• 정보처리학회논문지D
• /
• 제14D권6호
• /
• pp.649-656
• /
• 2007

오늘날 차량네트워크(CAN)는 전기적 강인, 저가격과 접근지연 때문에 분산 임베디드 시스템에서 널리 사용되는 버스형 필드이다. 그러나 버스토폴로지에서 발생하는 의존적인 제한 때문에 차량네트워크가 어플리케이션상에서 안전적으로 사용되는지는 논쟁되어왔다. 그래서 차량네트워크(CAN) 디자인 단계 동안 데이터 버스의 부하와 최대 지연, 경쟁 우선순위와 같은 네트워크의 성능을 분석하는 것이 중요하게 되었다. 이 논문은 차량네트워크의 성능을 평가하기 위해 사용된 시뮬레이션 알고리즘과 고장 기법 기술을 적용을 소개한다. 이는 차량네트워크의 어떤 산만한 구현의 줄임과 시스템의 신뢰성을 향상 시켜 줄 것이다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 하계학술대회 논문집 B
• /
• pp.705-709
• /
• 1995

The objective of this study is to design a multi-layer neural network which controls the position of excavator's attachment. In this paper, a dynamic controller has been developed based on an error back-propagation(BP) neural network. Since the neural network can model an arbitrary nonlinear mapping, it was used as a commanded feedforward input generator. A PD feedback controller is used in parallel with the feedforward neural network to train the system. The neural network was trained by the current state of the excavator as well as the PD feedback error. By using the BP network as a feedforward controller, no a priori knowledge on system dynamics is need. Computer simulation results demonstrate such powerful characteristics of the proposed controller as adaptation to changing environment, robustness to disturbancen and performance improvement with the on-line learning in the position control of excavator attachment.

• 정보처리학회논문지C
• /
• 제15C권5호
• /
• pp.329-342
• /
• 2008

무선 센서 네트워크는 여러 가지 제약점을 가지고 있기 때문에 에너지 효율성과 보안성 제공은 중요한 이슈이다. 기존에 라우팅에 있어서 tree-based와 multipath-based라는 두 가지 접근법을 효과적으로 통합시킨 Tributaries and Deltas(TD)가 제안된 바가 있으며, 본 논문에서는 TD 구조에 계층성이 더해진 클러스터 기반의 TD를 제안하여 기존 TD보다 향상된 성능을 증명하였다. 클러스터 기반의 TD 구조는 두 가지 상황에서 기존의 TD보다 더 좋은 성능을 가짐을 보여 주었다. 하나는 베이스스테이션(BS)이 잘못된 정보를 받았다 판단하고 재전송을 요구할 때와, 또 다른 하나는 BS가 이동성을 가지고 있을 때이다. 또한 제안된 구조에 적합한 키 설립 메커니즘을 제안하여 에너지 효율성뿐만 아니라 보안성도 고려한 새로운 센서 네트워크 구조를 제안하였고 TinyOS 2.0을 기반으로 TmoteSKY 센서 보드에 구현하여 실제 네트워크에서의 응용 가능성을 입증하였다.

• 한국통신학회논문지
• /
• 제34권12B호
• /
• pp.1359-1370
• /
• 2009

무선 센서 네트워크에서 데이터 전송은 데이터 중심 라우팅에 기반하여 이루어지기 때문에 공표/신청 통신 패러다임과 부합한다. 공표/신청 패러다임은 공간 분리성, 시간 분리성, 동기화 분리성이라는 세가지 분리 특성을 통해 대규모 애플리케이션 환경을 위한 확장성과 강건성을 제공할 수 있다. 그러나 현존하는 무선 센서 네트워크의 데이터 전송 방안들은 이 분리성들을 완전히 만족하지 못한다. 따라서, 우리는 세가지 분리성을 온전히 만족하기 위한 새로운 데이터 전송 방안인 ARBITER를 제시한다. ARBITER는 독립 네트워크 구조체를 구성하여, 공표자와 신청자 간의 정보 교환이 구조체를 통해 간접적이고 비동기적으로 이루어지도록 한다. ARBITER는 또한 공표자와 신청자가 서로 다른 시기에 연결을 시도하더라도 이를 지원할 수 있도록 구조체가 데이터와 쿼리를 저장하고 서로간의 매핑을 관리한다. 시뮬레이션 결과는 ARBITER가 확장성, 네트워크 강건성, 데이터 신뢰성, 이동성 지원, 그리고 에너지 효율성에서 더 나은 성능을 보인다는 것을 입증한다.

• Smart Structures and Systems
• /
• 제32권3호
• /
• pp.135-151
• /
• 2023

Using 3D asphalt pavement surface data, a deep and multiscale network named CrackNet-M is proposed in this paper for pixel-level crack detection for improvements in both accuracy and robustness. The CrackNet-M consists of four function-specific architectural modules: a central branch net (CBN), a crack map enhancement (CME) module, three pooling feature pyramids (PFP), and an output layer. The CBN maintains crack boundaries using no pooling reductions throughout all convolutional layers. The CME applies a pooling layer to enhance potential thin cracks for better continuity, consuming no data loss and attenuation when working jointly with CBN. The PFP modules implement direct down-sampling and pyramidal up-sampling with multiscale contexts specifically for the detection of thick cracks and exclusion of non-crack patterns. Finally, the output layer is optimized with a skip layer supervision technique proposed to further improve the network performance. Compared with traditional supervisions, the skip layer supervision brings about not only significant performance gains with respect to both accuracy and robustness but a faster convergence rate. CrackNet-M was trained on a total of 2,500 pixel-wise annotated 3D pavement images and finely scaled with another 200 images with full considerations on accuracy and efficiency. CrackNet-M can potentially achieve crack detection in real-time with a processing speed of 40 ms/image. The experimental results on 500 testing images demonstrate that CrackNet-M can effectively detect both thick and thin cracks from various pavement surfaces with a high level of Precision (94.28%), Recall (93.89%), and F-measure (94.04%). In addition, the proposed CrackNet-M compares favorably to other well-developed networks with respect to the detection of thin cracks as well as the removal of shoulder drop-offs.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.149-158
• /
• 2005

본 논문에서는 동영상 컨텐츠의 위${\cdot}$변조, 불법사용 및 복제를 방지하기 위하여 비가시성과 공격에 대한 강인성을 동시에 만족하는 blind 워터마킹 방법을 제안하였다. 이 방법은 MPEG-2 동영상 압축시스템을 대상으로 하며, 이 압축시스템의 적응적 양자화에 부합하도록 양자화 스케일 코드에 따라 삽입할 워터마크 비트 수를 조절하도록 설계하였다. 워터마크의 삽입위치는 영상의 주파수 특성에 따라 삽입할 영상블록을 선정하고, 선정된 영상블록의 가로, 세로, 대각선의 주파수 특성과 블록내의 각 계수의 주파수 특성을 고려하여 계수를 선정하였다. 또한 각 계수에 삽입할 워터마크 비트 수는 양자화 스텝을 고려하여 결정하였다. 이 알고리즘은 C/C++ 언어로 구현하였으며, 자체 제작한 MPEG-2 시스템을 테스트 베드로 하여 비가시성과 강인성을 실험하였다. 실험결과 삽입한 워터마크의 비가시성이 충분히 만족되었고, 일반적인 공격방법에 대해 추출된 워터마크의 에러율이 $10\%$ 이하의 강인성을 보였다. 따라서 제안한 방법은 MPEG-2 시스템을 사용하는 동영상 압축, 특히 네트워크 적응적 압축이 필요한 응용분야에서 매우 유용하게 사용될 수 있으리라 사료된다.

• Journal of Power Electronics
• /
• 제6권4호
• /
• pp.340-346
• /
• 2006

A high efficiency drive technique for synchronous reluctance motors (SynRM) using a neural network (NN) is presented in this paper. High efficiency drive condition depends on the mathematical model of SynRM. A NN is employed as an adaptive model of SynRM. The proposed high efficiency drive technique does not require an accurate mathematical model of SynRM. Moreover, the proposed method shows robustness against machine parameter variations because the training algorithm of the NN is executed on-line. The usefulness of the proposed method is confirmed through experimentation.

• 제어로봇시스템학회논문지
• /
• 제13권11호
• /
• pp.1033-1039
• /
• 2007

In this paper, we design a terminal sliding mode controller based on self-recurrent wavelet neural network (SRWNN) for the second-order nonlinear systems with model uncertainties. The terminal sliding mode control (TSMC) method can drive the tracking errors to zero within finite time in comparison with the classical sliding mode control (CSMC) method. In addition, the TSMC method has advantages such as the improved performance, robustness, reliability and precision. We employ the SRWNN to approximate model uncertainties. The weights of SRWNN are trained by adaptation laws induced from Lyapunov stability theorem. Finally, we carry out simulations for Duffing system and the wing rock phenomena to illustrate the effectiveness of the proposed control scheme.

• Journal of information and communication convergence engineering
• /
• 제12권4호
• /
• pp.237-245
• /
• 2014

In this study, software-based countermeasures against a side-channel cryptanalysis of the Rabbit stream cipher were developed using Moteiv's Tmote Sky, a popular wireless sensor mote based on the Berkeley TelosB, as the target platform. The countermeasures build upon previous work by improving mask generation, masking and hiding other components of the algorithm, and introducing a key refreshment scheme. Our contribution brings improvements to previous countermeasures making the implementation resistant to higher-order attacks. Four functional metrics, namely resiliency, robustness, resistance, and scalability, were used for the assessment. Finally, performance costs were measured using memory usage and execution time. In this work, it was demonstrated that although attacks can be feasibly carried out on unprotected systems, the proposed countermeasures can also be feasibly developed and deployed on resource-constrained devices, such as wireless sensors.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 추계학술대회
• /
• pp.58-60
• /
• 2019

Double JPEG compression detection is one of the most important ways of exposing the integrity of the JPEG image in image forensics. Several methods have been proposed for discriminating against the double JPEG image. In this paper, we propose a new method for restoring the JPEG compressed image and making the detector confused by introducing a Generative Adversarial Network (GAN). First, a generator network is designed for restoring the JPEG compressed image and analyzed the quality. Then, the restored image is tested with the double compression detector for evaluating the robustness of the proposed GAN model. The detection accuracy reduces from 98% to 58%.