• ETRI Journal
• /
• 제44권5호
• /
• pp.733-745
• /
• 2022

In software-defined wireless networking (SDWN), the optimal routing technique is one of the effective solutions to improve its performance. This routing technique is done by many different methods, with the most common using integer linear programming problem (ILP), building optimal routing metrics. These methods often only focus on one routing objective, such as minimizing the packet blocking probability, minimizing end-to-end delay (EED), and maximizing network throughput. It is difficult to consider multiple objectives concurrently in a routing algorithm. In this paper, we investigate the application of machine learning to control routing in the SDWN. An intelligent routing algorithm is then proposed based on the machine learning to improve the network performance. The proposed algorithm can optimize multiple routing objectives. Our idea is to combine supervised learning (SL) and reinforcement learning (RL) methods to discover new routes. The SL is used to predict the performance metrics of the links, including EED quality of transmission (QoT), and packet blocking probability (PBP). The routing is done by the RL method. We use the Q-value in the fundamental equation of the RL to store the PBP, which is used for the aim of route selection. Concurrently, the learning rate coefficient is flexibly changed to determine the constraints of routing during learning. These constraints include QoT and EED. Our performance evaluations based on OMNeT++ have shown that the proposed algorithm has significantly improved the network performance in terms of the QoT, EED, packet delivery ratio, and network throughput compared with other well-known routing algorithms.

• 한국인터넷방송통신학회논문지
• /
• 제22권4호
• /
• pp.111-117
• /
• 2022

수십년간 매우 많은 소프트웨어 결함 예측 모델에 관한 연구들이 수행되었으며, 그들 중 기계학습 기법을 사용한 모델들이 가장 좋은 성능을 보였다. 딥러닝 기법은 기계학습 분야에서 가장 각광받는 기술이 되었지만 결함 예측 모델의 분류기로 사용된 연구는 거의 없었다. 몇몇 연구들은 모델의 입력 소스나 구문 데이터로부터 시맨틱 정보를 얻어내는데 딥러닝을 사용하였다. 본 논문은 3개 이상의 은닉층을 갖는 MLP를 이용하여 모델 구조와 하이퍼 파라미터를 변경하여 여러 모델들을 제작하였다. 모델 평가 실험 결과 MLP 기반 딥러닝 모델들은 기존 결함 예측 모델들과 Accuracy는 비슷한 성능을 보였으나 AUC는 유의미하게 더 우수한 성능을 보였다. 또한 또다른 딥러닝 모델인 CNN 모델보다도 더 나은 성능을 보였다.

• 대한임베디드공학회논문지
• /
• 제15권6호
• /
• pp.307-316
• /
• 2020

Machine learning model data is highly affected by performance. preprocessing is needed to enable analysis of various types of data, such as letters, numbers, and special characters. This paper proposes a development environment that aims to process categorical and continuous data according to the type of missing values in stage 1, implementing the function of selecting the best performing algorithm in stage 2 and automating the process of checking model performance in stage 3. Using this model, machine learning models can be created without prior knowledge of data preprocessing.

• Journal of information and communication convergence engineering
• /
• 제21권3호
• /
• pp.225-232
• /
• 2023

Owing to advancements in intelligent transportation systems (ITS) and artificial-intelligence technologies, various machine-learning models can be employed to simulate and predict the number of traffic accidents under different weather conditions. Furthermore, we can analyze the relationship between weather and traffic accidents, allowing us to assess whether the current weather conditions are suitable for travel, which can significantly reduce the risk of traffic accidents. In this study, we analyzed 30000 traffic flow data points collected by traffic cameras at nearby intersections in Washington, D.C., USA from October 2012 to May 2017, using Pearson's heat map. We then predicted, analyzed, and compared the performance of the correlation between continuous features by applying several machine-learning algorithms commonly used in ITS, including random forest, decision tree, gradient-boosting regression, and support vector regression. The experimental results indicated that the gradient-boosting regression machine-learning model had the best performance.

• 융합보안논문지
• /
• 제12권6호
• /
• pp.3-10
• /
• 2012

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 거친 후 사용자에게 인도하는 시기를 결정하는 방출문제에 대하여 연구 하였다. 소프트웨어의 결함을 제거하거나 수정 작업과정에서 학습요인을 고려한 유한고장수를 가진 비동질적인 포아송 과정에 기초하였다. 수명강도는 다양한 형상모수와 척도모수에 이용 할 수 있기 때문에 신뢰성 분야에서 많이 사용되는 로그 선형 모형을 이용한 방출시기에 관한 문제를 제시하였다. 소프트웨어 요구 신뢰도를 만족시키고 소프트웨어 개발 및 유지 총비용을 최소화 시키는 최적 소프트웨어 방출 정책에 대하여 논의 되었다. 본 논문의 수치적인 예에서는 고장 시간 자료를 적용하였으며 모수추정 방법은 최우추정법을 이용하고 최적 방출시기를 추정하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.451-452
• /
• 2023

고속도로에 낙하물이 있으면 사고 방지를 위해 바로 치워야 하지만 순찰차가 발견하거나 신고가 들어오기 전까진 낙하물을 바로 발견하기 힘들며, 대다수의 사람들은 신고하지 않고 지나치는 경우가 있기에 이러한 문제점들을 개선하기 위해 드론과 YOLO를 이용하여 도로의 낙하물을 인식하고 낙하물에 대한 정보를 보내 줄 수 있는 시스템을 개발하였다. 실시간 객체 인식 알고리즘인 YOLOv5를 데스크톱 PC에 적용하여 구현하였고, F450 프레임에 픽스호크와 모듈, 카메라를 장착하여 실시간으로 도로를 촬영할 수 있는 드론을 직접 제작하였다. 개발한 시스템은 낙하물에 대한 인식 결과와 정보를 제공하며 지상관제 시스템과 웹을 통해 확인할 수 있다. 적은 인력으로 더 빠르게 낙하물을 발견할 수 있으므로 빠른 상황 조치를 기대할 수 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.113-114
• /
• 2023

가정용 생활 쓰레기 수거 작업은 야간이나 이른 새벽에 이루어지고 있어 환경미화원의 안전사고와 수거 차량으로 인한 소음 문제가 빈번하게 발생한다. 본 논문에서는 딥러닝 기반의 영상 인식을 활용하여 종량제 봉투를 인식하고 수거가 가능한 생활 쓰레기 수거 로봇의 설계를 제시한다. 제시하는 생활 쓰레기 수거 로봇은 지정 구역을 자율주행하며 로봇에 장착된 카메라를 이용해 학습된 모델을 기반으로 가정용 쓰레기 종량제 봉투를 검출한다. 이를 통해 처리 대상으로 지정된 종량제 봉투와 로봇 팔 사이의 거리를 카메라를 활용하여 얻은 깊이 정보와 2차원 좌표를 토대로 목표 위치를 예측해 로봇 팔의 관절을 제어하여 봉투를 수거한다. 해당 로봇은 생활 쓰레기 수거 작업 과정에서 환경미화원을 보조하여 미화원의 안전 확보와 소음 저감을 위한 기기로 활용될 수 있다.

• 한국멀티미디어학회논문지
• /
• 제15권1호
• /
• pp.51-62
• /
• 2012

본 논문에서는 초등학교 저학년 학생들이 쉽고 효율적으로 건반악기 연주 방법을 학습할 수 있도록 개발한 악기 자율학습기를 설명한다. 개발한 악기 자율학습기는 PC기반의 학습 소프트웨어와 외장 전자건반악기 모듈로 구성된다. 우리는 USB 인터페이스를 적용한 전자건반악기와 PC용 S/W를 연동하여 악기 연주에 필요한 정보를 PC 화면에 제공하는 기능과 타자연습과 유사한 형식의 게임을 통해 학습내용을 재미있게 복습하는 기능을 구현하였다. 개발한 외장 전자건반모듈은 USB 인터페이스를 통하여 PC로부터 선택적으로 악기연주 안내정보를 수신하여 LED 및 7-세그먼트에 표시해줌으로써 초보자들이 쉽게 악보 내 음계와 건반의 상관관계를 숙지할 수 있도록 하였다. 또한 사용자가 건반을 잘못 눌렀을 때 이를 감지하여 LED와 PC 화면에 안내정보를 출력하도록 구현하였다. 구현된 악기 자율학습기를 이용한 악보 연주 실험을 통하여 학습효율이 향상됨을 확인하였다.

• 디지털융복합연구
• /
• 제16권3호
• /
• pp.95-100
• /
• 2018

다양한 문제 상황을 정확히 파악하고 컴퓨팅 기술을 이용하여 문제를 보다 효과적으로 해결하는 능력은 앞으로 더 중요해질 것이다. 이러한 배경으로 컴퓨팅 사고력과 함께 문제해결 능력을 갖춘 미래 인재 양성이 대학 교육에서 강조되고 있다. 따라서 본 논문에서는 컴퓨터 비전공자를 대상으로 컴퓨팅 사고력을 향상시키기 위한 소프트웨어 교육을 문제 해결 학습 기반으로 실시하여 효과를 분석하였다. 그 결과, 학생의 흥미와 배운 정도, 학업성취도에서 유의미한 차이가 나타났음을 알 수 있다. 따라서 학습 동기와 학습 방법에 대한 이해를 바탕으로 학생 수준에 적합한 실생활에 관련된 문제 해결학습을 통해 소프트웨어 교육을 진행한다면 학생들의 관심을 유도할 수 있고, 학습 효과가 높아져서 컴퓨팅 사고력 향상에도 도움이 될 것으로 기대된다.

• 정보교육학회논문지
• /
• 제18권2호
• /
• pp.213-224
• /
• 2014

소프트웨어와 하드웨어를 연계한 STEAM 학습은 알고리즘 향상, 문제해결 능력, 융합적 사고력 등을 크게 신장할 수 있으며, 궁극적으로 학습태도 및 학업 성취력을 높일 수 있다. 본 연구에서는 프로그래밍의 기본 개념을 이해할 수 있는 초등학교 6학년들이 스크래치와 6개의 센서가 부착된 센서 보드를 결합한 프로그래밍 활용으로 국정교과서(5종) 교과내용을 학습 할 수 있도록 학습 모형을 개발하였으며, 6학년 수업현장에서 적용하고 결과를 분석하였다. 결과로서, 평가대상인 초등학생들 대부분이 스크래치와 센서 보드를 결합한 STEAM 학습도구가 적합한 것으로 분석되었다. STEAM 학습에서의 성취도 평가에서 5개 교과 평균성취 수준이 10점 만점에 7점 이상의 평가를 받은 학생들이 39.5%를 얻었으며, 평가대상 대부분의 학생들이 만족할 만한 성취수준을 얻은 것으로 분석되었다. 따라서, 스크래치와 하드웨어인 스크래치 센서 보드를 활용한 학습은 단순히 소프트웨어만 활용하는 기존 소프트웨어 중심의 학습보다 효과적인 것으로 판단된다.