• 한국정보통신학회논문지
• /
• 제25권3호
• /
• pp.368-376
• /
• 2021

최근 딥러닝 기술이 발전함에 따라 자율 사물 기술이 주목받으면서 드론이나 자율주행차 같은 임베디드 시스템에서 DNN을 많이 활용하고 있다. 클라우드에 의지하지 않고 높은 인식 정확도를 위해서 큰 규모의 연산이 가능하고 다수의 DNN을 처리할 수 있는 임베디드 시스템들이 출시되고 있다. 이러한 시스템 내부에는 다양한 수준의 우선순위를 갖는 DNN들이 존재한다. 자율주행차의 안전 필수에 관련된 DNN들은 가장 높은 우선순위를 갖고 이들은 반드시 최우선적으로 처리되어야 한다. 본 논문에서는 다수의 DNN이 동시에 실행될 때 우선순위를 고려해서 DNN을 스케줄링하는 프레임워크를 제안한다. 낮은 우선순위의 DNN이 먼저 실행되고 있어도 높은 우선순위의 DNN이 이를 선점할 수 있어 자율주행차의 안전 필수 응용의 빠른 응답 특성을 보장한다. 실험을 통하여 확인한 결과 실제 상용보드에서 최대 76.6% 성능이 향상되었다.

• 정보과학회 논문지
• /
• 제43권5호
• /
• pp.553-561
• /
• 2016

웹으로부터 얻어진 데이터를 통해 자동적으로 온톨로지를 확장하는 많은 기계학습 방법들이 존재한다. 또한 대용량 온톨로지 추론에 대한 관심이 증가하고 있다. 하지만 웹으로부터 얻어진 다양한 데이터의 신뢰성 문제를 고려하지 않으면, 불확실성을 내포하는 추론결과를 초래하는 문제점이 있다. 현재 대용량 온톨로지의 신뢰도를 반영하는 추론에 대한 연구가 부족하기 때문에 신뢰 값 기반의 대용량 온톨로지 추론 방법론이 요구되고 있다. 본 논문에서는 인메모리 기반의 분산 클러스터 프레임워크인 스파크 환경에서 신뢰 값 기반의 대용량 OWL Horst 추론 방법에 대해서 설명한다. 기존의 연구들의 문제점인 중복 추론된 데이터의 신뢰 값을 통합하는 방법을 제안한다. 또한 추론의 성능을 저하시키는 문제를 해결할 수 있는 분산 병렬 추론 알고리즘을 설명한다. 본 논문에서 제안하는 신뢰 값 기반의 추론 방법의 성능을 평가하기 위해 LUBM3000을 대상으로 실험을 진행했고, 기존의 추론엔진인 WebPIE에 비해 약 2배 이상의 성능을 얻었다.

• 정보과학회 논문지
• /
• 제43권4호
• /
• pp.470-479
• /
• 2016

UCC(User Created Contents) 형태의 다양한 영상 미디어 데이터가 증가함에 따라 의미 있는 서비스를 제공하기 위해 많은 분야에서 활발한 연구가 진행 중이다. 그 중 시맨틱 웹 기반의 미디어 분류에 대한 연구가 진행되고 있지만 기존의 미디어 온톨로지는 메타 정보를 이용하기 때문에 정보의 부재에 따른 한계점이 있다. 따라서 본 논문에서는 영상에서 인지되는 객체를 정하고 그 조합으로 구성된 서술 논리 기반의 온톨로지를 구축하고 영상의 장면에 따른 순서 기반의 규칙을 정의하여 이벤트 인지에 대한 기틀을 제안한다. 또한 증가하는 미디어 데이터에 대한 처리를 위해 분산 인-메모리 기반 프레임워크인 아파치 스파크 스트리밍을 이용하여, 영상 분류를 병렬로 처리하는 방법에 대해 설명한다. 유튜브에서 추출한 영상을 대상으로 대용량 미디어 온톨로지 데이터를 생성하고, 이를 이용하여 제시된 기법에 대한 성능 평가를 진행하여 타당성을 입증한다.

• 정보과학회 논문지
• /
• 제43권1호
• /
• pp.61-70
• /
• 2016

근래에 들어 다양한 시멘틱 서비스를 위하여 기존의 지식을 바탕으로 새로운 지식을 고속으로 추론할 수 있는 대용량 온톨로지 추론 기법이 요구되고 있다. 이런 추세에 따라 대규모의 클러스터를 활용하는 하둡 및 Spark 프레임워크 기반의 온톨로지 추론 엔진 개발이 연구되고 있다. 또한, 기존의 CPU에 비해 많은 코어로 구성되어 있는 GPGPU를 활용하는 병렬 프로그래밍 방식도 온톨로지 추론에 활용되고 있다. 앞서 말한 두 가지 방식의 장점을 결합하여, 본 논문에서는 RDFS 대용량 온톨로지 데이터를 인-메모리 기반 프레임워크인 Spark를 통해 분산시키고 GPGPU를 이용하여 분산된 데이터를 고속 추론하는 방법을 제안한다. GPGPU를 통한 온톨로지 추론은 기존의 추론 방식보다 저비용으로 고속 추론을 수행하는 것이 가능하다. 또한 Spark 클러스터의 각 노드를 통하여 대용량 온톨로지 데이터에 대한 부하를 줄일 수 있다. 본 논문에서 제안하는 추론 엔진을 평가하기 위하여 LUBM10, 50, 100, 120에 대해 추론 속도를 실험하였고, 최대 데이터인 LUBM120(약 1백7십만 트리플, 2.1GB)의 실험 결과, 인-메모리(Spark) 추론 엔진 보다 7배 빠른 추론 성능을 보였다.

• 정보과학회 논문지
• /
• 제42권7호
• /
• pp.834-839
• /
• 2015

개인의 건강과 삶의 질의 향상을 위해 웰니스에 대한 사람들의 관심이 증가하고 있다. 개인의 건강 데이터 분석을 위해 체중, BMI, 혈압과 같은 신체 측정 데이터를 사용하거나 일상생활의 식사 기록이나 운동량 기록으로 축적된 데이터를 사용한다. 축적된 건강 데이터는 개인이 가진 잠재적인 질병을 예측하거나 식사 또는 운동 패턴의 분석이 가능하다. 식품 영양학 분야에서는 여러 명의 식이 데이터와 건강정보를 설문을 통해 수집하여 입력 데이터에 대한 하나의 가설을 세우고 여러 통계 분석을 통해 가설을 검증하는 방식으로 데이터 분석 실험을 진행한다. 한편, 과학자들의 실험의 편리성을 위한 문제풀이환경에 대한 연구가 활발히 진행되고 있다. 본 논문에서는 식품 영양학적으로 식이 데이터 분석의 효율적인 실험환경을 위한 문제풀이환경을 설계한다. 제안된 문제풀이 환경은 반복적인 실험 단계를 자동화하고 순차적인 작업을 병렬 수행 가능하도록 분산 컴퓨팅 환경에 배치하여 전체 실험의 속도를 높인다.

• 방송공학회논문지
• /
• 제10권1호
• /
• pp.83-102
• /
• 2005

The problem of video scheduling is analyzed in the framework of divisible load scheduling. A divisible load can be divided into any number of fractions (parts) and can be processed/computed independently on the processors in a distributed computing system/network, as there are no precedence relationships. In the video scheduling, a frame can be split into any number of fractions (tiles) and can be processed independently on the processors in the network, and then the results are collected to recompose the single processed frame. The divisible load arrives at one of the processors in the network (root processor) and the results of the computation are collected and stored in the same processor. In this problem communication delay plays an important role. Communication delay is the time to send/distribute the load fractions to other processors in the network. and the time to collect the results of computation from other processors by the root processors. The objective in this scheduling problem is that of obtaining the load fractions assigned to each processor in the network such that the processing time of the entire load is a minimum. We derive closed-form expression for the processing time by taking Into consideration the communication delay in the load distribution process and the communication delay In the result collection process. Using this closed-form expression, we also obtain the optimal number of processors that are required to solve this scheduling problem. This scheduling problem is formulated as a linear pro-gramming problem and its solution using neural network is also presented. Numerical examples are presented for ease of understanding.

• 한국지능시스템학회논문지
• /
• 제15권3호
• /
• pp.318-323
• /
• 2005

본 논문에서는 불확실성을 포함한 연속시간 비선형 동적 시스템에 대한 퍼지 모델 기반 제어기의 지능형 디지털 재설계를 위한 조직적인 방법을 제안한다. 불확실 비선형 시스템을 표현하기 위해 연속시간 불확실 TS 퍼지 모델이 구성된다. 그리고, 안정화와 추적을 위한 퍼지 모델 기반 제어기 설계를 위해 PDC 기법이 이용된다. 마지막으로, 설계된 연속시간 제어기는 지능형 디지털 재설계 기법을 이용함으로써 이산시간 제어기로 전환됨을 증명하는 방법을 제안한다. 이 새로운 설계 기법은 퍼지 모델 기반 제어 이론과 불확실성을 가진 비선형 동적 시스템에 대한 진보된 디지털 재설계 기법의 통합을 위한 조직적이고, 효과적인 틀을 제공한다 마지막으로, 단일 링크 유연 로봇 시스템의 모의 실험을 이용해 개발된 설계 방법의 효용성과 실행 가능성을 입증한다.

• 한국지능시스템학회논문지
• /
• 제13권6호
• /
• pp.667-672
• /
• 2003

본 논문에서는 불확실성을 포함한 연속시간 비선형 동적 시스템에 대한 퍼지 모델 기반 제어기의 지능형 디지털 재설계를 위한 조직적인 방법을 제안한다. 불확실 비선형 시스템을 표현하기 위해 연속시간 불확실 TS 퍼지 모델이 구성되었다. 안정화와 추적을 위한 퍼지 모델 기반 제어기 설계를 위해 EPDC 기법이 이용되었다. 설계된 연속시간 제어기는 지능형 디지털 재설계 기법을 이용함으로써 이산시간 제어기로 전환되었다. 이 새로운 설계 기법은 퍼지 모델 기반 제어 이론과 불확실성을 가진 비선형 동적 시스템에 대한 진보된 디지털 재설계 기법의 통합을 위한 조직적이고, 효과적인 틀을 제공한다. 마지막으로, 단일 링크 유연 로봇 시스템의 모의 실험을 이용해 개발된 설계 방법의 효용성과 실행 가능성을 입증한다.

• Structural Engineering and Mechanics
• /
• 제66권1호
• /
• pp.45-59
• /
• 2018

The bi-material elastic system consisting of the pre-stressed hollow cylinder and pre-stresses surrounding infinite elastic medium is considered and it is assumed that the mentioned initial stresses in this system are caused with the compressing or stretching uniformly distributed normal forces acting at infinity in the direction which is parallel to the cylinder's axis. Moreover, it is assumed that on the internal surface of the cylinder the ring load which moves with constant velocity acts and within these frameworks it is required to determine the influence of the aforementioned initial stresses on the critical velocity of the moving load. The corresponding investigations are carried out within the framework of the so-called three-dimensional linearized theory of elastic waves in initially stresses bodies and the axisymmetric stress-strain state case is considered. The "moving coordinate system" method is used and the Fourier transform is employed for solution to the formulated mathematical problem and Fourier transformation of the sought values are determined analytically. However, the originals of those are determined numerically with the use of the Sommerfeld contour method. The critical velocity is determined from the criterion, according to which, the magnitudes of the absolute values of the stresses and displacements caused with the moving load approaches an infinity. Numerical results on the influence of the initial stresses on the critical velocity and interface normal and shear stresses are presented and discussed. In particular, it is established that the initial stretching (compressing) of the constituents of the system under consideration causes a decrease (an increase) in the values of the critical velocity.

• 전기학회논문지P
• /
• 제67권4호
• /
• pp.183-190
• /
• 2018

Predicting accurate electricity prices is an important task in the electricity trading market. To address the electricity price forecasting problem, various approaches have been proposed so far and it is known that linear regression-based approaches are the best. However, the use of such linear regression-based methods is limited due to low accuracy and performance. In traditional linear regression methods, it is not practical to find a nonlinear regression model that explains the training data well. If the training data is complex (i.e., small-sized individual data and large-sized features), it is difficult to find the polynomial function with n terms as the model that fits to the training data. On the other hand, as a linear regression model approximating a nonlinear regression model is used, the accuracy of the model drops considerably because it does not accurately reflect the characteristics of the training data. To cope with this problem, we propose a new electricity price forecasting method that divides the entire dataset to multiple split datasets and find the best linear regression models, each of which is the optimal model in each dataset. Meanwhile, to improve the performance of the proposed method, we modify the proposed localized linear regression method in the map and reduce way that is a framework for parallel processing data stored in a Hadoop distributed file system. Our experimental results show that the proposed model outperforms the existing linear regression model. Specifically, the accuracy of the proposed method is improved by 45% and the performance is faster 5 times than the existing linear regression-based model.