• 소프트웨어공학소사이어티 논문지
• /
• 제28권1호
• /
• pp.23-28
• /
• 2019

최근 이미지 처리 응용을 위한 심층 신경망 모델의 효과적 테스팅을 위해 해당 모델이 올바르게 예측하지 못하는 코너 케이스에 해당하는 행동을 보이는 데이터를 자동 생성하는 연구가 활발히 진행되고 있다. 본 논문은 문장 분류 심층 신경망 모델에 기반하고 있는 버그 담당자 자동 배정 시스템의 테스트를 위해 입력 데이터인 버그 리포트의 내용에서 임의의 단어를 선택해 동의어로 변형하는 테스트 데이터 생성기법을 제안한다. 그리고 제안하는 테스트 데이터 생성 기법을 사용한 경우와 기존의 차이 유발 테스트 데이터 생성 기법을 사용했을 경우를 다양한 뉴런 기반 커버리지를 중심으로 비교 평가한다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제31권1호
• /
• pp.115-146
• /
• 2022

Purpose The purpose of this study is to find meaningful insights using regression analysis to resolve the digital divide between generations. In the analysis process of this study, social network analysis was applied to approach it with a perspective differentiated from the existing statistical techniques. Design/methodology/approach This study used a social network analysis methodology that transforms and analyzes government-led survey data into relational data. First, the cross-sectional data were converted into relational data, and a continuous core-periphery model and multidimensional scaling method were applied. Afterwards, the relationship between various factors affecting the digital divide and the difference in influence were analyzed by generation. Findings According to the network analysis results, it can be seen that all generations commonly use 'information and news search' and 'living information service'. However, it can be seen that the centrally used services of each generation are clearly different from each other, and the degree of linkage between the services is also clearly different. In addition, it can be seen that the relationship between factors influencing the digital divide by generation is also different.

• Transactions on Electrical and Electronic Materials
• /
• 제18권2호
• /
• pp.111-118
• /
• 2017

The increased diversity of different types of energy sources requires moving towards smart distribution networks. This paper proposes a probabilistic DG (distributed generation) units planning model to determine technology type, capacity and location of DG units while simultaneously allocating ESS (energy storage systems) based on pre-determined capacities. This problem is studied in a wind integrated power system considering loads, prices and wind power generation uncertainties. A suitable method for DG unit planning will reduce costs and improve reliability concerns. Objective function is a cost function that minimizes DG investment and operational cost, purchased energy costs from upstream networks, the defined cost to reliability index, energy losses and the investment and degradation costs of ESS. Electrical load is a time variable and the model simulates a typical radial network successfully. The proposed model was solved using the DICOPT solver under GAMS optimization software.

• 한국콘텐츠학회논문지
• /
• 제4권4호
• /
• pp.107-112
• /
• 2004

최근 인터넷 서비스는 빠르게 진화하면서, 데이터의 고속화뿐 아니라 트래픽 소스의 특징에 따른 QoS(Quality of Service)의 보장 요구가 극대화 되어가고 있다. 이에 따라서 인터넷 서비스 기술 또한 급변해가고 있으며, 기존의 네트워크 서비스 기술에 QoS를 보장하는 기술이 개발되거나 또는 새로운 QoS를 보장하는 네트워크 모델이 제시되기도 한다. 본 논문에서는 QoS를 보장하기 위해 IETF(Internet Engineering Task Forc)에서 제시한 DiffServ-aware-MPLS 네트워크를 기존의 네트워크 모델과 비교 분석함으로써, 상대적 우수함을 보이며, 차세대 네트워크를 구성하는 방향을 제시하고자 한다.

• 한국수소및신에너지학회논문집
• /
• 제31권5호
• /
• pp.436-443
• /
• 2020

The performance prediction model of a solid oxide fuel cell stack has been developed using deep neural network technique, one of the machine learning methods. The machine learning has been received much interest in various fields, including energy system mo- deling. Using machine learning technique can save time and cost requried in developing an energy system model being compared to the conventional method, that is a combination of a mathematical modeling and an experimental validation. Results reveal that the mean average percent error, root mean square error, and coefficient of determination (R2) range 1.7515, 0.1342, 0.8597, repectively, in maximum. To improve the predictability of the model, the pre-processing is effective and interpolative machine learning and application is more accurate than the extrapolative cases.

• 한국정보통신학회논문지
• /
• 제24권7호
• /
• pp.914-924
• /
• 2020

본 연구에서는 소셜 네트워크를 생성 할 수 있는 인공적인 네트워크 발생 모델을 제안 하였다. 본 연구에서 제안한 발생 모델은 온라인 소셜 네트워크의 특징인 Small-World 성질과 Scale-Free 성질을 단순하게 표현하는 것에서 벗어나 모델의 두 파라메터를 적절히 조절함으로서 사용자가 원하는 다양한 위상 특성치 값들을 나타내 줄 수 있도록 하였다. 이를 위해 Preferential Attachment의 세기를 조정 할 수 있도록 파라메터 K와 군집화 계수를 적절하게 조정 할 수 있도록 파라메터 P를 도입하였다. K가 0에서 10 그리고 P가 0.3에서 0.5 사이의 조합이나 K = 0과 P = 0.9를 이용하면 소셜 네트워크의 위상적 성질을 보유하는 인공적인 네트워크를 생성할 수 있다. 이 조합 하에서는 Small-World 성질과 Scale-Free 성질이 잘 나타난다. 노드차수 분포는 Power-Law를 따른다. 또한 군집화 계수 0.130 ~ 0.238, 평균 최단거리 5.641 ~ 5.985로 나타났다. 또한 네트워크의 크기를 노드 5,000개에서 10,000개로 증가시켜도 소셜 네트워크 성질을 그대로 유지하는 것으로 나타났다.

• 한국산업정보학회논문지
• /
• 제18권6호
• /
• pp.39-49
• /
• 2013

In recent, many countries and research institutes have been studying how to construct the high-speed subscriber access network. Task Force team of IEEE 802.3ah has accomplished the standardization of EPON which is the next generation subscriber access network. EPON doesn't still have the bandwidth enough to support the new service(e.g various multimedia service) which demands the high bandwidth. For these new multimedia services,10G EPON is the next generation subscriber access network which expanded the up-down bandwidth range of 1G EPON 10 times in order to support demanding high bandwidth. We have proposed the model which can accommodate IEEE 802.1 AVB traffics smoothly in 10G EPON and suggesting the Intra-ONU scheduling model which makes this model operate effectively.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제54권9호
• /
• pp.567-569
• /
• 2005

NARX(Nonlinear AutoRegressive with eXogenous input) neural network was used for prediction of nuclear reactor behavior which was influenced by control rods in short-term period and also by the concentration of xenon and boron in long-term period in load following operations. The developed model was designed to predict reactor power, xenon worth and axial offset with different burnup states when control rods and boron were adjusted in load following operations. Data of the Korea Next Generation PWR were collected by ONED94 code. The test results presented exhibit the capability of the NARX neural network model to capture the long term and short term dynamics of the reactor core and the developed model seems to be utilized as a handy tool for the use of a plant simulation.

• Communications for Statistical Applications and Methods
• /
• 제30권6호
• /
• pp.589-603
• /
• 2023

Deep generative models target to infer the underlying true data distribution, and it leads to a huge success in generating fake-but-realistic data. Regarding such a perspective, the data attributes can be a crucial factor in the data generation process since non-existent counterfactual samples can be generated by altering certain factors. For example, we can generate new portrait images by flipping the gender attribute or altering the hair color attributes. This paper proposes counterfactual disentangled variational autoencoder generative adversarial networks (CDVAE-GAN), specialized for data attribute level counterfactual data generation. The structure of the proposed CDVAE-GAN consists of variational autoencoders and generative adversarial networks. Specifically, we adopt a Gaussian variational autoencoder to extract low-dimensional disentangled data features and auxiliary Bernoulli latent variables to model the data attributes separately. Also, we utilize a generative adversarial network to generate data with high fidelity. By enjoying the benefits of the variational autoencoder with the additional Bernoulli latent variables and the generative adversarial network, the proposed CDVAE-GAN can control the data attributes, and it enables producing counterfactual data. Our experimental result on the CelebA dataset qualitatively shows that the generated samples from CDVAE-GAN are realistic. Also, the quantitative results support that the proposed model can produce data that can deceive other machine learning classifiers with the altered data attributes.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권4호
• /
• pp.203-210
• /
• 2017

본 논문에서는 이미지 캡션 생성과 모델 전이에 효과적인 심층 신경망 모델을 제시한다. 본 모델은 멀티 모달 순환 신경망 모델의 하나로서, 이미지로부터 시각 정보를 추출하는 컨볼루션 신경망 층, 각 단어를 저차원의 특징으로 변환하는 임베딩 층, 캡션 문장 구조를 학습하는 순환 신경망 층, 시각 정보와 언어 정보를 결합하는 멀티 모달 층 등 총 5 개의 계층들로 구성된다. 특히 본 모델에서는 시퀀스 패턴 학습과 모델 전이에 우수한 LSTM 유닛을 이용하여 순환 신경망 층을 구성하며, 캡션 문장 생성을 위한 매 순환 단계마다 이미지의 시각 정보를 이용할 수 있도록 컨볼루션 신경망 층의 출력을 순환 신경망 층의 초기 상태뿐만 아니라 멀티 모달 층의 입력에도 연결하는 구조를 가진다. Flickr8k, Flickr30k, MSCOCO 등의 공개 데이터 집합들을 이용한 다양한 비교 실험들을 통해, 캡션의 정확도와 모델 전이의 효과 면에서 본 논문에서 제시한 멀티 모달 순환 신경망 모델의 높은 성능을 확인할 수 있었다.