• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.387-390
• /
• 2006

TinyOS 기반 무선 센서 노드를 사용한 실시간 계측 데이터 측정 및 제어 기술은 특히 홈 네트워크 분야에 널리 적용되고 있다. 본 논문에서는 ATMegal128L을 장착한 최소 8대 이상의 Micaz Mote 센서 노드 모듈을 사용하여 각 방의 노도 값을 실시간 측정하는 시스템을 구현하였다. 특히 TinyOS에서 제공되는 OscilloscopeRF의 메시지 구조를 분석하여, 각 노드의 ID 및 계측 데이터를 추출하였다. 또한 이렇게 추출된 계측 데이터를 센서 네트워크의 싱크 노드로부터 데이터 통제 센터(Doc)로 효율적으로 전송하기 위한 TCP 기반 네트워크 프로그래밍을 구현하였다. 실험 결과 센서 노드 수 및 샘플링 주기에 상관없이 안정적으로 계측 데이터 수신이 이루어짐을 확인하였다. 한편, IEEE802.11a/g 기반 무선 네트워크를 통해 실시간 계측 상황을 휴대용 단말기인 PDA에서 확인할 수 있도록 이를 구현하였다.

• Proceedings of the KIPE Conference
• /
• 2013.11a
• /
• pp.19-20
• /
• 2013

3상 250레벨의 MMC형 HVDC시스템의 구현에서는 한 개의 상마다 500여개의 SM(sub module)이 필요하게 되고 MM(master module)에서 10Khz의 샘플링을 처리한다고 하면 100us동안에 500여개의 SM에서 각종 데이터를 받아서 처리한 후에 다시 SM에 처리된 정보를 전송해 줘야한다. 따라서 SM에서 데이터를 받고 전송하는데 따른 100us 동안의 필요한 처리양과 네트워크의 속도 및 오버헤드(overhead)등의 구성과 토포로지에 관해 알아보았고, 이를 적용하여 멀티레벨의 HVDC에 필요한 데이터 네트워크에의 전송량 계산에 대한 소프트웨어를 제작하여 손쉽게 설계할 수 있도록 하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.317-319
• /
• 2024

본 논문에서는 비디오 캡셔닝 알고리즘을 적용한 수어 번역 및 행동 인식 알고리즘을 적용한 수어 인식 알고리즘을 제안한다. 본 논문에 사용된 비디오 캡셔닝 알고리즘으로 40개의 연속된 입력 데이터 프레임을 CNN 네트워크를 통해 임베딩 하고 트랜스포머의 입력으로 하여 문장을 출력하였다. 행동 인식 알고리즘은 랜덤 샘플링을 하여 한 영상에 40개의 인덱스에서 40개의 연속된 데이터에 CNN 네트워크를 통해 임베딩하고 GRU, 트랜스포머를 결합한 RNN 모델을 통해 인식 결과를 출력하였다. 수어 번역에서 BLEU-4의 경우 7.85, CIDEr는 53.12를 얻었고 수어 인식으로 96.26%의 인식 정확도를 얻었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04d
• /
• pp.277-279
• /
• 2003

본 논문에서는 편재 컴퓨팅(ubiquitous and pervasive computing) 환경에 입력 시스템으로 사용하는 센서 네트워크에서 측정한 데이터의 품질 (sampling rate and quantization depth) 을 보증하며 네트워크 트래픽 또는 소모전력과 같은 비용을 최소화하기 위한 방법으로, 휴리스틱 알고리즘에 의한 비주기적 샘플링과 신뢰성 있는 전송규약을 사용하는 비주기적 전송방식을 제안한다. 그리고 제안한 비주기적 전송방식에 핵심기술인 신뢰성 있는 전송 규약의 비용을 최적화하기 위한 방법으로 ACK방식과 NACK방식을 패킷 에러율과 동일한 라우터를 사용하는 이웃 노드의 수와 같은 네트워크 상황에 따라 상보적으로 사용하는 상보적 방식(alternative method)을 제안하고, 전체 통신규약을 설계하며, 해석을 통해 성능을 분석하고, 네트워크 상태에 따라 두 방식의 성능상의 우열이 전환되는 전환점을 유도한다. 제안하는 상보형 신뢰성 있는 전송규약은 전체 센서 네트워크에서 처리되는 패킷의 비트 수를 최소화해, 각 노드의 총 전력 소모의 20-60%를 차지하는 통신모듈의 소비 전력을 줄일 수 있어 전력소모를 크게 개선 할 수 있다. 나아가서 다양한 센서 네트워크에서 설계한 전송규약을 바탕으로 하는 제안하는 비주기적 전송방식을 활용한다면 최적의 비용으로 측정하는 데이터의 품질을 보증할 수 있다.

• Journal of the Korea Computer Graphics Society
• /
• v.27 no.5
• /
• pp.33-43
• /
• 2021

In this paper, we propose a framework that transfers the information of style motions to content motions based on a variational autoencoder network combined with a style encoding in the latent space. Because we transfer a style to a content motion that is sampled from a variational autoencoder, we can increase the diversity of existing motion data. In addition, we can improve the unnatural motions caused by decoding a new latent variable from style transfer. That improvement was achieved by additionally using the velocity information of motions when generating next frames.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.53 no.7
• /
• pp.17-26
• /
• 2016

This work proposes a 12b 60MS/s 0.18um CMOS Flash-SAR ADC for various systems such as wireless communications and portable video processing systems. The proposed Flash-SAR ADC alleviates the weakness of a conventional SAR ADC that the operation speed proportionally increases with a resolution by deciding upper 4bits first with a high-speed flash ADC before deciding lower 9bits with a low-power SAR ADC. The proposed ADC removes a sampling-time mismatch by using the C-R DAC in the SAR ADC as the combined sampling network instead of a T/H circuit which restricts a high speed operation. An interpolation technique implemented in the flash ADC halves the required number of pre-amplifiers, while a switched-bias power reduction scheme minimizes the power consumption of the flash ADC during the SAR operation. The TSPC based D-flip flop in the SAR logic for high-speed operation reduces the propagation delay by 55% and the required number of transistors by half compared to the conventional static D-flip flop. The prototype ADC in a 0.18um CMOS demonstrates a measured DNL and INL within 1.33LSB and 1.90LSB, with a maximum SNDR and SFDR of 58.27dB and 69.29dB at 60MS/s, respectively. The ADC occupies an active die area of $0.54mm^2$ and consumes 5.4mW at a 1.8V supply.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.505-508
• /
• 2024

금융산업의 디지털 전환은 사용자에게 편리함을 제공하지만 기존에 존재하지 않던 보안상 취약점을 유발했다. 이러한 문제를 해결하기 위해 기계학습 기술을 적용한 사기 거래 탐지 시스템에 대한 연구가 활발하게 이루어지고 있다. 하지만 모델 학습 과정에서 발생하는 데이터 불균형 문제로 인해 오랜 시간이 소요되고 탐지 성능이 저하되는 문제가 있다. 본 논문에서는 실시간 데이터 오버 샘플링을 통해 이상 거래 탐지 시 데이터 불균형 문제를 해결하고 모델 학습 시간을 개선한 새로운 이상 거래 탐지 시스템(Fraud Detection System, FDS)을 제안한다. 본 논문에서 제안하는 SMOTE(Synthetic Minority Oversampling Technique)를 적용한 LSTM(Long-Short Term Memory) 알고리즘 기반의 FDS 프레임워크는 종래의 LSTM 알고리즘 기반의 FDS 모델과 비교했을 때, 데이터 사이즈가 96.5% 감소했으며, 정밀도, 재현율, F1-Score 가 34.81%, 11.14%, 22.51% 개선되었다.

• Smart Media Journal
• /
• v.12 no.1
• /
• pp.9-16
• /
• 2023

Recently, a convolutional neural network (CNN) based system is being developed to overcome the limitations of human resources in the apple quality classification of farmhouse. However, since convolutional neural networks receive only images of the same size, preprocessing such as sampling may be required, and in the case of oversampling, information loss of the original image such as image quality degradation and blurring occurs. In this paper, in order to minimize the above problem, to generate a image patch based graph of an original image and propose a random walk-based positional encoding method to apply the graph transformer model. The above method continuously learns the position embedding information of patches which don't have a positional information based on the random walk algorithm, and finds the optimal graph structure by aggregating useful node information through the self-attention technique of graph transformer model. Therefore, it is robust and shows good performance even in a new graph structure of random node order and an arbitrary graph structure according to the location of an object in an image. As a result, when experimented with 5 apple quality datasets, the learning accuracy was higher than other GNN models by a minimum of 1.3% to a maximum of 4.7%, and the number of parameters was 3.59M, which was about 15% less than the 23.52M of the ResNet18 model. Therefore, it shows fast reasoning speed according to the reduction of the amount of computation and proves the effect.

• Investigative Magnetic Resonance Imaging
• /
• v.14 no.1
• /
• pp.10-20
• /
• 2010

Purpose : Recently, the Recon Challenge at the 2009 ISMRM workshop on Data Sampling and Image Reconstruction at Sedona, Arizona was held to evaluate feasibility of highly accelerated acquisition of time resolved contrast enhanced MR angiography. This paper provides the step-by-step description of the winning results of k-t FOCUSS in this competition. Materials and Methods : In previous works, we proved that k-t FOCUSS algorithm successfully solves the compressed sensing problem even for less sparse cardiac cine applications. Therefore, using k-t FOCUSS, very accurate time resolved contrast enhanced MR angiography can be reconstructed. Accelerated radial trajectory data were synthetized from X-ray cerebral angiography images and provided by the organizing committee, and radiologists double blindly evaluated each reconstruction result with respect to the ground-truth data. Results : The reconstructed results at various acceleration factors demonstrate that each components of compressed sensing, such as sparsifying transform and incoherent sampling patterns, etc can have profound effects on the final reconstruction results. Conclusion : From reconstructed results, we see that the compressed sensing dynamic MR imaging algorithm, k-t FOCUSS enables high resolution time resolved contrast enhanced MR angiography.

• Journal of Convergence for Information Technology
• /
• v.12 no.1
• /
• pp.31-38
• /
• 2022

This paper applies an expert independent unsupervised neural network learning-based multivariate time series data analysis model, MSCRED(Multi-Scale Convolutional Recurrent Encoder-Decoder), and to overcome the limitation, because the MCRED is based on Auto-encoder model, that train data must not to be contaminated, by using learning data sampling technique, called Subset Sampling Validation. By using the vibration data of power plant equipment that has been labeled, the classification performance of MSCRED is evaluated with the Anomaly Score in many cases, 1) the abnormal data is mixed with the training data 2) when the abnormal data is removed from the training data in case 1. Through this, this paper presents an expert-independent anomaly diagnosis framework that is strong against error data, and presents a concise and accurate solution in various fields of multivariate time series data.