• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10c
• /
• pp.34-36
• /
• 2001

상위 수준 합성 과정에서 스케줄링은 하드웨어 동작을 표현한 연산들이 주어진 제약 조건을 만족하며 최적의 제어단계에 배정되도록 하는 과정이며 스케줄 결과는 목적 하드웨어의 면적과 실행속도에 많은 영향을 준다. 파이프 라인은 순차적인 데이터 입력을 중첩 수행하여 실행 속도와 자원 이용률을 동시에 증가시키는 방법이다. 상위 수준에서 파이프라인 데이터 패스를 합성하기 위한 기존의 스케줄링 알고리즘들은 고정된 데이터 입력 간 격열을 기반으로 제안된 것이 대부분이며, 가변 데이터 입력 간격을 지원하는 스케줄링 알고리즘으로는 시간 제약 하의 자원최소화 알고리즘[5]이 제안되었다. 본 논문에서는 가변데이터 입력 간격을 지원하는 자원 제약하의 실행 시간 최소화 알고리즘을 제안한다. 이를 위해 연산의 스테이지 인덱스가 초기에 고정되는 시간제약하의 스케줄링 알고리즘[5]을 응용하여 자원제약하의 스케줄 진행과정에서 증가되는 제어단계에 따라 스테이지 인덱스가 변경 될 수 있도록 하고 점진적인 모빌리티 축소에 의해 스케줄한다. 제안된 스케줄링 알고리즘의 실험 결과는 다양한 자원제약과 입력 간격렬에 대하여 제약조건을 만족하는 효과적인 스케줄 결과를 유도한다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2011.04a
• /
• pp.250-257
• /
• 2011

The power input to an infinite cylindrical shell excited by a point force is investigated. The circumferential direction and axial direction of the cylindrical shell is assumed as a two-dimensional unbounded medium, and the point force is replaced as a periodic array of imaginary sources. The spatial Fourier transform is taken from the equation of motion of the cylindrical shell, which is derived from the static model of Donell-Mushtari-Vlasov. The inverse Fourier transform is taken to derive the vibration responses. Mobility from out-of-plane forces and in-plane forces are derived from the obtained vibration responses. The theory is applied to a cylindrical shell excited by a normal direction of point force.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2007.05a
• /
• pp.901-904
• /
• 2007

The power flow analysis (PFA) can be effectively used to predict structural vibration in medium-to-high frequency ranges. In this paper, vibration experiments have been performed to observe the analytical characteristics of the power flow analysis of the vibration of various coupled plates. Those plates include two plates coupled with angles of $90^{\circ}$\;and\;30^{\circ}$, respectively. In the experiment, the loss factor and the input mobility at a source point on each coupled plate have been measured. The data for the loss factors have been used as the input data to predict the vibration of the coupled plates with PFA. The frequency response functions have been measured over the surface of the coupled plates. The comparison between the experimental results and the predicted PFA results for the frequency response functions has been performed.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.12 no.6
• /
• pp.1167-1172
• /
• 2017

Desktop computers, which were the main means of Internet use and information activity, were pushed out by smart devices that emphasized mobility and simplicity. The recent information production and consumption activities are performed through smart devices, but there is no input device for smart devices that can fully replace traditional input devices such as full-size PC compatible keyboards. Because of the small size of the virtual keyboard that uses the touch screen of the smart device, typographical error occurs at a high rate. In this paper, we propose a variable virtual keyboard that minimizes the typographical errors of the conventional virtual keyboards. The proposed method minimizes the user 's input error by adjusting the size of each key of the virtual keyboard based on accumulated dataset of position and pressure of the user' s input error even though there is no difference in the key position arrangement of the conventional virtual keyboards.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 1996.10a
• /
• pp.113-117
• /
• 1996

구조물의 진동에 의해 소음이 방사되는 현상은 기계에서 소음의 발생원으로 볼 수 있기 때문에 기게류의 소음을 예측하거나 저감방안을 제시하기 위해서는 구조물의 동특성과 방사특성을 이해하고 있어야 한다. 특히, 엔진블럭, 펀치프레스, 배의 갑판구조물등과 같은 대다수의 소음 발생기계는 평판의 형상을 가진 구조물로서 기계적인 충격 등에 의해 그 표면에서 소음이 발생되므로 강성을 증가시키고, 소음저감을 목적으로 빔과 같은 보강재를 통해 보강되어 있다. 그런데, 해석적인 방법으로는 평판이나 원판 또는 구와 같은 단순한 형태의 특정구조물에 대해서만 그 결과를 얻을 수 있으므로 이와 같은 불연속 평판구조물의 진동 및 방사특성은 평판에 대한 순수 이론으로는 해석이 곤란하여 따라서 본 연구에서는 수치해석적인 방법을 통해 이를 해결하고자 하였다. 수치해석적인 방법으로는 유한요소법(FEM)과 경계요소법(BEM), 및 통계적 에너지 해석기법(SEA)등이 있으며 구조물의 진동-소음연성문제의 경우에 있어서는, 진동해석을 FEM과 SEA으로, 공기 중에서의 방사현상은 BEM으로 예측하고 있다. 본 연구에서는 재질이 균일한 얇은 2차원 평판구조와 보강평판에 대해서 진동특성은 유한요소해석 프로그램을 사용하여 해석하였으며 이때의 진동특성값을 입력데이터로 사용하여 경계요소해석 프로그램으로 방사효율 등을 예측하였다. 또한 이 과정에서 2차원 평판구조의 모우드 밀도와 가진점 모빌리티의 실수값이 가지는 평균치의 물리적 특성을 분석하였으며, 추후 실험을 통해 이를 검증코자 한다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.22 no.1
• /
• pp.81-92
• /
• 2023

Traffic state classification is crucial for time-of-day (TOD) traffic signal control. This paper proposed a traffic state classification technique applying Deep-Embedded Clustering (DEC) method that uses a high dimensional traffic data observed at all signalized intersections in a traffic signal control sub area (SA). So far, signal timing plan has been determined based on the traffic data observed at the critical intersection in SA. The current method has a limitation that it cannot consider a comprehensive traffic situation in SA. The proposed method alleviates the curse of dimensionality and turns out to overcome the shortcomings of the current signal timing plan.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 1993.04a
• /
• pp.40-45
• /
• 1993

일반적으로 건물 구조물에 전달되는 기계진동을 감소시키기 위해서 기계와 기초사이에 유연한 방진소자를 삽입하여 기계가진력(exciting force)의 전달 률을 줄인다. 또한 구조물의 고유진동수와 진동원의 가진주파수가 일치할 경 우, 가진주파수를 변화시키거나, 구조물의 동특성을 변화시키는 방법을 사용 한다. 어떠한 방안을 선택하든 효과적이고 정량적인 방진 시스템을 구성하고 구조물의 정확한 진동상태를 예측하기 위해서는 진동원의 가진특성과 구조 물의 동특성에 대한 정보가 요구된다. 일반적으로 방진설계를 위해 필요한 진동원의 가진특성은 제조회사의 사양이나 측정을 통하여 비교적 쉽게 얻을 수 있다. 복합재료, 다양한 경계조건, 복잡한 대형구조물등은 수치해석을 이 용하여 해석적인 방법으로 동특성을 구할 경우, 신뢰성 있는 정보를 얻기에 는 많은 노력이 요구된다. 더우기 현장에서 발생하는 진동문제는 대부분 복 잡하고 시간적으로 시급히 해결해야 하기 때문에 효율적인 절차를 구성하여 구조물의 동특성을 해석하는 방법을 사용할 필요가 있다. 구조물의 동특성은 실험적인 방법을 통하여 구하고 그 외의 필요한 계산들은 해석을 통하여 얻 는 것이 효율적일 수 있다. 실험적 동특성해석은 입력하중에 대한 응답의 크 기와 위상 비를 주파수별로 나타내는 전달함수를 측정하는 방법으로서 가진 장치 및 여러 측정/분석 장비가 필요하며, 철교, 교량, 건물의 철골 및 콘크 리트 슬라브등 다양한 중대형의 구조물을 Signal/Noise비가 좋도록 가진 시 켜야 할 필요성이 있다. 본 연구에서는 이러한 실험적 방법의 현장 적응성과 신뢰성을 확보하기 위해 대형충격기(large impact hammer, max, peak force 약 10000N, time duration 약 20ms)를 제작하고 실험/분석 시스템 및 구조물 의 진동제어를 위한 절차를 Fig.1과 같이 구성하고 이를 철근콘크리트 건물 에 설치한 기계식 주차설비의 진동제어에 적용하였다.force response simulation)를 수행하여 임의의 좌표 공간에 대한 진동수준을 해석적으로 예측할 뿐만 아니라 구조물의 진동제어 를 위한 동적인자를 변경시킬 수 있는 정보를 제공하며 장비를 방진할 경우 신뢰성 있는 전달률을 결정할 수 있다. 실험적으로 철교, 교량이나 건물의 철골구조 및 2층 바닥 등 대,중형의 복잡한 구조물에 대항 동특성을 나타내 는 모빌리티를 결정할 경우 충격 가진 실험이 사용되는 실험장비 측면에서 나 실험을 수행하는 과정이 대체적으로 간편하다. 그러나 이 경우 대상 구조 물을 충분히 가진시킬수 있는 용량의 대형 충격기(large impact hammer)가 필요하게 된다. 이러한 동적실험은 약 길이 61m, 폭 16m의 4경간 교량에 대 하여 동적실험을 수행하여 가능성을 확인하였다. 여기서는 실험실 수준의 평 판모델을 제작하고 실제 현장에서 이루어질 수 있는 진동제어 구조물에 대 한 동적실험 및 FRS를 수행하는 과정과 동일하게 따름으로써 실제 발생할 수 있는 오차나 error를 실험실내의 차원에서 파악하여 진동원을 있는 구조 물에 대한 진동제어기술을 보유하고자 한다. 이용한 해마의 부피측정은 해마경화증 환자의 진단에 있어 육안적인 MR 진단이 어려운 제한된 경우에만 실제적 도움을 줄 수 있는 보조적인 방법으로 생각된다.ofile whereas relaxivity at high field is not affected by τS. On the other hand, the change in τV does not affect low field profile but strongly in fluences on both inflection fie이 and the maximum relaxivity value. The results shows a fluences on both inflection field and the maximum relaxivity value. The results shows

• Journal of Intelligence and Information Systems
• /
• v.25 no.1
• /
• pp.163-177
• /
• 2019

As smartphones are getting widely used, human activity recognition (HAR) tasks for recognizing personal activities of smartphone users with multimodal data have been actively studied recently. The research area is expanding from the recognition of the simple body movement of an individual user to the recognition of low-level behavior and high-level behavior. However, HAR tasks for recognizing interaction behavior with other people, such as whether the user is accompanying or communicating with someone else, have gotten less attention so far. And previous research for recognizing interaction behavior has usually depended on audio, Bluetooth, and Wi-Fi sensors, which are vulnerable to privacy issues and require much time to collect enough data. Whereas physical sensors including accelerometer, magnetic field and gyroscope sensors are less vulnerable to privacy issues and can collect a large amount of data within a short time. In this paper, a method for detecting accompanying status based on deep learning model by only using multimodal physical sensor data, such as an accelerometer, magnetic field and gyroscope, was proposed. The accompanying status was defined as a redefinition of a part of the user interaction behavior, including whether the user is accompanying with an acquaintance at a close distance and the user is actively communicating with the acquaintance. A framework based on convolutional neural networks (CNN) and long short-term memory (LSTM) recurrent networks for classifying accompanying and conversation was proposed. First, a data preprocessing method which consists of time synchronization of multimodal data from different physical sensors, data normalization and sequence data generation was introduced. We applied the nearest interpolation to synchronize the time of collected data from different sensors. Normalization was performed for each x, y, z axis value of the sensor data, and the sequence data was generated according to the sliding window method. Then, the sequence data became the input for CNN, where feature maps representing local dependencies of the original sequence are extracted. The CNN consisted of 3 convolutional layers and did not have a pooling layer to maintain the temporal information of the sequence data. Next, LSTM recurrent networks received the feature maps, learned long-term dependencies from them and extracted features. The LSTM recurrent networks consisted of two layers, each with 128 cells. Finally, the extracted features were used for classification by softmax classifier. The loss function of the model was cross entropy function and the weights of the model were randomly initialized on a normal distribution with an average of 0 and a standard deviation of 0.1. The model was trained using adaptive moment estimation (ADAM) optimization algorithm and the mini batch size was set to 128. We applied dropout to input values of the LSTM recurrent networks to prevent overfitting. The initial learning rate was set to 0.001, and it decreased exponentially by 0.99 at the end of each epoch training. An Android smartphone application was developed and released to collect data. We collected smartphone data for a total of 18 subjects. Using the data, the model classified accompanying and conversation by 98.74% and 98.83% accuracy each. Both the F1 score and accuracy of the model were higher than the F1 score and accuracy of the majority vote classifier, support vector machine, and deep recurrent neural network. In the future research, we will focus on more rigorous multimodal sensor data synchronization methods that minimize the time stamp differences. In addition, we will further study transfer learning method that enables transfer of trained models tailored to the training data to the evaluation data that follows a different distribution. It is expected that a model capable of exhibiting robust recognition performance against changes in data that is not considered in the model learning stage will be obtained.