• International Journal of Internet, Broadcasting and Communication
• /
• 제12권1호
• /
• pp.144-150
• /
• 2020

Reinforcement learning is a technology that can present successful and creative solutions in many areas. This reinforcement learning technology was used to deploy containers from cloud servers to fog servers to help them learn the maximization of rewards due to reduced traffic. Leveraging reinforcement learning is aimed at predicting traffic in the network and optimizing traffic-based fog computing network environment for cloud, fog and clients. The reinforcement learning system collects network traffic data from the fog server and IoT. Reinforcement learning neural networks, which use collected traffic data as input values, can consist of Long Short-Term Memory (LSTM) neural networks in network environments that support fog computing, to learn time series data and to predict optimized traffic. Description of the input and output values of the traffic-based reinforcement learning LSTM neural network, the composition of the node, the activation function and error function of the hidden layer, the overfitting method, and the optimization algorithm.

• 한국항공운항학회지
• /
• 제22권4호
• /
• pp.34-41
• /
• 2014

Aviation safety issues have drawn much attention from the international community due to the growing demand for air travel. Although it is a widely accepted fact that human-related factors are closely linked to aviation safety, there is lack of understanding what roles those factors play in aviation, in the field of air traffic control in particular. It has been reported that the role of air traffic controllers significantly affects air safety. This review will discuss cognitive aspects of expertise in air traffic control including time perception, working memory, reasoning, perception, attention, scanning/vigilance, decision making, and planning with examples of how each aspect can be dealt with in performing air traffic control duties. The relevant studies in psychology have also been briefly reviewed in the interest of enhancing understanding of characteristics of air traffic control tasks and the related human factors. This review concludes with a call for more in-depth research into cognitive factors in air traffic control.

• 한국인터넷방송통신학회논문지
• /
• 제20권1호
• /
• pp.149-153
• /
• 2020

본 논문은 스마트폰 시스템에서 DRAM과 NVRAM으로 구성된 이기종 메모리를 위한 페이지 배치 기법을 제안한다. 이기종 메모리에 관한 기존 연구와 달리 본 논문은 메모리 접근에 대한 오프라인 분석에 기반하여 메모리 페이지를 배치한다. 이는 스마트폰 메모리 접근이 애플리케이션의 종류와 무관하게 특정 주소 영역에 집중적으로 나타나며, 쓰기 연산에 있어 그 편향성이 일관되게 나타난다는 점을 반영한 것이다. 제안한 기법은 오프라인 분석 결과를 토대로 NVRAM에 쓰기 트래픽이 적게 발생하도록 페이지 배치를 수행하며, 실험 결과 NVRAM에 발생하는 쓰기량을 성능 저하 없이 평균 61% 줄이는 것을 확인할 수 있었다.

• 한국시뮬레이션학회논문지
• /
• 제27권1호
• /
• pp.119-126
• /
• 2018

본 연구는 철도관제사의 인적오류를 유발하는 요인이 무엇인지를 AMOS 구조방정식 모형을 활용하여 탐색적으로 검증하려는 목적에서 시도되었다. 관제사와 관련된 문헌연구를 토대로 피로와 스트레스를 외생변인, 정보처리과정에서의 오류(인지, 기억, 저장 및 실행오류)를 내생변인, 그리고 종속변인으로 책임사고와 아차사고를 설정하였다. 여러 기관의 현직관제사 201명의 설문을 분석한 결과, '스트레스 ${\rightarrow}$ 기억오류 ${\rightarrow}$ 저장오류 ${\rightarrow}$ 아차사고 ${\rightarrow}$ 책임사고'의 인과관계 고리가 성립한다는 것을 발견하였다. 이 같은 연구결과는 인적오류와 관련하여 관제사의 사고 저감을 위해서는 그 선행요인인 스트레스를 효과적으로 관리하여 정보처리과정에서의 기억 및 실행오류를 저감시킬 필요가 있다는 것을 시사한다.

• 수면정신생리
• /
• 제8권1호
• /
• pp.45-51
• /
• 2001

목 적 : 교통사고경험은 환자에게 정신사회적 스트레스요인으로 작용하며, 이로 인한 자율신경계의 생리적 각성수준이 항진되어 있을 것이다. 저자들은 교통사고와 관련된 환자중 교통사고에 대한 기억이 있는 군과 없는 군사이의 정신생리반응양상의 차이를 알아보고자 본 연구를 시행하였다. 대상 및 방법 : 전북대학교병원 정신과 외래 및 입원환자들중 24명을 대상으로 하였다. 모든 대상자들은 교통사고 관련 환자들이었으며, 연구목적상 이들을 교통사고상황을 기억하고 있는 환자군(12명, 연령 $41.42{\pm}9.10$세 ; 교육수준 $10.33{\pm}3.14$년)과 전혀 기억하지 못하고 있는 환자(12명, 연령 $44.08{\pm}9.83$세 ; 교육수준 $10.92{\pm}3.40$년)군으로 양분하였다. 심리적 평가항목으로서 불안, 우울 수준은 상태특성불안척도, Beck 우울 척도, Hamilton 불안 및 우울 척도로 평가하였다. 생리적 평가항목으로서 자율신경계의 정신생리반응을 측정하였는데, 맥박, 피부전도반응, 근전도 등은 J & J I-330모델을 이용하였고, 수축기 및 이완기의 혈압은 DINAMAP XL Monitor mode 9340을 이용하였다. 스트레스작업은 '대본이용 및 상상기법'을 이용하였다. 연구 대상자들에게 그들이 실제로 경험했던 교통사고상황을 대본으로 작성된 것을 읽어주고 사고상황을 상상하도록 교육시켰다. 정신생리반응의 측정순서는 생리반응 측정전 약 15분간의 휴식후 '기저기간(3분)-대본낭독기간(30초)-교통사고상황의 상상(3분)-휴식기간(3분)'으로 하였다. 두 군사이의 스트레스작업에 따른 심리적, 생리적 평가항목들의 차이를 분석하였다. 결 과 : 정신생리반응중 피부전도반응은 통계적으로 유의한 차이는 없었지만, 기억군의 기저기간과 상상기간, 휴식기간의 측정치가 비기억군에 비해서 상당히 높게 나타났다. 근전도는 휴식기의 측정치가 기억군이 비기억군에 비해 통계적으로 유의하게 낮았다(p=0.028). 그러나, 다른 생리반응항목들은 두군사이에 통계적으로 유의한 차이는 없었다. 결 론 : 상기 결과, 저자들은 교통사고상황을 기억하고 있는 군에서 기억하지 못하고 있는 군보다 피부전도반응과 같은 일부 자율신경계의 생리적 각성수준이 더 높은 경향을 보임을 확인할 수 있었다. 따라서 교통사고관련 환자의 치료시, 그들이 경험했던 교통사고의 반복적인 기억(재경험)을 최소화시키고, 일부 자율신경계반응의 각성수준을 감소시키는 치료적 기법이 필요하다고 생각한다.

• 대한임베디드공학회논문지
• /
• 제14권2호
• /
• pp.79-86
• /
• 2019

For decades, in-memory data structures have been designed for DRAM-based main memory that provides symmetric read/write performances and has no limited write endurance. However, such data structures provide sub-optimal performance for NVM as it has different characteristics to DRAM. With this motivation, we rethink a conventional red-black tree in terms of its efficacy under NVM settings. The original red-black tree constantly rebalances sub-trees so as to export fast access time over dataset, but it inevitably increases the write traffic, adversely affecting the performance for NVM with a long write latency and limited endurance. To resolve this problem, we present a variant of the red-black tree called a hierarchical balanced binary search tree. The proposed structure maintains multiple keys in a single node so as to amortize the rebalancing cost. The performance study reveals that the proposed hierarchical binary search tree effectively reduces the write traffic by effectively reaping the high capacity of NVM.

• 한국통신학회논문지
• /
• 제37B권11호
• /
• pp.1041-1049
• /
• 2012

공유메모리 멀티프로세서 시스템에서, lock을 사용하는 전통적인 동기화 방식의 문제점들을 극복하기 위하여 트랜잭셔널 메모리(transactional memory)가 제안되었고, 고성능 트랜잭셔널 메모리를 실용화하기 위한 다양한 구현 방법들이 계속해서 연구되고 있다. 하지만 이러한 연구들은 트랜잭셔널 메모리의 실용화 및 수행 속도 개선에 주력하고 있으며, 충돌 관리 정책(conflict management policy)에 따른 트랜잭셔널 메모리의 시스템 오버헤드를 분석하는 연구는 부족한 실정이다. 이에 본 논문은 트랜잭셔널 메모리의 한 종류인 하드웨어 트랜잭셔널 메모리를 충돌 관리 정책에 따라 네 가지로 분류하고, 모델링과 시뮬레이션을 통해 이 네 가지의 성능과 시스템 버스 트래픽을 비교 분석한다. 그리고 이러한 비교 분석 결과를 바탕으로 시스템 성능에 가장 크게 기여 할 수 있는 효율적인 충돌 관리 정책을 제시한다.

• 한국통신학회논문지
• /
• 제30권4B호
• /
• pp.162-169
• /
• 2005

패킷 스위치로부터 발생되는 트래픽이 전통적인 트래픽 모델인 포와송 분포와 마코비안 프로세스로 가정된 네트워크로부터 발생되는 트래픽과 상당히 차이가 나는 self-similar 현상을 보이고 있다는 것이 알려지고 있고 또한 기존에 제안된 대부분의 호 수락 제어 방법에 대한 성능 분석은 스위치가 단독으로 존재한다고 가정하여 이루어지고 있다. 그러나 실제 트래픽이 목적지에 도달하기 위해서는 라우팅을 통하여 여러 스위치들을 거쳐야하므로 호 수락 제어 방법에 대한 성능 분석은 다단으로 연결된 스위치로 확장되는 것이 필요하다. 본 논문을 통하여 기존에 제안된 호 수락 제어 방법이 단일 스위치 환경 하에서는 적절하게 동작이 이루어지나 다단으로 스위치가 연결되어 있는 환경에서는 뒤에 위치하고 있는 스위치에 필요 이상의 유효 대역폭을 할당 한다는 것을 알 수 있다. 그러므로 본 논문에서는 공유 버퍼 메모리를 갖는 다단 네트워크 스위치 환경에서 셀 손실률과 이용률 그리고 각 스위치 출력포트의 self-similarity를 분석하여 self-similar 트래픽 환경에서 효과적으로 대역폭을 할당할 수 있는 호 수락 제어 방법을 제안한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권1호
• /
• pp.216-238
• /
• 2023

In intelligent transportation systems, traffic management is an important task. The accurate forecasting of traffic characteristics like flow, congestion, and density is still active research because of the non-linear nature and uncertainty of the spatiotemporal data. Inclement weather, such as rain and snow, and other special events such as holidays, accidents, and road closures have a significant impact on driving and the average speed of vehicles on the road, which lowers traffic capacity and causes congestion in a widespread manner. This work designs a model for multivariate short-term traffic congestion prediction using SLSTM_AE-BiLSTM. The proposed design consists of a Bidirectional Long Short Term Memory(BiLSTM) network to predict traffic flow value and a Convolutional Neural network (CNN) model for detecting the congestion status. This model uses spatial static temporal dynamic data. The stacked Long Short Term Memory Autoencoder (SLSTM AE) is used to encode the weather features into a reduced and more informative feature space. BiLSTM model is used to capture the features from the past and present traffic data simultaneously and also to identify the long-term dependencies. It uses the traffic data and encoded weather data to perform the traffic flow prediction. The CNN model is used to predict the recurring congestion status based on the predicted traffic flow value at a particular urban traffic network. In this work, a publicly available Caltrans PEMS dataset with traffic parameters is used. The proposed model generates the congestion prediction with an accuracy rate of 92.74% which is slightly better when compared with other deep learning models for congestion prediction.

• 한국인터넷방송통신학회논문지
• /
• 제21권2호
• /
• pp.27-32
• /
• 2021

본 논문은 차세대 사물인터넷 디바이스를 위한 에너지 효율적인 캐시 및 메모리 관리 기법을 제안한다. 제안하는 기법은 전력 소모가 적은 상변화 메모리를 사물인터넷 디바이스의 메인 메모리로 채택하고 캐시 메모리의 관리 시 쓰기 연산에 취약한 상변화 메모리의 쓰기량을 최소화하는 방향으로 설계한다. 구체적으로 살펴보면 최종단 캐시 메모리에서 캐시 블록이 삭제되어 메인 메모리로 반영될 때, 캐시 블록을 구성하는 캐시 라인별 수정 여부를 추적하여 상변화 메모리에 쓰기 발생량을 적게 발생시키는 캐시 블록을 우선적으로 교체한다. 또한, 최종단 캐시 메모리에서 캐시 블록의 참조 비트와 캐시 라인의 수정 비트를 함께 고려함으로써 메모리 시스템의 성능은 훼손하지 않으면서 에너지 소모를 줄이는 방식을 사용한다. 스펙 벤치마크를 이용한 시뮬레이션 실험을 통해 제안한 기법이 상변화 메모리에 발생하는 쓰기량을 평균 34.6% 줄이고 전력 소모를 28.9% 줄이면서 메모리의 성능 저하는 발생시키지 않음을 보인다.