• It's Smart Media
• /
• v.3 no.1
• /
• pp.16-23
• /
• 2014

• Journal of the Korea Society of Computer and Information
• /
• v.22 no.2
• /
• pp.75-80
• /
• 2017

In this study, we developed a Hedonic Model for Retargeting Advertising Based on Consumer-centerd IoT space for offering useful, interest, and interactive information to consumer. And most existing relative researches about Internet of Things but, this paper focusing on the Type of information, humor, and interactive and analyze the attitude and clicks intention to Retargeting Advertising Based on Consumer-centerd Internet of Things. According to the results, humor Advertising is positively related to attitude and click intention toward Internet of Things Advertising. But information Ad and interactive Ad affect positive to click intention. This is mean that click intention is more immediate reaction of consumers in the IoT space. Therefore Future research will be designed in a more interactive elements that can lead to positive reaction of consumers on the Internet of Things be more effective if you advertise advertising.

• TTA Journal
• /
• s.165
• /
• pp.104-105
• /
• 2016

현재 무선통신 분야의 큰 흐름은 5G와 IoT(lnternet of Things)로 대별할 수 있는데, 5G는 표준 로드맵이나 장기 사업화 계획 등이 일부 나오고 있어서 어느 정도 가시권에 들어온 반면, IoT는 아직은 정해지지 않은 면이 많이 남아 있다. 그러나 미래에 일반인들이 생활 속에서 경험하게 될 변화는 IoT 분야가 더 광범위하고 실감이 될 것으로 보이므로 업계, 학계, 그리고 연구계에서는 더 많은 준비가 필요해 보인다. 본고에서는 IoT 시대를 준비하기 위해서는 무엇을 고려해야 하는지를 제기해 보고자 한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.133-135
• /
• 2020

최근 CNN(Convolutional Neural Network)은 영상 분류, 객체 인식 등 다양한 비전 분야에서 우수한 성능을 보여주고 있으나, CNN 모델의 계산량 및 메모리가 매우 커짐에 따라 모바일 또는 IoT(lnternet of Things) 장치와 같은 저전력 환경에 적용되기에는 제한이 따른다. 따라서, CNN 모델의 임무 성능을 유지하연서 네트워크 모델을 압축하는 기법들이 연구되고 있다. 본 논문에서는 행렬 분해 기술인 저계수행렬 근사(Low-rank approximation)와 CP(Canonical Polyadic) 분해 기법을 결합하여 CNN 모델을 압축하는 기법을 제안한다. 제안하는 기법은 계층의 유형에 상관없이 하나의 행렬분해 기법만을 적용하는 기존의 기법과 달리 압축 성능을 높이기 위하여 CNN의 계층 타입에 따라 두 가지 분해 기법을 선택적으로 적용한다. 제안기법의 성능검증을 위하여 영상 분류 CNN 모델인 VGG-16, ResNet50, 그리고 MobileNetV2 모델 압축에 적용하였고, 모델의 계층 유형에 따라 두 가지의 분해 기법을 선택적으로 적용함으로써 저계수행렬 근사 기법만 적용한 경우 보다 1.5~12.1 배의 동일한 압축율에서 분류 성능이 향상됨을 확인하였다.