• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.16 no.5
• /
• pp.953-959
• /
• 2012

There are a number of idle nodes in sensor networks, these can act as detector nodes for anomaly detection in the network. For detecting node selection problem modeled as optimization equation, the conventional method using centralized genetic algorithm was evaluated. In this paper, a method to improve the convergence of the optimal value, while improving energy efficiency as a method of considering the characteristics of the network topology using parallel genetic algorithm is proposed. Through simulation, the proposed method compared with the conventional approaches to the convergence of the optimal value was improved and was found to be energy efficient.

• Journal of Korea Multimedia Society
• /
• v.12 no.5
• /
• pp.728-736
• /
• 2009

We propose a method using the genetic algorithm to solve the maximum set cover problem. It is needed for scheduling the power of sensor nodes in extending the lifetime of the wireless sensor network with variable sensing range. The existing Greedy Heuristic method calculates the power scheduling of sensor nodes repeatedly in the process of operation, and so the communication traffic of sensor nodes is increased. The proposed method reduces the amount of communication traffic of sensor nodes, and so the energies of nodes are saved, and the lifetime of network can be extended. The effectiveness of this method was verified through computer simulation, and considering the energy losses of communication operations about 10% in the network lifetime is improved.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1117-1120
• /
• 2013

사람의 질병은 여러 요인의 복합적인 작용으로 발생하는데 이 중 유전적인 요인에는 유전자 간의 상호작용을 들 수 있다. 마이크로어레이(Microarray) 데이터로부터 유전자의 활성화 및 억제 관계를 밝히려는 다양한 시도는 계속되어왔다. 그러나 마이크로어레이 자체가 갖는 불안정성과 실험조건 수의 제약이 커다란 장애가 되어 왔다. 이에 생물학적 사전 지식을 포함하는 방법들이 제안되었다. 본 논문에서는 질병과 관련된 유전자 간의 상호작용의 집합을 질병 모듈이라 정의하고 이를 유전자 알고리즘으로 학습한 베이지안 네트워크(Bayesian network)로 추론하는 방법을 제안한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.434-437
• /
• 2004

본 논문에서는 유전자 알고리즘에 기반을 둔 자기구성 다항식 뉴럴네트워크(Self-Organizing Polynomial Neural Networks： SOPNN)의 새로운 구조를 제안하고, 포괄적인 설계 방법론을 토의한다. 기존의 자기구성 다항식 뉴럴 네트워크는 확장된 GMDH 방법에 기반을 두며, 네트워크의 성장과정을 통하여 각 충의 다항식 뉴런에서 고정된 노드 입력들의 수 뿐만 아니라 다항식 차수(1차, 2차, 그리고 수정된 2차식)를 이용하였다. 더구나, 그 방법은 학습을 통해 생성된 SOPNN이 최적 네트워크 구조를 가진다는 것을 보증하지 못한다. 그러나, 제안된 GA 기반 SOPNN은 그 구조를 구조적으로 더 최적화된 네트워크가 되도록 하고, 기존의 SOPNN보다 훨씬 더 유연하고, 선호된 뉴럴 네트워크가 되도록 한다. 구조적으로 더 최적화된 SOPNN을 생성하기 위해, SOPNN의 각 단계에서의 GA기반 설계 절차는 SOPNN내에서 이용할 수 있는 다음의 최적 파라미터들- 즉 입력변수의 수, 입력변수, 및 다항식 차수-을 가진 선호된 노드들의 선택으로 이끈다. 하중계수를 가진 합성성능지수가 그 모델의 근사화 및 일반화(예측) 능력 사이의 상호 균형을 얻기 위해 제안된다. 상세 설계 절차가 상세히 토의된다.

• Proceedings of the Korea Contents Association Conference
• /
• 2013.05a
• /
• pp.275-276
• /
• 2013

생명현상은 다양한 단백질들 간의 상호작용으로 외부의 환경에 대처하고 생명유지를 위한 다양한 생화학반응을 수행한다. 이러한 복잡한 생명현상의 과정을 이해하기 위해서 생명과학자들은 유전자 조절네트워크, 신호전달네트워크, 대사네트워크 등 다양한 종류의 네트워크를 모델링하고 있다. 하지만 각각의 모델링방법은 각 분야별로 다양하게 존재하고 있는 실정이다. 본 연구에서는 이러한 다양한 종류의 생물학적 네트워크를 통합적으로 모델링할 수 있는 통합적 모델링 시스템을 설계하고 구현하였다. 특히 신호전달 과정에 대한 블리온 모델링기법, 유전자 발현조절 및 대사과정에 대한 ODE(Ordinary Differential Equation)모델링 그리고 유전적 표현형을 분석할 수 있는 Flux 모델링을 하나의 모델링 시스템에서 설계 하였다. 또한 이 같은 다양한 종류의 모델링을 지원하기 위해서 SBML포멧을 기준으로 가시적인 모델링 시스템을 구현하였다. 특히 연구자가 모델링한 생물학적 모델이 다른 형태의 모델링기법에도 적용될 수 있도록 전환할 수 있도록 하였다. 이러한 통합적인 모델링 시스템은 향후 복잡해지는 생물학적 네트워크를 손쉽게 모델링 할 수 있는 시스템으로 활용될 것이다.

• Journal of KIISE:Information Networking
• /
• v.36 no.5
• /
• pp.413-424
• /
• 2009

Wireless sensor network is based on an event driven system. Sensor nodes collect the events in surrounding environment and the sensing data are relayed into a sink node. In particular, when events are detected, the data sensing periods are likely to be shorter to get the more correct information. However, this operation causes the traffic congestion on the sensor nodes located in a routing path. Since the traffic congestion generates the data queue overflows in sensor nodes, the important information about events could be missed. In addition, since the battery energy of sensor nodes exhausts quickly for treating the traffic congestion, the entire lifetime of wireless sensor networks would be abbreviated. In this paper, a new congestion control method is proposed on the basis of genetic algorithm. To apply genetic algorithm, the data traffic rate of each sensor node is utilized as a chromosome structure. The fitness function of genetic algorithm is designed from both the average and the standard deviation of the traffic rates of sensor nodes. Based on dominant gene sets, the proposed method selects the optimal data forwarding sensor nodes for relieving the traffic congestion. In experiments, when compared with other methods to handle the traffic congestion, the proposed method shows the efficient data transmissions due to much less queue overflows and supports the fair data transmission between all sensor nodes as possible. This result not only enhances the reliability of data transmission but also distributes the energy consumptions across the network. It contributes directly to the extension of total lifetime of wireless sensor networks.

• Journal of the Institute of Convergence Signal Processing
• /
• v.9 no.1
• /
• pp.39-45
• /
• 2008

This paper considers the multi-objective optimization of a multi-service arrayed waveguide grating-based single-hop WDM network with the two conflicting objectives of maximizing throughput while minimizing delay. This paper presents a genetic algorithm based methodology for finding the optimal throughput-delay tradeoff curve, the so-called Pareto-optimal frontier. Genetic algorithm based methodology provides the network architecture parameters and the Medium Access Control protocol parameters that achieve the Pareto-optima in a computationally efficient manner. The numerical results obtained with this methodology provide the Pareto-optimal network planning and operation solution for a wide range of traffic scenarios. The presented methodology is applicable to other networks with a similar throughput-delay tradeoff.

• Journal of Life Science
• /
• v.30 no.1
• /
• pp.45-57
• /
• 2020

The prenatal period in livestock animals is crucial for meat production because net increase in the number of muscle fibers is finished before birth. However, there is no study on the growth and development mechanism of muscles in Hanwoo during this period. Therefore, to find candidate genes involved in muscle growth and development during this period in Hanwoo, mRNA expression data of longissimus in Hanwoo at 6 and 9 months post-conceptional age (MPA) were analyzed. We independently identified differentially expressed genes (DEGs) using DESeq2 and edgeR which are R software packages, and considered the overlaps of the results as final-DEGs to use in downstream analysis. The DEGs were classified into several modules using WGCNA then the modules' functions were analyzed to identify modules which involved in myogenesis and adipogenesis. Finally, the hub genes which had the highest WGCNA module membership among the top 10% genes of the STRING network maximal clique centrality were identified. 913(6 MPA specific DEGs) and 233(9 MPA specific DEGs) DEGs were figured out, and these were classified into five and two modules, respectively. Two of the identified modules'(one was in 6, and another was in 9 MPA specific modules) functions was found to be related to myogenesis and adipogenesis. One of the hub genes belonging to the 6 MPA specific module was axin1 (AXIN1) which is known as an inhibitor of Wnt signaling pathway, another was succinate-CoA ligase ADP-forming beta subunit (SUCLA2) which is known as a crucial component of citrate cycle.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.303-306
• /
• 2004

기존의 퍼지 규칙에 기반을 둔 퍼지 다항식 뉴론(FPN)들로 구성된 SOFPNN은 데이터 수가 적고 비선형 요소가 많은 시스템에 대한 체계적이고 효율적인 최적 모델 을 구축할 수 있었으며 각 층 노드의 선택 입력을 변화시킴으로써 네트워크 구조 전체의 적응능력을 향상 시켰다. 유전자 알고리즘을 이용하여 자기구성 퍼지 다항식 뉴럴 네트워크의 입력변수의 수와 이에 해당되는 입력변수 그리고 규칙 후반부 다항식의 차수를 탐색하여 최적 의 자기구성 퍼지 다항식 뉴럴 네트워크를 구축한다. 그러나, SOFPNN의 기본 뉴론인 퍼지 규칙 기반 다항식 뉴론의 경우 입력변수가 많아질수록 규칙수가 기하급수적으로 증가한다는 단점을 가지고 있으나 본 노문에서 제안한 퍼지 집합 기반 다항식 뉴론(FSPN)의 규칙수는 입력 변수들이 서로 독립적이므로 규칙의 증가가 퍼지 규칙 기반 다항식 뉴런보다는 적다는 장점을 가지고 있다. 이러한 특성을 기반으로 기존의 SOFPNN의 노드에 퍼지 규칙 기반 다항식 뉴런 대신에 퍼지 집합 기반 다항식 뉴런을 적용한 SOFPNN을 제안하여 기존의 SOFPNN과 성능을 비교하였다. 최적의 자기 구성 퍼지 집합기반 다항식 뉴럴 네트워크를 구축하기 위하여 SOFPNN에서처럼 유전자 알고리즘을 이용하여 네트워크의 입력변수의 수와 이에 해당되는 입력변수 그리고 규칙 후반부 다항식의 차수를 탐색하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.411-414
• /
• 2008

본 논문에서는 다중 출력을 가지는 퍼지 집합 기반 퍼지뉴럴네크워크(Fuzzy-Nueral Network; FNN)를 설계한다. 퍼지 집한 기반 퍼지뉴럴네트워크는 각 입력 변수에 따른 개별적인 입력 공간을 공간 분할함으로서 네트워크를 구성한다. 규칙의 전반부는 앞서 언급한 개별적인 입력 공간을 분할하여 표현하고, 규칙의 후반부는 다항식으로서 표현되며 오류역전파 알고리즘을 이용하여 연결가중치인 후반부 다항식의 계수를 학습한다. 또한, 각 입력에 대한 전반부 멤버쉽 함수의 정점과 학습률 및 모멤텀 계수를 유전자 알고리즘을 이용하여 최적 동조한다. 따라서 유전자 알고리즘을 이용하여 퍼지뉴럴네트워크를 최적 설계한다. 제안된 네트워크는 초고압 XLPE 케이블 절연접속함의 모의결함에 대해 부분방전 신호를 패턴인식한다. 부분방전 신호는 PRPDA 방법을 통해 200개의 입력 벡터와 4개의 출력 벡터를 가지며, 보이드 방전, 코로나 방전, 표면 방전, 노이즈의 4개 클래스를 분류한다.