• 한국멀티미디어학회논문지
• /
• 제8권4호
• /
• pp.439-449
• /
• 2005

분산 주기억장치 데이터베이스 관리 시스템 (DMM-DBMSs)은 데이터베이스를 참여 사이트의 주기억 장치에 저장한다. 지역 데이터베이스에 신속하게 접근할 수 있고 사이트들 사이에 고속 통신이 가능하므로 DMM-DBMS는 높은 성능을 보장한다. 최근 들어 DMM-DBMS에 대해 많은 연구 결과가 발표되었으나 아직까지 DMM-DBMS의 카탈로그 관리 기법에 대한 성능 분석 결과는 발표된 것이 없다. 본 연구에서는 높은 사이트 자치성을 보장하는 DMM-DBMS의 분할식 카탈로그 관리 기법의 성능을 실험적으로 평가하였다. 분할식 카탈로그 관리 기법을 캐시없는 분할식 카탈로그 방식(PCWC), 점진적 캐시를 이용한 분할식 카탈로그 방식(PCWIC), 완전 캐시를 이용한 분할식 카탈로그 방식(PCWFC)으로 분류하였고, 성능평가는 사이트 수, 사이트 당 터미널 수, 버퍼 크기, 쓰기 질의 비율, 지역 질의 비율 등을 중심으로 분석하였다. 분석 결과 PCWFC가 모든 경우에 가장 높은 성능을 보였다. 이는 또한 PCWIC가 시간이 흐름에 따라 더욱 높은 성능을 보인다는 것을 뜻한다. PCWFC 방식은 디스크 기반 분산 DMBS에서는 사이트 부하가 크거나 카탈로그 쓰기 비율이 높거나 원격 데이터 객체가 빈번히 액세스되는 상황에서 고성능을 보장하지 못하지만, DMM-DBMS에서는 원격 데이터 객체의 카탈로그가 자주 갱신된다고 해도 질의 컴파일과 원격 카탈로그 액세스가 고속으로 이루어질 수 있기 때문에 높은 성능을 보장하는 것이다.

• 한국정보통신학회논문지
• /
• 제20권5호
• /
• pp.902-910
• /
• 2016

최근 다양한 모바일 서비스의 증가로 데이터 트래픽이 기하급수로 늘어나고 있고 트래픽 폭증문제를 해결하기 위해 다양한 기술들이 제안되고 있다. 특히 두 노드가 하나의 중계 노드를 통해 동시에 데이터를 주고받는 양방향 중계기술은 통신 시스템의 주파수 효율을 효과적으로 높일 수 있는 방식으로 주목받고 있다. 본 논문에서는 양방향 중계환경에서 물리계층 네트워크 코딩기술(Physical-layer Network Coding, PNC)과 Spatial Modulation (SM) 기술을 결합한 SM-PNC의 성능을 분석하였다. 제안하는 SM-PNC 기술에서는 Log-Likelihood Ratio ( LLR) 복호 방식을 적용하였고 통신시스템의 일반적인 안테나 구성을 고려해 Separate decoding과 Direct decoding 방식으로 나누어서 성능분석을 진행하였다. 일반적인 중계채널 환경에서의 성능분석을 통하여 SM-PNC방식이 기존의 PNC 기법보다 향상 된 비트오차율 성능($E_b/N_o$)을 보이는 것을 확인할 수 있었고 특히 SNR이 높은 환경과 중계노드의 안테나수가 많을 경우 SM-PNC의 성능이 더 향상되는 것을 확인하였다.

• 방송공학회논문지
• /
• 제14권6호
• /
• pp.733-741
• /
• 2009

디지털 통신 시스템에서는 대역폭과 전력을 효율적으로 사용하면서 신뢰성 높은 데이터 전송을 요구한다. 본 논문에서는 다중 반송파 방식을 사용하는 시스템에서 반송파의 직교성을 이용하여 다차원 성상도를 구현하고 전력 소비가 큰 성상 포인트의 위치를 재배치하여 평균 소비 전력을 감소시킬 수 있는 기술을 제안한다. 기존의 2차원 QAM 변조 방식을 N개의 부반송파를 사용하여 다차원 QAM 형태로 단순하게 변환하면 2 N차원 큐브 형태의 성상 포인트가 구성되는데, 전력 소비가 많은 최외각 성상 포인트들을 효율적으로 재배치하면 전력 소비를 최소화할 수 있는 2 N차원 구 형태의 성상도를 구성할 수 있다. 이와 같은 방식으로 16-QAM부터 2,048-QAM까지의 2차원 성상도를 다차원으로 변환하여 구성하고 전산모의실험을 통해 얻을 수 있는 평균 소비 전력 이득 값을 비교 분석하였다. 차원을 높일수록 재배치 성상 포인트들이 증가하므로 평균 소비 전력 이득 값이 커지는 것을 알 수 있다. 하지만 차원 증가에 따른 이득의 증가비율은 로그 형태를 가지고 있기 때문에 QAM의 성상 포인트 개수에 따라 일정한 이득값에 수렴하게 되고 수렴 값을 바탕으로 적정 다차원 성상도를 유도할 수 있다. 본 논문에서 제안한 방법으로 데이터를 전송하는 것은 하드웨어 복잡도 증가가 거의 없이 소비 전력의 효율성을 높이는데 효과적이다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.85-98
• /
• 2016

본 논문은 장외거래 수익률을 이용하여 추정한 여러 실현변동성들을 실증적으로 비교분석한다. 실제 금융 자산 시장에서는 장외시간이나 휴일에 거래가 적거나 드물게 나타나기 때문에 하루 전체의 실현변동성을 정확히 계산하는데 문제가 발생한다. 이를 해결하기 위해 제안되어진 장외거래 수익률을 여러 가지 방법으로 반영한 다양한 실현변동성의 추정치들에 대한 검토가 이루어진다. 실제 데이터의 실현변동성 추정치들의 예측정확성을 비교하기 위해 미국의 NASDAQ 지수와 S&P500 지수와 우리나라의 KOSPI 지수와 원/달러환율이 분석된다. 적분변동성의 불편추정치인 다음날의 로그수익률의 제곱을 기준으로 일일 실현 변동성의 추정치들은 비교되어지며 비교를 위해 절대평균오차(MAE)와 제곱평균오차근(RMSE)이 이용된다. 또한 통계적 추론을 위하여 Model Confidence Set(MCS) 방법과 Diebold-Mariano 검정법을 사용한다. 세 가지 주가지수 데이터에 대해 동일한 최적 방법이 선택되어지는데, 장외시간 수익률을 이용하여 장내시간 실현변동성의 크기 조정을 한 방법이다.

• 한국지능시스템학회논문지
• /
• 제24권5호
• /
• pp.495-503
• /
• 2014

최근 보안 분야에서는 네트워크 패킷이나 로그와 같은 네트워크 정보를 수집하고 분석함으로써 네트워크 위협에 대응할 수 있는 침입탐지 시스템에 대한 연구를 활발히 진행되고 있다. 특히, 베이지안 네트워크는 주어진 몇 몇 자료만으로도 정확도 높은 침입에 대한 추론이 가능한 이점으로 이를 이용한 침입탐지 시스템의 모델링 기법들이 이전에도 진행되어 왔다. 그러나 이전 연구들에서는 네트워크 패킷간의 복잡성 문제와 이용되는 패킷 데이터의 연속성 문제를 반영하지 못하고 있기 때문에 높은 탐지정확도 산출에 한계가 있다. 따라서 본 논문에서는 이전 모델들이 갖는 문제들의 개선을 통하여 탐지율을 향상시키기 위해 K-means 클러스터링 기반의 두 가지 방법론을 제안한다. 첫 번째로는 K-means 클러스터링 기반의 정교한 노드구간 범위를 설정방법을 제안하여 연속성 데이터 처리 문제를 개선할 수 있다. 또한, 두 번째로는 K-means 클러스터링 기반으로 산출된 가중치를 학습에 적용하여 보다 견고한 CPT를 산출하여 탐지성능을 향상 시킬 수 있다. 제안하는 방법론들의 성능을 입증하기 위하여 방법론 모두를 적용한 K_WTAN_EM에 대한 탐지율을 이전 모델들과 비교 실험을 수행하였다. 실험 결과 제안하는 모델의 탐지율이 이전의 순수베이지안 네트워크기반(NBN) 모델 보다는 약 7.78%의 향상도를 보였고 트리확장 순수베이지안 네트워크(TAN) 모델 보다는 약 5.24%의 향상도를 산출하여 제안하는 방법의 우수성을 입증하였다.

• 한국산학기술학회논문지
• /
• 제22권6호
• /
• pp.477-483
• /
• 2021

군의 정비체계에서 표준정비인시는 정비부대의 정비능력을 판단하는 도구로서 정비 소요와 작업량을 결정하는 기준을 제공하고, 정비계획 수립의 기초 자료로 활용된다. 군 주요 장비의 평시 표준정비인시는 이미 선정되어 활용하고 있으나 전시 정비환경에서 표준정비인시는 미선정되어 이를 산출할 필요성이 제기되었다. 이는 전시에 정비 시설, 공구, 장비, 인력 등이 충분치 않고, 정비 목표와 수준이 평시와는 상이하므로 평시 표준정비인시를 직접 적용하는 것은 적절하지 못하기 때문이다. 따라서 본 연구는 전시 표준정비인시 산정을 위해 필요한 데이터를 수집·선별하는 과정과 기준을 제시하고, 표준정비인시 산출 프로세스에서 정비인시 분포의 특징을 분석하여 표준정비인시로서의 대푯값을 선정하는 방법을 제안한다. 제시되는 전시 정비인시 산출 프로세스는 먼저 전시 정비환경을 고려한 기준과 가정사항 등을 반영한 모델을 설계하고, 표준정비인시 도출의 통계적 기법을 결정하며, 전시와 유사한 환경의 평시 정비실적 데이터를 수집하여 기술통계 분석과 정비인시 분포를 추정 및 검증하고 최종적으로 대푯값을 제시하는 방법을 사용한다. 제안된 방법을 토대로 육군이 운용 중인 4개 주요 전투장비의 전시 표준정비인시를 도출하였으며, 해당 장비들의 정비인시 분포가 로그 정규분포를 따르고 있는 것으로 분석되어 신뢰성 있는 결과값을 제시하였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권11호
• /
• pp.21-31
• /
• 2021

최근 코로나(Covid-19)의 영향으로 스마트 헬스케어 관련 산업과 비대면 방식의 원격 진단을 통한 질환 분류 예측 연구의 필요성이 증가하고 있다. 일반적으로 호흡기 질환의 진단은 비용이 많이 들고 숙련된 의료 전문가를 필요로 하여 현실적으로 조기 진단 및 모니터링에 한계가 있다. 따라서, 간단하고 편리한 청진기로부터 수집된 호흡음을 딥러닝 기반 모델을 활용하여 높은 정확도로 분류하고 조기 진단이 필요하다. 본 연구에서는 청진을 통해 수집된 폐음 데이터를 이용하여 이상 호흡음 분류모델을 제안한다. 데이터 전처리로는 대역통과필터(BandPassFilter)방법론을 적용하고 로그 멜 스펙트로그램(Log-Mel Spectrogram)과 Mel Frequency Cepstral Coefficient(MFCC)을 이용하여 폐음의 특징적인 정보를 추출하였다. 추출된 폐음의 특징에 대해서 효과적으로 분류할 수 있는 병렬 합성곱 신경망 네트워크(Parallel CNN network)모델을 제안하고 다양한 머신러닝 분류기(Classifiers)와 결합한 스태킹 앙상블(Stacking Ensemble) 방법론을 이용하여 이상 호흡음을 높은 정확도로 분류하였다. 본 논문에서 제안한 방법은 96.9%의 정확도로 이상 호흡음을 분류하였으며, 기본모델의 결과 대비 정확도가 약 6.1% 향상되었다.

• 천문학회보
• /
• 제45권1호
• /
• pp.56.1-56.1
• /
• 2020

한국의 고문헌 중에는 다양한 고천문 기록들이 한문 형태로 존재하며, 이를 학술적으로 활용하기 위해서는 전문 번역가 투입에 따른 많은 비용과 시간이 요구된다. 이에 인공신경망 기계학습에 의한 인공지능 번역기를 개발하여 비록 초벌 번역 수준일지라도 문장 형태의 한문을 한글로 자동번역해 주는 학술 도구를 소개하고자 한다. 이 자동번역기는 한국천문연구원이 한국정보화진흥원이 주관하는 2019년도 Information and Communication Technology 기반 공공서비스 촉진사업에 한국고전번역원과 공동 참여하여 개발 완료한 것이다. 이 연구는 고천문 도메인에 특화된 인공지능 기계학습용 데이터인 천문 고전 코퍼스를 구축하여 이를 기반으로 천문 고전 특화 자동번역 모델을 개발하고 번역 서비스하는 것을 목적으로 한다. 이를 위해 구축되는 시스템은 크게 세 가지이다. 첫째, 로그인이 필요 없이 누구나 웹 접속을 통해 사용이 가능한 클라우드 기반의 고문헌 자동번역 대국민서비스 시스템이다. 둘째, 참여 기관별로 구축된 코퍼스와 도메인 특화된 번역 모델의 생성 및 관리할 수 있는 클라우드 기반의 대기관 서비스 플랫폼 구축이다. 셋째, 개발된 자동번역 Applied Programmable Interface를 활용한 한국천문연구원 내 자체 서비스가 가능한 AITHA 시스템이다. 연구 결과로서 먼저 구축된 천문 고전 코퍼스 60,760건에 대한 샘플링 검수 결과는 품질 순도 99.9% 이상이다. 아울러 도출된 천문 고전 특화 번역 모델 총 20개 중 대표 모델에 대한 성능 평가 결과는 기계 번역 텍스트 품질 평가 알고리즘인 Bilingual Evaluation Understudy 평가에서 40.02점이며, 전문가에 의한 휴먼 평가에서 5.0 만점 중 4.05점이다. 이는 당초 연구 목표로 삼았던 초벌 번역 수준에 충분하며, 현재 개발된 시스템들은 자체 시험 운영 중이다. 이 연구는 특수 고문헌에 해당되는 고천문 기록들의 번역 장벽을 낮춰 관련 연구자들의 학술적 접근 및 다양한 연구에 도움을 줄 수 있다는 점에서 의의가 있다. 또한 고천문 분야가 인공지능 자동번역 확산 플랫폼 시범의 첫 케이스로써 추후 타 학문 분야 참여 시 시너지 효과도 기대해 볼 수 있다. 고문헌 자동번역기는 점차 더 많은 학습 데이터와 학습량이 쌓일수록 더 좋은 학술 도구로 진화할 것이다.

• 실천공학교육논문지
• /
• 제15권2호
• /
• pp.439 -447
• /
• 2023

본 논문은 메타버스 플랫폼 중 ZEP을 이용하여 최적화한 수업 공간에 대한 맵을 개발하는 것을 목표로 하였다. 연구 방법으로는 기존의 메타버스의 수업 경험을 바탕으로 학습의 주체가 학습자가 되도록 수업 공간을 구성하고, 초등학교 컴퓨터 수업에 적용하면서 수업 공간을 수정·보완하여 최적화하였다. 연구 내용은 학습자의 메타버스에 대한 사전 인식을 조사하였고, 메타버스 플랫폼의 장단점 들을 비교·분석하였다. 또한, 조사 결과를 반영하여 맵을 설계하였고, 설계된 맵을 수업에 적용한 후 필요한 API와 앱을 설치하여 보완하였다. 그 결과 학습자는 메타버스 공간에서 학습의 주체자가 되어 자유롭게 공간을 파악하고, 수업에 적극적으로 참여하였다. 특히, 오프라인에서 소극적인 학생, 실력이 부족하여 참여율이 저조한 학생은 더 적극적으로 참여하였다. 향후, 학습분석을 할 수 있는 학습자의 로그데이터를 수집할 수 있는 기능들을 API와 자바스크립트 프로그램 추가하여 학습자에게는 실시간 피드백이 가능하게 하고, 교수자에게는 통계 데이터를 가지고 학습자에게 피드백을 할 수 있도록 하는 것이다. 만약 이것이 가능하다면 메타버스 공간이 학습자에게는 학습 보조자 역할과 교수자에는 교수 보조자 역할을 충분히 기대할 수 있다.

• 경영정보학연구
• /
• 제22권4호
• /
• pp.75-92
• /
• 2020

인구 및 세대 구조가 변화면서 점차 대면 관계를 꺼리는 고객의 태도 변화가 정보기술의 발달과 스마트폰의 확산으로 더욱 커지고 있다. 이는 정보기술에 익숙해진 현대 고객들의 소비패턴인 효율성 및 신속성과도 부합되는 것으로, 오프라인 망 중심의 유통회사들이 판매 및 서비스 방식을 언택트로 전환하려는 움직임이 활발해지고 있다. 최근 다양한 분야에서 언택트 서비스가 활성화되고 있지만, 뷰티 제품의 경우 고객의 피부타입 및 상태에 따라 제품 선택이 쉽지 않으므로 비대면을 통해 제품을 추천하기가 쉽지 않다. 이와 관련하여 온라인 뷰티 분야에서 제품 추천을 위한 추천시스템 개발 및 추천 관련 연구들이 수행되었지만, 대부분이 설문조사 방법이나 소셜 데이터를 이용하여 추천 알고리즘을 개발한 연구들이었다. 즉, 고객의 피부타입이나 제품 선호도 등의 실제 사용자 정보를 기반으로 세그먼트를 분류한 연구는 부족하였다. 그리하여, 본 연구에서는 뷰티 분야에서의 언택트 서비스 중의 하나인 모바일 애플리케이션의 고객 정보와 검색 로그 데이터를 기반으로 머신러닝 기법의 K-prototypes 알고리즘을 이용하여 고객 세그먼트를 새롭게 분류하고, 이를 기반으로 언택트 마케팅 전략 방안을 제안한다. 본 연구는 머신러닝 기법을 이용하여 새롭게 고객 세그먼트를 분류함으로써 관련 기존 문헌의 범위를 확장하였다. 더불어, 언택트 서비스라는 새로운 소비 트렌드를 반영하여 고객 세그먼트를 분류하고, 이를 기반으로 뷰티 분야의 언택트 서비스에 활용할 수 있는 구체적인 방안을 제시했다는 실무적 의의가 있다.