.783-788
• /
• 1998

발전소 운영자는 운전 시작시점에서 수명 종료시점까지 발전소 과도상태 종류별 횟수가 설계 제한치를 넘지 않도록 감시하여야 하며 이를 위해서는 발전소 운전 과도상태 기록유지가 필요하다. 그러나 현재와 같은 발전소 운전 Strip Chart나 Log Sheet를 이용하는 방식으로는 과도상태 발생여부 판단이 어려울 뿐만 아니라 카운팅 자체에도 많은 시간이 소요되어 좀더 편리한 방법의 도입이 필요하다. 본 연구에서는 발전소 주전산기의 운전 데이타를 이용한 과도상태 데이터 수집 및 지능형 과도상태 판단방법을 개발하여 시범 적용하였다. 과도상태 데이터 수집은 전송되는 데이터와 이전 데이터를 비교하여 변화가 있을 시에만 데이터 압축방식을 이용하여 저장하였고, 최대/최소온도, 최대/최소압력, 온도/압력기울기 등의 운전 데이타를 기 설정된 과도상태의 전체 변수와 비교하여 오차율 범위내에 들면 동일한 과도상태로 판단하였다. 원자로 냉각재 계통의 온도 및 압력과 같이 계기 오차가 비교적 작은($\pm$1$^{\circ}C$) 운전변수는 과도상태 판단이 용이하나 오차가 큰 운전변수의 경우에는 과도상태 판단을 위한 보다 상세한 알고리즘의 개발이 필요하다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1999.04a
• /
• pp.204-211
• /
• 1999

항공기, 자동차, 전차 등 차량의 시스템 또는 운동의 시뮬레이션에서는 다양한 종류의 불연속적인 파라미터 값들이 데이터 테이블의 형태로 주어지게 되는데, 본 연구에서의 관심은 적분 스텝의 크기가 고정되는 일반적인 실시간 시뮬레이션의 제약 하에서 기존의 검색 기법들을 비교하고, 최적의 검색 기법을 개발하는 것이다. 본 연구에서는 전통적으로 수치해석, 시뮬레이션, 데이터베이스 등 다양한 학문 및 응용기술 분야에서 개발된 데이터 검색 기법들을 조사하여 비교하였다. 또한, 다양한 크기와 형태의 데이터 테이블들을 사용하여 수치비교시험을 수행하였는데, 그 경향은 이론에 근거한 예상과 대체로 일치하였다. 한편, 검색하고자 하는 파라미터 값이 임의의 dynamics를 갖고 변한다면, 이러한 정보를 이용하여 주어진 데이터 테이블 내의 검색 영역을 축소 시켜 검색속도를 향상시킬 수가 있다. 다양한 수치시험에서 이분 검색법(bisection method)은 축소된 테이블의 크기에만 영향을 받지만 보간 검색법(interpolation method)과 그 변형 기법들은 검색 대상 테이블들의 축소로 데이터의 형태가 직선형이 되는 효과를 얻기 때문에 검색속도를 단축시키는데 매우 탁월한 효과를 나타내었다. 결론적으로 dynamic-window 개념을 도입한 보간 검색법과 그 변형들이 이론적으로도 실험적으로도 최적의 검색속도를 보장함이 입증되었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.19-20
• /
• 2023

본 논문은 손글씨 인식 분야에서 가장 기본적이고 중요한 주제인 손글씨 데이터 세트에 대한 분류 성능을 분석하고 비교하는 것을 목표로 한다. 이를 위해 ResNet-50 모델을 사용하여 MNIST, EMNIST, KMNIST라는 세 가지 대표적인 손글씨 데이터 세트에 대한 분류 작업을 수행한다. 각 데이터 세트의 특징과 도메인, 그리고 데이터 세트 간의 차이와 특징에 대해 다루며, ResNet-50 모델을 학습하고 평가한 분류 성능을 비교하고 결과에 대해 분석한 결과를 제시한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.633-634
• /
• 2024

본 연구는 LSTM 모델이 수용 가능한 익명 보행자의 GPS 경로 범위와 훈련 데이터 셋의 크기에 대한 양상 분석을 목적으로 한다. 시계열 데이터인 GPS 경로 그리고 순환 신경망 LSTM 과 입력 구조를 이해하고, 두 가지 실험을 설계하여 LSTM 의 훈련 데이터 셋 수용을 파악한다. 실험에서는 장거리 데이터 셋을 학습한 모델과 그렇지 않은 모델을 비교하고, 훈련 데이터 셋 크기에 따른 학습 모델의 예측 값을 비교한다. 두 실험을 통해 GPS 경로 범위와 학습 가능한 경로의 가짓수에 대한 비교 분석 결과를 제시한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.357-360
• /
• 2006

본 논문에서는 베이지안 네트워크 학습 방법을 이용한 비교적 적은 양의 샘플 데이터에서 현실적인 네트워크 모델 추론을 위한 효율적인 스코어링 척도를 찾는 것을 목표로 하였다. UPSM, CUPSM, DPSM, BDe(Bayesian Dirichlet) 등을 각각 적용시켜본 결과를 통해 어떤 방법이 가장 적은 샘플의 데이터, 특히 생물학적 데이터에적합한지 알아보았다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11a
• /
• pp.93-96
• /
• 2002

인터넷의 발달과 멀티미디어 데이터를 제작하는 각종 도구들이 발달되면서 디지털 데이터에 대한 저작권 문제가 발생하고 있다. 최근 디지털 데이터에 대한 문제점을 해결하기 위한 방법으로 디지털 워터마킹에 대한 연구가 많이 이루어지고 있다. 디지털 데이터의 무단 복제와 배포를 막기 위해 유일한 워터마크로 디지털 지문을 삽입하여 저작권의 문제를 연구하였다. 원지문 영상과 웨이브렛을 기반으로 하여 추출한 워터마크 지문 영상을 특징점 추출하는 프로그램을 사용하여 단점과 분기점의 개수를 비교하는 방법을 사용하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.185-187
• /
• 2019

환경 센서는 센서의 특징과 같은 변수에 따라 센서에서 발생하는 데이터가 일정하기 못하고, 광범위에서 실시간으로 발생하기 때문에 환경 센서 데이터 수집에 사용하는 데이터베이스 선정에 어려움이 있다. 본 논문에서는 각 데이터베이스의 특징을 실시간성과 확장성, 비용으로 비교하였다. ICT기반 환경 센서 데이터 수집에 적합한 데이터베이스는 MongoDB, OpenTSDB, MachBase DBMS이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.848-850
• /
• 2011

모바일 환경의 발전 따라 어플리케이션의 수요 증가로 데이터 보안의 관심도가 높아지고 있다. 본 논문에서는 모바일 환경에서 시나리오에 따른 암호 알고리즘을 비교 분석하였다. 시나리오는 단말저장형 데이터, 단방향전송형 데이터, 실시간전송형 데이터로 정의하고 각각의 시나리오에 적합한 암호알고리즘을 분석하였다.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.27 no.7
• /
• pp.1088-1097
• /
• 2021

Vibration data of mechanical equipment inevitably have noise. This noise adversely af ects the maintenance of mechanical equipment. Accordingly, the performance of a learning model depends on how effectively the noise of the data is removed. In this study, the noise of the data was removed using the Denoising Auto Encoder (DAE) technique which does not include the characteristic extraction process in preprocessing time series data. In addition, the performance was compared with that of the Wavelet Transform, which is widely used for machine signal processing. The performance comparison was conducted by calculating the failure detection rate. For a more accurate comparison, a classification performance evaluation criterion, the F-1 Score, was calculated. Failure data were detected using the One-Class SVM technique. The performance comparison, revealed that the DAE technique performed better than the Wavelet Transform technique in terms of failure diagnosis and error rate.