• 전자공학회논문지
• /
• 제50권11호
• /
• pp.99-107
• /
• 2013

Controller Area Network (CAN)의 개발 목적은 차량 내 Electronic Control Units (ECUs)간의 다중 통신을 통해 자동차에서 큰 부피와 무게를 차지하는 와이어 하네스를 저비용의 네트워크 케이블로 대체하기 위한 것이었다. 차량에 탑재되는 ECU들의 증가로 인해 CAN 데이터 전송량이 많아짐에 따라 CAN 버스로드와 오류 확률도 증가하고 있다. CAN 데이터 전송 시간은 CAN 프레임의 길이에 비례하기 때문에 프레임의 길이를 줄이게 되면 효율적으로 CAN 버스로드와 오류확률을 감소시킬 수 있다. 본 논문에서는 CAN 메시지 길이를 감소시키기 위해 Data Length Code(DLC)와 전송 데이터 압축영역 설정 절차를 사용한 CAN 메시지 압축 알고리즘을 제안한다. 제안한 방법에서는 기존의 알고리즘과 달리 변화량을 저장하기 위한 최대 변화량의 범위를 설정하지 않아도 되기 때문에 부정확한 설정에서 발생하는 오류나 지나친 설정에서 발생하는 압축효율 저하를 피할 수 있다. 또한, DLC 크기에 의해 압축 유무를 판단함으로써 기존 방법에서 제안된 두 개의 ID로 압축 여부를 판단하는 비효율적인 문제점을 해결할 수 있다. 실제차량 주행 후 얻은 데이터로 시뮬레이션 해본 결과, 기존의 방법에 비해 최대 52%까지 더 압축된 것을 확인하였다. 또한, 임베디드 테스트 보드를 이용하여 테스트 했을 때 한 개의 64비트 EMS CAN 데이터를 압축하는데 0.16ms가 소요되어 차량용 CAN 통신에 사용가능함을 보인다.

• 한국지능시스템학회논문지
• /
• 제17권4호
• /
• pp.563-568
• /
• 2007

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NEWFM)을 이용하여 클래스의 분류강도를 구하고 비선형 시계열 추이선을 예측하는 방안을 제안하고 있다. NEWFM에 의하여 추출된 가중퍼지 소속함수(BSWFM)를 이용하여 입력값에 대한 분류강도를 구하게 되고, 이들에 대한 가중평균 역퍼지화를 통하여 비선형 시계열 추이선을 작성한다. 실증분석결과 NEWFM은 목표 클래스로 설정된 GDP에 대하여 92.22%의 분류성능을 보여 주었다. 따라서 동 비선형 시계열 추이선은 대표적인 경기지표인 GDP 추이에 비교적 높은 유사도를 나타내는 가운데 분석대상기간인 제5순환기-제8순환기 중 정점(peak)에서 평균 12개월, 저점(trough)에서 평균 6개월의 선행성(look-ahead)을 보여 줌으로써 경기변동에 앞서 상당기간의 시차를 둔 예측지표로서 활용가능성이 입증되었다. NEWFM은 그 특징선택(feature selection)에 의하여 선행지표 10개 중 3개의 축소를 기할 수 있게 해 줌으로써 보다 적은 수의 경제지표를 가지고도 분류성능을 90.0%에서 92.22%로 향상을 기하는 가운데 효율적인 예측기능을 수행할 수 있음이 입증되었다.

• 한국정보과학회논문지:정보통신
• /
• 제30권5호
• /
• pp.668-675
• /
• 2003

본 논문은 WDM(Wavelength Division Multiplexing) 망에서 서비스 품질에 따른 제약조건을 고려하였을 때 장애 복구에 적용될 수 있도록 개선된 p-cycle(preconfigured protection cycle) 기법을 제안한다. 기존의 p-cycle에서는 양방향으로 동일한 대역폭을 가지는 연결만을 고려하기 때문에 단방향 멀티캐스팅이나 양방향으로 서로 다른 대역폭을 사용하는 경우에는 적용하기 어려운 문제점이 있다. 또한 대체 경로의 서비스 품질은 고려하지 않으므로 장애 발생 시 대체 경로에서 서비스 품질을 만족시킬 수 없을 수 있다는 문제점이 있다. 본 논문에서는 단방향 멀티캐스팅이나 양방향 비대칭 대역폭을 사용하는 광대역 멀티미디어 통신에서 사용되는 단방향 연결의 장애복구를 효율적으로 구현할 수 있도록 P-cycle 기법을 개선하였다. 또한 장애복구를 위한 대체 경로의 P-Cycle에서 서비스 품질을 보장할 수 있도록 하기 위해서 P-cycle 선정을 위한 새로운 절차를 제안한다. 단방향 연결 개념을 사용한 P-cycle을 적용함으로서 비대칭적인 대역폭을 사용하는 통신환경에서 장애 복구를 위해 요구되는 대역폭을 줄일 수 있었으며, 제안된 p-cycle 선정 절차에 의해 구성된 대체 경로가 서비스 품질을 보장할 수 있는지의 여부를 시험하기 위해서 미국 시험망에 적용하고 그 결과를 분석하였다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권2호
• /
• pp.618-633
• /
• 2014

Relay technology is becoming more important for mobile communications and wireless internet of things (IoT) networking because of the extended access network coverage range and reliable quality of service (QoS) it can provide at low power consumption levels. Existing mobile multihop relay (MMR) technology uses fixed-point stationary relay stations (RSs) and a divided time-frame (or frequency-band) to support the relay operation. This approach has limitations when a local fixed-point stationary RS does not exist. In addition, since the time-frame (or frequency-band) channel resources are pre-divided for the relay operation, there is no way to achieve high channel utilization using intelligent opportunistic techniques. In this paper, a different approach is considered, where the use of mobile/IoT devices as RSs is considered. In applications that use mobile/IoT devices as relay systems, due to the very limited battery energy of a mobile/IoT device and unequal channel conditions to and from the RS, both minimum energy consumption and QoS support must be considered simultaneously in the selection and configuration of RSs. Therefore, in this paper, a mobile RS is selected and configured with the objective of minimizing power consumption while satisfying end-to-end data rate and bit error rate (BER) requirements. For the RS, both downlink (DL) to the destination system (DS) (i.e., IoT device or user equipment (UE)) and uplink (UL) to the base station (BS) need to be adaptively configured (using adaptive modulation and power control) to minimize power consumption while satisfying the end-to-end QoS constraints. This paper proposes a minimum transmission power consuming RS selection and configuration (MPRSC) scheme, where the RS uses cognitive radio (CR) sub-channels when communicating with the DS, and therefore the scheme is named MPRSC-CR. The proposed MPRSC-CR scheme is activated when a DS moves out of the BS's QoS supportive coverage range. In this case, data transmissions between the RS and BS use the assigned primary channel that the DS had been using, and data transmissions between the RS and DS use CR sub-channels. The simulation results demonstrate that the proposed MPRSC-CR scheme extends the coverage range of the BS and minimizes the power consumption of the RS through optimal selection and configuration of a RS.

• 한국시뮬레이션학회논문지
• /
• 제29권1호
• /
• pp.11-21
• /
• 2020

암을 제외한 한국인의 가장 높은 사망원인은 심뇌혈관질환으로 사망원인의 24%를 차지한다. 현재 국내 환자의 심혈관질환의 위험도 산출은 프레밍험 위험지수를 기반으로 하지만, 국외의 가이드라인에 의존하고 있어 정확도가 떨어지는 편이며, 뇌혈관질환의 예측에 대한 위험도는 산출할 수 없다. 심뇌혈관질환은 예방을 위한 조기증상들의 특징 분석이 어려워 질환예측이 힘들며, 한국인에 적합한 예측 방법이 필요하다. 본 연구의 목적은 심뇌혈관질환 데이터를 이용하여, 특징집합 IG-MLP 평가 기반의 특징선택 방법론을 시뮬레이션 하여 검증하는 것이다. 제안하는 방법은 제4~7기 국민건강영양조사 원시자료를 이용한다. 심뇌혈관질환의 예측에 중요한 특징들을 선별하기 위해, 속성들의 심뇌혈관질환에 대한 정보이득-다층신경망을 이용한 분석을 실시하며, 최종적으로 선별된 특징을 이용한 심뇌혈관질환 예측 모델을 제공한다. 제안하는 방법으로 한국인의 심뇌혈관질환에 관련된 중요한 특징들을 찾을 수 있으며, 최적화된 특징들로 구성된 예측 모델은 한국인에 대해 더욱 정확한 심뇌혈관 예측을 할 수 있다.

• 한국정보과학회논문지:정보통신
• /
• 제37권4호
• /
• pp.272-283
• /
• 2010

무선 메쉬 네트워크는 최근 주목받는 연구 주제로 부상하고 있다. 무선 메쉬 네트워크는 대규모 무선 랜 장치와 AP들이 서로 연결된 무선 기반 구조로, 무선 메쉬 네트워크의 처리량(throughput)을 향상시키는 것을 목표로 한 수많은 연구가 이루어진 바 있다. 여기에서는 동시에 생겨나는 다수의 트래픽 흐름들을 전송하기 위한 적절한 라우팅 경로를 설정하는 작업이 매우 중요하다. 본 논문에서는 IEEE 802.11 DCF하에서 전송되는 다수의 트래픽 흐름에 대해 신호 감지(Carrier Sensing), 간섭 등의 정보를 이용하여 양 말단간 (end-to-end) 처리량을 수학적으로 모델화하기 위한 방법을 제시하고자 한다. 각 단말에 성공적으로 이루어지는 평균 서비스 시간을 비교하고, 한편으로는 트래픽 흐름 가운데 병목현상이 발생하는 부분을 찾아내어 그로부터 말단간 처리량의 최대치를 계산할 수 있다. 본 논문에서 제시된 모델을 사용하여 동시에 전송되는 다수의 트래픽 흐름을 전달하기 위한 전송 경로에 대한 후보 경로를 얻어낼 수 있으며, 얻어진 경로로부터 처리량을 최대로 높일 수 있는 효율적인 경로를 찾아낼 수 있다. 제시된 모델링 기법과 최적 경로 선택 메커니즘은 무선 메쉬 네트워크에서의 다양한 트래픽 흐름을 사용한 시뮬레이션을 통해 평가하였다.

• 한국항만경제학회지
• /
• 제34권4호
• /
• pp.17-38
• /
• 2018

본 연구의 목적은 해운기업의 선급결정요인을 확립하고 계층적의사결정(AHP) 기법을 활용하여 요인별 상대적 중요도를 고찰하는 것이다. 선급결정요인의 계층구조에 대한 선행연구가 부족하여 관련 산업 연관도에 따른 선급의 주요 활동, 선급 업무 프로세스 및 서비스 전달 과정을 참조하여 요인들을 식별하고 주요인과 세부요인으로 분류하였다. 이를 선급 관련 업무 종사자를 대상으로 설문하여 최종 확정하였고, AHP 분석을 위하여 해운 관련 업무 종사자 대상 설문을 진행하여 다음과 같은 결론을 도출하였다. 선급결정요인 중 주요인의 중요도는 기술 및 검사 서비스 0.373, RO 기능 0.284, 비용 0.177, 시장(연관산업)의 기대 0.167인 바, 기술 및 검사 서비스에 대한 상대적 중요도가 아주 높게 나타나 BWM, 황산화물과 같은 환경규제와 자율운항선박, 친환경연료추진선박 등 미래 기술선도 선박에 대한 기술 협력 등 해운 시장의 변화와 트렌드를 반영함을 알 수 있었다. 세부요인의 복합가중치는 PSC 대응 능력 0.144, 기술 서비스 0.143, 금융기관/화주/조선소 등의 요구 0.090, 선급유지비용 0.087, 검사 네트워크 0.086, 검사원 역량 0.085, IMO/정부와의 협력 0.072, 정부 검사권 수임 0.067, 선급의 영업력 0.058, 최초검사비용 0.052, 평판과 공신력 0.040, 선급관련부대비용 0.038, 관련 산업과의 유대 0.037 순서로 나타난 바, 해운기업은 항만당국의 PSC 검사에 따른 출항정지방지와 기술서비스를 중요하게 생각하며, 금융기관/화주/조선소 등의 요구, 선급유지비용, 검사 네트워크, 검사원 역량을 높은 우선순위로 판단함을 알 수 있었다.

• 한국정보전자통신기술학회논문지
• /
• 제11권6호
• /
• pp.638-644
• /
• 2018

최근 5G에 기술에서는 신호 감쇄와 신호 도달 거리 확장을 위해 사용될 수 있는 릴레이(Relay)를 통한 통신 기술이 주목 받고 있다. 릴레이는 소형 기지국으로 사용이 가능하며, 셀룰러 망으로 지원하기 어려운 환경하에서 통신 기기들이 협력하여 통신하는 자율 네트워크 기법에 사용이 가능하기 때문에, 저전력화와 무선 용량 증대에 활용이 가능할 것으로 기대되고 있다. 한정된 릴레이 자원을 활용하여 최적의 성능을 달성하기 위해서는 효과적인 릴레이 선택 기법이 필요하다. 특히, 두 개의 노드가 릴레이를 통해 메시지를 교환하는 경우, 릴레이 선택 방법에 따라서, 릴레이의 공간적 위치를 활용하여 간섭을 줄이고, 시스템 전송률을 최대화 할 수 있다. 이를 위해서는 릴레이 선택에 따른 평균 데이터 전송률에 대한 분석이 선행되어야 한다. 본 논문은 두 노드가 릴레이를 이용하여 동시 전송을 통해 메시지를 교환할 경우, 평균 데이터 전송률을 분석한다. 이를 위해 Nakagami-m 페이딩 채널 환경하에서 복호 후 전송(Decode and Forward) 방식으로 동작하는 이중홉(dual-hop) 릴레이의 동시 전송으로 인한 간섭을 고려하여 전체 데이터 전송률을 유도한다. 분석식은 m=1인 Rayleigh 페이딩 채널을 포함하여 다양한 Nakagami-m 페이딩 채널에 대한 전체 데이터 전송률을 보여준다. 유도된 분석은 몬테카를로 모의실험을 통해 정확성을 입증하였으며, 요구되는 데이터 전송률이 높을수록, 자원 효율적인 동시 전송 방식이 전체 시스템의 성능을 향상시킬 수 있음을 확인하였다.

• Korean Chemical Engineering Research
• /
• 제62권3호
• /
• pp.214-224
• /
• 2024

밸브는 유량과 압력 조절 등의 중요한 역할을 수행하며, 적절한 밸브 사이즈와 유형 선택이 필요하다. Engineering Procurement Construction (EPC) 산업에선 밸브 사이즈 계수(C_v)의 수식적 계산을 바탕으로 사이즈와 유형을 선정해왔으나 이러한 방식은 전문가의 많은 시간과 비용이 요구되어 비효율적이다. 본 연구는 이를 해결하기위해 머신 러닝기법을 이용한 밸브 사이즈 및 유형 예측 모델을 개발하였다. Artificial neural network (ANN), Random Forest, XGBoost, Catboost의알고리즘을 적용하여 모델들을 개발하였으며, 평가 지표로는 사이즈 예측에는 Normalized root mean squared error (NRMSE)와 R²를, 종류 예측에는 F1 score를 적용하였다. 또한, 유체 상에 따른 영향을 확인하고자 유체 전체, 액체, 기체, 스팀의 4개의 데이터 세트로 사례 연구를 진행하였다. 연구 결과, 사이즈의 경우 전체, 액체, 기체에선 Catboost(R²기준, 전체: 0.99216, 액체: 0.98602, 기체: 0.99300. NRMSE 기준, 전체: 0.04072, 액체: 0.04886, 기체: 0.03619)가, 스팀에선 Random Forest가(R²: 0.99028, NRMSE: 0.03493) 가장 뛰어난 모델임을 확인하였다. 종류의 경우 Catboost가 모든 데이터에서 가장 높은 성과를 제시하였다(F1 score 기준, 전체: 0.95766, 액체: 0.96264, 기체: 0.95770, 스팀: 1.0000). 본 연구에서 제안한 모델들을 적용할 경우, 주어진 조건에 따른 밸브 선택을 도와 의사결정 속도를 높여줄 것으로 기대된다.