• 한국전산구조공학회논문집
• /
• 제22권5호
• /
• pp.381-390
• /
• 2009

본 논문에서는 중수로(CANDU Reactor)에서 배출되는 고준위폐기물을 지하 500m의 화강암 암반의 처분장에 장기간(약 10,000년 동안) 처분하기 위하여 여러 구조적 안전성 평가 수행을 통하여 개발된 처분용기에 대하여 구조적 안전성 평가 보완 해석을 수행하였다. 기존에 설계된 중수로용 처분용기 모델은 내부에 33개의 고준위 폐기물 다발을 직경 122cm의 원통형 처분용기가 지탱하는 구조물로 구조적 안전성은 문제가 없으나 너무 무거운 단점이 지적되었다. 따라서 구조적 안전성을 유지하면서 좀 더 경량화 된 처분용기모델을 개발하는 것이 요구된다. 중수로 처분용기모델을 경량화하는 방법에는 두 가지가 있는데, 첫째는 외력조건 및 안전계수 등에 대한 조건을 완화하는 방법이고, 둘째는 중수로 처분용기내의 고준위폐기물다발의 개수를 줄여 구조물 단면 형상을 최적화시키는 방법이다. 따라서 본 논문에서는 기존의 처분용기 개발 시 적용된 외력조건 등에 대한 조건들을 완화하여 설계 완성된 기존의 처분용기에 대하여 외력 조건 및 용기의 재원(직경 등) 들을 변화시키면서 구조해석을 재수행하고, 동시에 기존 33개의 고준위폐기물 다발의 개수를 줄여서 용기의 여러 재원에 대하여 구조해석을 수행하여 최적의 경량화된 단면형상을 도출하였다. 이를 바탕으로 외력 조건에 따른 처분용기의 재원 등을 재산출하였다. 보완 해석결과 기존의 122cm의 처분용기의 직경을 줄여 경량화시킬 수 있음이 확인되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.530-531
• /
• 2023

딥러닝에서 지식 증류 기법은 큰 모델의 지식을 작은 모델로 전달하여 작은 모델의 성능을 개선하는 방식이다. 지식 증류 기법은 모델 경량화, 학습 속도 향상, 학습 정확도 향상 등에 활용될 수 있는데, 교사 모델이라 불리는 큰 모델은 일반적으로 학습된 딥러닝 모델을 사용한다. 본 연구에서는 학습된 딥러닝 모델 대신에 수치 기반 시뮬레이션 모델을 사용함으로써 어떠한 효과가 있는지 검증하였으며, 수치 모델을 활용한 기상 예측 모델에서의 지식 증류는 기존 단독 딥러닝 모델 학습 대비 더 작은 학습 횟수(epoch)에서도 동일한 에러 수준(RMSE)까지 도달하여, 학습 속도 측면에서 이득이 있음을 확인하였다.

• 전기전자학회논문지
• /
• 제28권2호
• /
• pp.168-173
• /
• 2024

화자인식은 개개인마다 다른 음성 주파수를 분석하여 미리 저장된 음성과 비교해 본인 여부를 판단하는 하나의 기술을 의미한다. 딥러닝 기반의 화자인식은 여러 분야에 적용되고 있으며, 펫 로봇도 그 중 하나이다. 하지만 펫 로봇의 하드웨어 성능은 딥러닝 기술의 많은 메모리 공간과 연산에 있어 매우 제한적인 상황이다. 이는 펫 로봇이 사용자와 실시간 상호작용에 있어 해결해야 할 중요한 문제점이다. 딥러닝 모델의 경량화는 위와 같은 문제를 해결하기 위한 하나의 중요한 방법으로 자리하였으며, 최근 많은 연구가 진행되고 있다. 이 논문에서는 특정한 명령어 형태인 펫 로봇용 음성 데이터 세트를 구축하고 잔차(Residual)를 활용한 모델들의 결과를 비교해 펫 로봇용 화자인식의 경량화 연구의 결과를 서술하며, 결론에서는 제안한 방법에 대한 결과와 향후 연구방안에 대해 서술한다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2010년도 추계학술대회 논문집
• /
• pp.923-924
• /
• 2010

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.51-54
• /
• 2024

본 논문에서는 온 디바이스 국방 AI를 위한 효율적인 학습 방법을 제안한다. 제안하는 방법은 모델 전체를 재학습하는 대신 필요한 부분만 세밀하게 조정하여 계산 비용과 시간을 대폭 줄이는 PEFT 기법의 LoRa를 적용하였다. LoRa는 기존의 신경망 가중치를 직접 수정하지 않고 추가적인 낮은 랭크의 매트릭스를 학습하는 방식으로 기존 모델의 구조를 크게 변경하지 않으면서도, 효율적으로 새로운 작업에 적응할 수 있다. 또한 학습 파라미터 및 연산 입출력에 데이터에 대하여 32비트의 부동소수점(FP32) 대신 부동소수점(FP16, FP8) 또는 정수형(INT8)을 활용하는 경량화 기법인 양자화도 적용하였다. 적용 결과 학습시 요구되는 GPU의 사용량이 32GB에서 5.7GB로 82.19% 감소함을 확인하였다. 동일한 조건에서 동일한 데이터로 모델의 성능을 평가한 결과 동일 학습 횟수에선 LoRa와 양자화가 적용된 모델의 오류가 기본 모델보다 53.34% 증가함을 확인하였다. 모델 성능의 감소를 줄이기 위해서는 학습 횟수를 더 증가시킨 결과 오류 증가율이 29.29%로 동일 학습 횟수보다 더 줄어듬을 확인하였다.

• 한국항공우주학회지
• /
• 제33권5호
• /
• pp.93-98
• /
• 2005

과학기술위성 2호 시스템 내의 각 전자 유닛(Unit)의 상태 정보를 원격검침(Telemetry)하고 원격명령(Telecommand) 내릴 수 있는 원격검침-명령 유닛(Telemetry-Command Unit, TCU)의 시험모델(Engineering Model, EM)의 개발을 완료하고 동작시험 결과를 제시하였다. TCU는 과학기술위성 1호와는 다르게 CPU가 없이 FPGA 만으로 구현하여 소형화, 경량화 및 저 전력화를 실현하고 기술 집약화를 이루었다. 본 논문에서는 TCU의 개념 설계를 소개하고 구현결과를 제시한다.

• 스마트미디어저널
• /
• 제13권6호
• /
• pp.16-23
• /
• 2024

돼지는 꿀꿀거림, 기침, 비명과 같은 다양한 소리로 환경에 대한 반응과 건강 상태를 나타낸다. 돼지 음성의 중요성으로 최근 들어 돼지의 음성은 축산업 종사자에게 매우 중요한 데이터로 활발하게 연구되고 있다. 이를 위해 돼지의 음성 패턴을 분석하여 농장 소음 속에서 돼지의 음성을 구분하고 음성과 기침 소리를 구분하는 경량화 MobileNet 모델을 제안한다. 이 MobileNet은 돈사 내에서 다양한 배경 잡음, 기침 소리 등의 다양한 소리 속에서 돼지의 음성만을 정밀하게 구분하고 분석할 수 있었다. 테스트 결과, 이 모델은 98.2%의 높은 정확도를 보여주었다. 이러한 결과를 바탕으로 향후 연구에서는 돼지의 감정 분석, 스트레스 파악 등의 문제 해결을 기대한다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2011년도 정기총회 및 추계학술대회 논문집
• /
• pp.1381-1388
• /
• 2011

최근 국제적으로 철도차량의 경량화 및 안전규제 강화에 따라 철도 경량화 및 안전도 향상 기술이 요구되고 있다. 철도차량에서 고상 홈으로 승객들이 이동하기 위해 고안된 슬라이드방식의 스텝은 철도차량에서 중요한 부품으로 인식되고 있으나 높은 단가와 중량으로 인해 적용이 제한적이다. 본 연구에서는 철도차량에 적용하기 위해 단가 및 중량을 줄이기 위한 방안으로 슬라이딩 스텝을 최적화하여 재설계하였다. 재설계한 슬라이드 방식의 스텝에 대해 해석을 통해 취약한 부분의 부품을 시험을 통해 철도차량용 부품에 적용 가능한지 알아보고자 한다. 슬라이딩 스텝에서 경량화 및 고 하중에 잘 견디기위한 재료로 하니컴코아를 선정하여 기존의 스테인레스(STS304)과 열가소성 접착제를 이종 접합하여 샌드위치 구조의 하니컴판넬을 제작하였다. 시험 결과 경량화 및 높은 하중에 견딜 수 있는 소재임을 확인 하였으며 본 시험 결과를 바탕으로 스텝들에 하니컴판넬을 적용하여 저상고상 철도차량용 승강시스템 스텝에 최적화된 설계를 도출해 낼 수 있었다.

• 융합신호처리학회논문지
• /
• 제22권3호
• /
• pp.99-103
• /
• 2021

최근 CNN(Convolutional Neural Network)이 다양한 컴퓨터 비전 분야에서 우수한 성능으로 널리 사용되고 있다. 그러나 CNN은 계산 집약적이고 많은 메모리가 요구되어 한정적인 하드웨어 자원을 가지는 모바일이나 IoT(Internet of Things) 기기에 적용하기 어렵다. 이런 한계를 해결하기 위해, 기존의 학습된 모델의 성능을 최대한 유지하며 네트워크의 크기를 줄이는 인공신경망 경량화 연구가 진행되고 있다. 본 논문은 신경망 압축 기술 중 하나인 프루닝(Pruning)의 문턱값을 동적으로 조정하는 CNN 압축 기법을 제안한다. 프루닝될 가중치를 결정하는 문턱값을 실험적, 경험적으로 정하는 기존의 기술과 달리 정확도의 저하를 방지하는 최적의 문턱값을 동적으로 찾을 수 있으며, 경량화된 신경망을 얻는 시간을 단축할 수 있다. 제안 기법의 성능 검증을 위해 MNIST 데이터 셋을 사용하여 LeNet을 훈련시켰으며, 정확도 손실 없이 약 1.3 ~ 3배의 시간을 단축하여 경량화된 LeNet을 얻을 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 추계학술대회
• /
• pp.44-45
• /
• 2019

최근 CNN 등 인공신경망은 최근 이미지 분류, 객체 인식, 자연어 처리 등 다양한 분야에서 뛰어난 성능을 보이고 있다. 그러나, 대부분의 분야에서 보다 더 높은 성능을 얻기 위해 사용한 인공신경망 모델들은 파라미터 수 및 연산량 등이 방대하여, 모바일 및 IoT 디바이스 같은 연산량이나 메모리가 제한된 환경에서 추론하기에는 제한적이다. 따라서 연산량 및 모델 파라미터 수를 압축하기 위한 딥러닝 경량화 알고리즘이 연구되고 있다. 본 논문에서는 임베디트 보드에서의 압축된 CNN 모델의 성능을 검증한다. 인공지능 지원 맞춤형 칩인 QCS605 를 내장한 임베디드 보드에서 카메라로 입력한 영상에 대해서 원 CNN 모델과 압축된 CNN 모델의 분류 성능과 동작속도 비교 분석한다. 본 논문의 실험에서는 CNN 모델로 MobileNetV2, VGG16 을 사용했으며, 주어진 모델에서 가지치기(pruning) 기법, 양자화, 행렬 분해 등의 인공신경망 압축 기술을 적용하였을 때 원래의 모델 대비 추론 시간 및 분류의 정확도 성능을 분석하고 인공신경망 압축 기술의 유용성을 확인하였다.