• 한국수자원학회논문집
• /
• 제40권4호
• /
• pp.325-334
• /
• 2007

본 연구에서는 점진적인 유량 및 압력이 변화하는 상수관망에서 Rigid Water Column Theory를 이용하여 정상모형의 확장기간 모의해석보다 정확하고 수충격 해석보다는 계산비용 및 노력 측면에서 효율적으로 장시간 부정류 해석 모형을 개발하였다. 개발된 모형을 이용하여 실제관망에 대하여 24 시간 열 수요량을 고려한 부정류 해석 및 밸브폐쇄로 인한 수충격해석 모의에 적용하였고 해석 결과는 다음과 같다. 24 시간 일변화 모의의 경우에 수요량이 증가할 경우 모든 관로에서 압력감소가 나타났으며 수요량이 감소할 경우 압력증가가 나타났다. 그리고 일 수요량의 변화에 따라 나타난 절점에서의 유량 및 압력 변화폭은 각 절점마다 다르고 수요량과 유량의 변화양상이 반대로 나타나는 관로도 발생하고 있으며 KYPIPE2의 결과와 본 모형의 유량 및 압력차이도 발생하고 있어 상수관망의 동역학적 해석의 필요성이 대두되었다. 밸브폐쇄로 인한 수충격모의에 본 모형이 적용되었을 때 본 모형은 유체의 압축성을 무시함으로 인해 밸브 완전 폐쇄와 동시에 압력과 유량의 변화가 전 관망에 발생하였고 수충격모형은 유체의 탄성으로 인해 발생된 압력파의 도달시간이 필요함으로 압력과 유량변화가 지체되어 나타났으나 전체적인 변화양상 및 변화폭의 크기 등은 유사한 경향을 나타내어 본 모형의 적용성을 입증하였다. 본 연구에서 개발된 프로그램은 장기간 점진적인 관로 부정류를 비교적 정확하게 해석할 수 있을 것으로 판단되며 이를 이용하여 관로내 오염물의 확산해석, 수요량을 고려한 절점에서의 압력제어 및 누수저감, 장기간 관로내의 유량 및 압력 변화를 고려한 관망관리 등의 분야에서 효율적으로 이용될 수 있을 것으로 기대되었다.

• 대한전자공학회논문지SD
• /
• 제37권12호
• /
• pp.91-97
• /
• 2000

정보통신의 눈부신 발달과 인터넷의 급격한 확산으로 현대 네트워크 통신은 전자상거래 또는 전자화폐의 활성화, 전자서명 등의 여러 가지 첨단기능을 수행하고 있으며 미래에는 더욱 진보된 서비스를 제공하게 될 것이다. 이러한 전자상거래와 같은 정보통신네트워크는 보다 안전하게, 보다 투명성이 있는 네트워크의 보장을 요구하게 되며, 보다 빠른 네트워크의 성능을 기대하게 된다. 본 논문에서는 이러한 여러 가지 요구에 부응하기 위하여 DES(Data Encryption Standard)의 기본 구조인 Feistel 구조를 병렬로 변화시킨 병렬 Feistel 구조를 가지는 DES를 제안한다. 제안된 병렬 Feistel 구조는 DES 자체의 구조적 문제(error의 propagation) 때문에 pipeline 방식을 사용할 수 없어 데이터 처리속도와 데이터 보안 사이에서의 trade-off 관계를 가질 수밖에 없었던 DES의 성능을 크게 향상시킬 수 있으며 더불어 Feistel 구조를 채택한 SEED에 제안된 방식을 적용할 경우 지금보다 더욱 우월한 보안 기능 및 고속의 처리능력을 발휘하게 될 것이다. 여기에서 사용된 CAD Tool은 회로합성과 모의실험에 모두 Synopsys Ver.1999.10을 사용하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제13권5호
• /
• pp.293-299
• /
• 2007

지능형 배관 검사체(PIG)는 가스나 기름 배관 안을 지나가며 검사체에 장착된 여러 센서로부터 신호(센서 데이타로 불림)들을 취합하는 장치이다. PIG로부터 취합된 센서데이타들을 분석함으로써, 배관의 구멍, 뒤틀림 또는 잠재적으로 가스 폭발의 위험을 가지고 있는 결함들을 발견할 수 있다. 배관의 센서 데이타를 분석가가 분석을 할 때에는 주로 두 가지 분석 패턴을 사용한다. 첫 번째는 센서 데이터를 순차적으로 분석하는 순차적 분석 패턴이고, 두 번째는 특정한 구간을 반복해서 분석하는 반복적 분석 패턴이다. 특히, 센서 데이타를 분석할 때 반복적 분석 패턴이 많이 사용된다. 기존의 PIG 소프트웨어들은 사용자의 요청이 있을 때 마다 서버로부터 센서 데이타들을 오므로, 매 요청마다 네트워크 전송비용과 디스크 액세스 비용이 든다. 이와 같은 방법은 순차적 분석 패턴에는 효율적이지만, 분석 패턴의 대부분을 차지하는 반복적 분석 패턴에는 비효율적이다. 이와 같은 문제는 서버/클라이언트 환경에서 다수의 분석가가 동시에 분석을 할 경우에는 매우 심각해진다. 이러한 문제점을 해결하기 위해 본 논문에서는 배관 센서 데이타들을 여러 개의 시계열 데이타로 생각하고, 효율적으로 시계열 데이타를 캐싱 하는 T-Cache라 부르는 주기억장치 고성능 캐시 관리자를 제안한다. 본 연구는 클라이언트 측에서 시계열 데이타를 캐싱하는 최초의 연구이다. 먼저, 고정된 거리의 시계열 데이타들의 집합을 캐싱 단위로 생각하는 신호 캐시 라인이라는 새로운 개념을 제안하였다. 다음으로, T-Cache에서 사용되는 스마트 커서와 여러 알고리즘을 포함하는 여러 가지 자료구조를 제안한다. 실험 결과, 반복적 분석 패턴의 경우 T-Cache를 사용하는 것이 디스크 I/O측면과 수행 시간 측면에서 월등한 성능 향상을 보였다. 순차적 분석 패턴의 경우에도 T-Cache를 사용하지 않은 경우와 거의 유사한 성능을 보였다. 즉, 캐시를 사용함으로써 발생하는 추가비용은 무시할 수 있음을 보였다.

• 한국유체기계학회 논문집
• /
• 제12권5호
• /
• pp.7-12
• /
• 2009

A nuclear fuel test loop(after below, FTL) is installed in the IRI of an irradiation hole in HANARO for testing the neutron irradiation characteristics and thermo hydraulic characteristics of a fuel loaded in a light water power reactor or a heavy water power reactor. There is an in-pile section(IPS) and an out-pile section(OPS) in this test loop. When HANARO is operated normally, the fuel loaded into the IPS has a nuclear reaction heat generated by a neutron irradiation. To remove the generated heat and to maintain the operation conditions of the test fuel, a main cooling water system(MCWS) is installed in the OPS of the FTL. The MCWS is composed of a main cooler, a pressurizer, two circulation pumps, a main heater, an interconnection pipe line and instruments. The interconnection pipeline is a closed loop which is connected to an inlet and an outlet of the IPS respectively. The MCWS is under a cold function test during a start-up period. This paper describes the system flow network analysis results of the flow control of a main cooling water system in the HANARO fuel test loop. It was confirmed through the results that the flow was met the system design requirements.

• 한국통신학회논문지
• /
• 제35권12A호
• /
• pp.1160-1170
• /
• 2010

기존의 다중경로 설정 방법은 소스로부터 목적지까지 명확하게 분리된 다중경로를 보장하지 못할 뿐만 아니라, 다중경로의 라우팅 정보를 설정하고 유지하기 위한 오버헤드가 많다. 본 논문에서는 다중경로를 설정하는 과정에서 플러딩 방식을 제거하고, 트래픽 부하를 분산시키며, 경로 갱신에 참여하는 노드의 수를 최소화함으로써, 에너지 효율적인 EDM(Explicit Disjoint Multipath) 방식을 제안한다. EDM은 논리적으로 다중경로가 구성될 수 있는 논리적인 파이프라인을 구성하고, 물리적으로 파이프라인을 통해 목적지까지 경유지 기반 지오그래픽 라우팅을 수행한다. EDM은 네트워크 트래픽 부하를 분산시키고, 에너지 소모를 균등화할 수 있으며, 네트워크 생명주기를 연장시킬 수 있다.

• 전자통신동향분석
• /
• 제34권4호
• /
• pp.55-64
• /
• 2019

In this study, we introduce trends in neural-network-based deep learning research applied to dialogue systems. Recently, end-to-end trainable goal-oriented dialogue systems using long short-term memory, sequence-to-sequence models, among others, have been studied to overcome the difficulties of domain adaptation and error recognition and recovery in traditional pipeline goal-oriented dialogue systems. In addition, some research has been conducted on applying reinforcement learning to end-to-end trainable goal-oriented dialogue systems to learn dialogue strategies that do not appear in training corpora. Recent neural network models for end-to-end trainable chit-chat systems have been improved using dialogue context as well as personal and topic information to produce a more natural human conversation. Unlike previous studies that have applied different approaches to goal-oriented dialogue systems and chit-chat systems respectively, recent studies have attempted to apply end-to-end trainable approaches based on deep neural networks in common to them. Acquiring dialogue corpora for training is now necessary. Therefore, future research will focus on easily and cheaply acquiring dialogue corpora and training with small annotated dialogue corpora and/or large raw dialogues.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권4호
• /
• pp.1246-1262
• /
• 2021

Recent studies have demonstrated the strong ability of deep convolutional neural networks (CNNs) to significantly boost the performance in single image super-resolution (SISR). The key concern is how to efficiently recover and utilize diverse information frequencies across multiple network layers, which is crucial to satisfying super-resolution image reconstructions. Hence, previous work made great efforts to potently incorporate hierarchical frequencies through various sophisticated architectures. Nevertheless, economical SISR also requires a capable structure design to balance between restoration accuracy and computational complexity, which is still a challenge for existing techniques. In this paper, we tackle this problem by proposing a competent architecture called Enhanced U-Net Network (EUN), which can yield ready-to-use features in miscellaneous frequencies and combine them comprehensively. In particular, the proposed building block for EUN is enhanced from U-Net, which can extract abundant information via multiple skip concatenations. The network configuration allows the pipeline to propagate information from lower layers to higher ones. Meanwhile, the block itself is committed to growing quite deep in layers, which empowers different types of information to spring from a single block. Furthermore, due to its strong advantage in distilling effective information, promising results are guaranteed with comparatively fewer filters. Comprehensive experiments manifest our model can achieve favorable performance over that of state-of-the-art methods, especially in terms of computational efficiency.

• 대한전자공학회논문지SD
• /
• 제41권5호
• /
• pp.61-70
• /
• 2004

뉴럴 네트워크는 동작 모드를 학습과 인지 과정으로 구분할 수 있다. 학습은 다양한 입력 패턴에 대하여 학습자가 원하는 결과값을 얻을 때까지 결합계수를 업데이트하는 과정이고, 인지는 학습을 통해 결정된 결합계수와 입력 패턴과의 연산을 수행하는 과정이다. 기존의 내적연산 프로세서는 처리 속도를 개선하고 하드웨어 복잡도를 줄이는 다양한 구조가 연구되었지만 뉴럴 네트워크의 학습과 인지모드에 대한 차별화된 구조는 없었다. 이를 위해, 본 논문에서는 재구성 가능한 뉴럴 네트워크 구현을 위한 새로운 저전력 내적연산 프로세서 구조를 제안한다. 제안한 구조는 학습모드에서 기존의 비트-시리얼 내적연산 프로세서와 같이 동작을 하여, 비트-레벨의 타른 처리 및 하드웨어 구현에 적합하고 높은 수준의 파이프라인 적용이 가능하다는 장점을 가진다. 또한, 인지모드에서는 고정된 결합계수에 따라 연산을 수행할 활성화 유닛을 최소화시킴으로서 전력 소비를 줄일 수 있다. 시뮬레이션 결과 활성화 유닛은 결합계수에 의존적이기는 하지만 50% 내외까지 줄일 수 있음을 확인하였다.

• 한국지반환경공학회 논문집
• /
• 제14권5호
• /
• pp.15-22
• /
• 2013

해저관로는 중요한 해안구조물의 하나로 연안 및 해양개발을 위해 폭넓게 사용되고 있다. 해저관로는 해저지반의 상태에 따라 파와 흐름으로 인해 주변에 세굴이 발생한다. 이로 인해 관이 뜨거나 가라앉는 경우가 발생하여 관의 내구성에 악영향을 미친다. 최근에는 해양환경에서 구조물과 여러 요인들의 복잡한 상호작용에 의한 세굴에 대해 많은 연구들이 이루어졌지만, 아직까지 세굴을 정확히 예측하는 것은 어렵다. 본 연구에서는 신경망 기법으로 관로의 세굴심 자료를 분석하여 세굴심을 예측하였다. 학습을 위해 역전파 알고리즘을 사용하였다. 신경망 모델의 학습과 검증에 총 58개의 모형실험 자료들이 사용되었다. 또한 동일한 데이터에 대해 회귀분석 기법을 통한 예측과 비교 분석하여 세굴심 예측을 위한 신경망 기법의 적용성을 검토하였다.

• 천문학회보
• /
• 제41권2호
• /
• pp.54.2-54.2
• /
• 2016

We present a machine learning approach to estimating stellar atmospheric parameters, effective temperature (Teff), surface gravity (log g), and metallicity ([Fe/H]) for stars observed during the course of the Sloan Digital Sky Survey (SDSS). For training a neural network, we randomly sampled the SDSS data with stellar parameters available from SEGUE Stellar Parameter Pipeline (SSPP) to cover the parameter space as wide as possible. We selected stars that are not included in the training sample as validation sample to determine the accuracy and precision of each parameter. We also divided the training and validation samples into four groups that cover signal-to-noise ratio (S/N) of 10-20, 20-30, 30-50, and over 50 to assess the effect of S/N on the parameter estimation. We find from the comparison of the network-driven parameters with the SSPP ones the range of the uncertainties of 73~123 K in Teff, 0.18~0.42 dex in log g, and 0.12~0.25 dex in [Fe/H], respectively, depending on the S/N range adopted. We conclude that these precisions are high enough to study the chemical and kinematic properties of the Galactic disk and halo stars, and we will attempt to apply this technique to Large Sky Area Multi-Object Fiber Spectroscopic Telescope (LAMOST), which plans to obtain about 8 million stellar spectra, in order to estimate stellar parameters.