Earticle

일상 생활에서 매일 다른 뉴스가 보도되듯이 우리 주변에서 발생되는 데이터의 양은 엄청나다고 할 수 있다. 이런 데이터에는 개인적인 것도 있지만, 날씨나 교통 정보와 같이 모든 사람들에게 공통적인 것도 존재한다. 본 논문은 이런 정보를 효과적이며, 신속하게 사용하기 위해 공공데이터를 활용한 정보전달에 관해 연구로서, 공공데이터와 API기술 을 바탕으로 한 오픈API에 대해 조사하였다. 이를 바탕으로 일상생활에서 쉽게 활용 가능한 오픈API를 사용하여 정보를 전달하는 방법을 설명하고, 이를 응용하여 다양한 오픈API를 활용하여 정보를 전달하는 방안을 제시한다. 제시된 방법을 사용하여 공공데이터를 활용한다면 보다 쉽고 정확한 정보를 전달할 수 있으므로 다양한 분야에 응용이 가능할 것으로 생각한다.

As different news is reported every day in our daily life, the amount of data generated around us is enormous. Some of this data is personal, but there are some things that are common to everyone, such as weather and traffic information. This paper is a study on information transmission using public data to use information effectively and quickly, and investigated open API based on public data and API technology. Based on this, we explain a method of transmitting information using an open API that can be easily used in daily life, and propose a method to transmit information using various open APIs by applying this. If public data is used using the suggested method, it is possible to transmit information more easily and accurately, so it is possible to apply it to various fields.

사물인터넷(IoT) 기술은 최근 의료사물인터넷(IoMT)으로 정의된 대량의 의료 데이터를 처리하여 발전을 위해 개발된 의료분야에서 많이 활용되고 있다. 수집된 광범위한 의료 데이터는 수집된 의료 데이터를 처리하기 위해 구조화된 방식으로 클라우드에 저장된다. 그러나 방대한 양의 의료 데이터를 효과적으로 처리하는 것은 쉽지 않기 때문에 의료분야 구조 데이터를 개발하는 것이 필요하다. 본 논문에서는 IoMT에서 수집된 구조화된 건강 관리 데이터를 처리하기 위한 기계 학습 모드를 개발 하였다. 광범위한 의료 데이터를 처리하기 위해 본 논문에서는 의료 데이터 처리를 위한 MTGPLSTM 모델을 제안하였다. 제안 된 모델은 의료 정보 처리를 위한 선형 회귀 모델을 통합한다. 개발된 모델 이상치 모델은 IoMT에서 수집된 COVID-19 의료 데이터들의 평가 및 예측을 위해 FinTech 모델을 기반으로 구현되었다. 제안된 MTGPLSTM 모델은 감염 확산 방지를 위한 계획 계획을 예측하고 평가하기 위한 회귀 모델로 구성된다. 개발된 모델 성능은 LR, SVR, RFR, LSTM 및 제안된 MTGPLSTM 모델과 같은 서로 다른 분류기를 고려하였으며 1GB, 2GB, 3GB 등 데이터 크기가 다르다는 점도 주요하게 고려되었다. 제안된 MTGPLSTM 모델이 전 세계 데이터에 대해 최대 4% 감소된 MAPE 및 RMSE 값을 달성하였고 중국의 경우 기존 분류기보다 최대 6% 최소인 최소 MAPE(0.97)이 달성되었다.

To adopt the development in the medical scenario IoT developed towards the advancement with the processing of a large amount of medical data defined as an Internet of Medical Things (IoMT). The vast range of collected medical data is stored in the cloud in the structured manner to process the collected healthcare data. However, it is difficult to handle the huge volume of the healthcare data so it is necessary to develop an appropriate scheme for the healthcare structured data. In this paper, a machine learning mode for processing the structured heath care data collected from the IoMT is suggested. To process the vast range of healthcare data, this paper proposed an MTGPLSTM model for the processing of the medical data. The proposed model integrates the linear regression model for the processing of healthcare information. With the developed model outlier model is implemented based on the FinTech model for the evaluation and prediction of the COVID-19 healthcare dataset collected from the IoMT. The proposed MTGPLSTM model comprises of the regression model to predict and evaluate the planning scheme for the prevention of the infection spreading. The developed model performance is evaluated based on the consideration of the different classifiers such as LR, SVR, RFR, LSTM and the proposed MTGPLSTM model and the different size of data as 1GB, 2GB and 3GB is mainly concerned. The comparative analysis expressed that the proposed MTGPLSTM model achieves ~4% reduced MAPE and RMSE value for the worldwide data; in case of china minimal MAPE value of 0.97 is achieved which is ~ 6% minimal than the existing classifier leads.

디스플레이는 브라운관을 시작으로 PDP(Plasma Display Panel), LCD(Liquid Crystal Display) 이후 AMOLED(Active Marix Organic Light Emitting Diode) 순으로 시장을 형성하고 있다. 유기발광다이오드 OLED는 4차 산업혁명을 준비하는 각 국가들의 발전을 위한 핵심 분야로 인정받고 있는 기술이며, 특히 국내 최고 업계 삼성 디스플레이, LG디스플레이는 OLED의 90%이상의 점유율로 시장을 주도하고 있다. 현재 AMOLED는 접거나 휠 수 있는 영역으로 옮겨왔으며, 이와 같은 기술이 가능한 이유는 플렉서블 기판상에 TFT(Thin Film Transistor)와 OLED가 형성가능하기 때문이다. 향후 스트레처블 디스플레이로 그 기술은 이동할 것이며, 이를 위 해서는 늘어나는 기판 소재 개발이 우선 진행되고, 다음으로 TFT, OLED 소자 역시 늘어날 수 있는 재료로 구현되 어야 할 것이다.

Starting with cathode ray tubes, displays are forming markets in the order of active marix organic light emitting diode (AMOLED) after PDP (Plasma Display Panel) and LCD (Liquid Crystal Display). OLED is recognized as a key field for the development of each country preparing for the fourth industrial revolution, and especially Samsung Display and LG Display, which are the top industries in Korea, are leading the market with more than 90% of OLED shares. Currently, AMOLED has moved to the area that can be folded or bent. This technology is possible because TFT (Thin Film Transistor) and OLED may be formed on a flexible substrate. In the future, the technology will move to stretchable displays, and for this, the development of substrate materials is first, and then TFT and OLED devices should also be implemented with stretchable materials.

2000년 초반에 유휴 서버를 활용하는 방식으로 시작된 클라우드 서비스는 4차 산업혁명의 도래로 더욱 활성화되고, 데이터를 수집하고 분석하여 비즈니스에 활용할 수 있는 최적의 플랫폼으로 많은 분야에서 사용되고 있다. 한편 사물인터넷은 주변의 모든 사물들이 언제, 어디서나 자유롭게 인터넷이라는 네트워크에 접속하여 센 싱한 데이터를 전송할 수 있는 환경으로서, 실시간으로 데이터의 전송이 이루어지므로 BaaS 즉, 데이터만을 위한 클라우드 서비스가 추가되었다. 본 연구에서는 사물인터넷을 위한 BaaS 서비스 중에서 Parse Server를 기반으 로 데이터를 관리하는 백앤드 서비스 방안을 설명하고, 이를 활용하여 환자들의 재활을 도와주는 서비스를 제시 한다. 이를 위한 하드웨어 환경으로는 라즈베리파이를 사용하고, 인터넷에 연결되어 실시간으로 환자들의 움직임 정보를 수집하고, 이를 Parse Server를 통해 관리한다.

Cloud services, which started in the early 2000s as a method of using idle servers, are more active with the advent of the 4th industrial revolution, and are being used in many fields as an optimal platform that can be used for business by collecting and analyzing data. On the other hand, the Internet of Things is an environment in which all surrounding objects can freely connect to the Internet network anytime and anywhere to transmit sensed data. In the Internet of Things, data is transmitted in real time, so BaaS, that is, a cloud service for data only has been added. In this paper, among BaaS services for the Internet of Things, a back-end service method that manages data based on Parse Server is explained, and a service that helps patients in rehabilitation is presented using this. For this, a Raspberry Pi is used as a hardware environment, and it is connected to the Internet, collects patient movement information in real time, and manages it through the Parse Server.

소프트웨어 품질평가에 대해서는 많은 연구가 진행되어왔다. 최근에 인공지능 관련 소프트웨어들이 많이 개발되어지면서 기존 소프트웨어에 인공지능 기능을 평가하기 위한 방안에 대한 연구가 진행되어지고 있다. 소프 트웨어 평가는 기능적합성(Functional suitability), 신뢰성(Reliability), 사용성(Usability), 유지보수성 (Maintainability), 효율성(Performance efficiency), 이식성(Portability), 상호운영성(Compatibility), 보안성 (Security)이란 8가지 품질 특성을 기반으로 평가 되어왔으나 인공지능 기능을 가지고 있는 소프트웨어의 경우는 8가지 품질 특성뿐만 아니라 인공지능 부분의 기능에 대해서 평가를 통해서 확인해야 하는 부분에 대한 연구가 진행되고 있다. 본 연구는 이 부분에서 평가 방안에 대한 내용을 소개하려 한다. 기존에 소프트웨어 품질 평가 방안 과 인공지능 부분에서 고려해야 하는 부분에 대한 제시를 통해서 인공지능 소프트웨어의 품질 평가 방안을 제시하 려 한다.

Many studies have been conducted on software quality evaluation. Recently, as artificial intelligence-related software has been developed a lot, research on methods for evaluating artificial intelligence functions in existing software is being conducted. Software evaluation has been based on eight quality characteristics: functional suitability, reliability, usability, maintainability, performance efficiency, portability, compatibility, and security. Research on the part that needs to be confirmed through evaluation of the function of the intelligence part is in progress. This study intends to introduce the contents of the evaluation method in this part. We are going to propose a quality evaluation method for artificial intelligence software by presenting the existing software quality evaluation method and the part to be considered in the AI part.