Earticle

최근 스마트 기기들을 이용하여 다양한 분야에서 연구가 이루어지고 있는 가운데 스마트 기기를 이용한 회의 시스템에 대한 관심이 고조되고 있다. 이기종 테블릿 PC를 이용한 동일 공간에서의 다자간 컨퍼런스 시스템은 스마트 기기를 사용한 선도 어플리케이션 중의 하나로 기대된다. 본 논문에서는 테블릿 PC에서 구현 된 동일 공간에서의 컨퍼런스 시스템인 탭퍼런스를 제안한다. 탭퍼런스는 태블릿 PC’와 컨퍼런스’를 조합한 신조어로 모든 참가자들이 태블릿 PC를 가지고 회의를 진행하는 것이다. 본 시스템은 컨퍼런스를 관리하는 서버와 컨퍼런스를 만들고 진행하는 마스터, 컨퍼런스에 참가하는 슬레이브로 구성되어 있다. 또한 이기종 태블릿 PC사이의 컨퍼런스를 위한 다양한 기능들을 가지고 있다. 이러한 기능들을 통해 동일 공간에서의 효과적인 컨퍼런스를 운영할 수 있다.

Recently, researches using smart devices have being carried out in the various field, and interest of conference system using smart devices is increasing. The multipoint conference systems using heterogeneous tablet PCs in local area environment are expected to be one of the leading applications using smart devices. In this paper, we introduce a local area conference system which is implemented using table PCs, and is called on Tab-ference. Tabference is new word to combine with tablet PC and conference, and tabference is to proceed the conference with participant's tablet PC. The system consists of a server to be used to manage the conference, a master to be used to create and progress the conference, and a slave to be used to join the conference. The system has the various capabilities for a conference between heterogeneous tablet PCs. Efficient conference in a local area can be operated with these capabilities.

본 논문에서는 대용량 고립단어 언어처리를 위한 통계적 방안에 대한 연구를 수행하였다. 대표적인 대용량 고립단어인 내비게이션 POI(Point of Interest) 단어는 백만 개 이상의 고립단어로 이루어져 있다. 내비게이션에 활용되고 있는 고립단어는 초성 등을 활용한 POI 검색뿐만 아니라 음성인식에 사용된다. 본 논문에서는 하나의 고립 단어로 간주하는 POI를 의미가 있는 단위 단어 세트로 구성된 연속단어로 변환시키는 알고리즘을 제안한다. 먼저 대용량 고립 단어로 이루어진 내비게이션 POI를 분석하여 음성인식 및 POI 검색에 활용이 될 수 있는 단위 단어 세트를 구하였다. 단위 단어 세트를 구하는 알고리즘은 2-3 음절로 이루어진 POI를 초기 단어 세트로 정의한 후 음절이 증가함에 따라 단위 단어 세트를 갱신하는 방식으로 구성되었다. 2-5 음절로 이루어진 653,939개의 POI를 제안된 방식을 사용하여 174,535개의 단위 단어 세트를 구하였으며 이를 이용하여 단위 단어 세트로 이루어진 연속 단어로 기존의 POI를 재 정의하였다. 이를 활용하여 통계적 언어처리 모델에 적용한 결과 복잡도가 485.73으로 나타났다.

In this paper, we make a study on the statistical approach for language processing in a very large vocabulary isolated word recognizer. The representative system is a navigation software in which POI (point of interest) words consist of more than million isolated vocabularies. Those vocabularies have been used for building an inverted-indexed system for searching the first consonant as well as a speech recognizer. We propose an algorithm in which an isolated POI word can be converted into a continuous sentence consisting of a sequence of words in a unit word dictionary. First, a part of POIs is analyzed to make a unit word dictionary. The initial unit word dictionary consists of POIs with two or three syllables and is updated for POIs with more than 4 syllables. We build the unit vocabulary set of 174,535 after analyzing 653,939 POIs having 2-5 syllables. Finally, the perplexity of 485.73 is obtained with the same POIs after statistical language processing for unigram, bigram, and trigram.

Safety Critical 시스템은 고장의 발생으로 인하여 심각한 인적 물적 손실을 유발할 수 있는 시스템을 말한다. 따라서 이러한 시스템의 안전성(Safety)을 보장하기 위하여 시스템의 모든 동작에서 비정상적인 행위를 보일 때, 이에 대한 적절한 대처가 가능하도록 강건한 소프트웨어 개발이 요구된다. 그러나 강건한(Robust) 소프트웨어의 개발을 위해서는 많은 비용이 요구되기도 하지만, 개발자가 모든 비정상적인 행위를 예측하여 소프트웨어를 개발하기는 매우 힘들다. 본 논문에서는 안전성이 중요한 소프트웨어의 비정상적인 행위를 테스트하기 위한 테스트 케이스를 개발하기 위한 기법을 제안한다. 즉, 정상적인 동작을 수행하는 경우에 대해서는 배제하고, 단지 비정상적인 경우에 해당되는 테스트 케이스만을 생성한다. 제안한 방법에 의거하여 생성된 테스트 케이스는 Safety Critical System의 운영 과정에서 발생할 수 있는 비정상적인 행위를 사전에 찾아낼 수 있을 것이다.

Safety critical system is a system where human safety and property damage are dependent upon the correct operation of the system. Therefore, in order to develop robust and safe software, it is required to prepare the appropriate countermeasure to cope with abnormal behaviors of the system. However the development of robust software requires high cost, and also it is difficult to predict all possible cases of abnormal behaviors in the development. This paper suggests a technique to generate test case for the purpose of safety test when system behaves abnormally. Specially, our paper focuses on just abnormal cases with exclusion of normal cases. The test case generated by our technique can find the abnormal behaviors possible in field operation of safety critical system during the software development.

본 논문은 통합 전자전 환경에서 일정한 지역에 위치한 다수의 감시/정찰 로봇이 분산되어있는 표적의 유형에 대한 정보를 융합하는 기법을 제안한다. 로봇이 획득한 정보는 확률속성을 갖는 값으로 정의되며, 표적의 유형에 대한 신뢰도를 나타낸다. 다수의 로봇이 획득한 정보를 융합하여 표적의 유형에 대한 종합적인 하나의 예측값을 제공하기 위하여 일련의 융합규칙을 사용한다. 표적과 로봇사이의 거리에 따른 표적 탐지에 대한 확률분포를 생성하였으며, 이를 기반으로 표적의 유형에 대한 정보를 융합하는 실험을 다양한 전장상황에서 수행한다. 또한 센서로부터 표적의 각도 정보를 수신하여 센서의 위치 좌표와 표적의 각도 정보를 바탕으로 분산된 다중표적의 각 위치좌표를 추정한다. 추정기법으로는 사인 법칙을 이용한 삼각측량법과 직선의 방정식을 이용한 교차점 방식을 사용하며, 표적이 센서 탐지거리를 벗어나는 경우에는 선형예측을 이용한 위치추정을 수행한다. 시뮬레이터를 활용한 실험에서 제안한 융합규칙을 이용하여 임의로 생성된 분산표적의 유형에 대한 신뢰도를 성공적으로 융합할 수 있음을 확인하고, 표적과 센서의 개수 변화에 따른 각 좌표 추정 방식의 장단점과 추정오차를 비교해본다.

This paper addresses the fusion processing techniques of multi-sensor data perceived through IR sensors of the military robots for surveillance, in which they are positioned in a limited range with a close distance between each of the robots. To combine multi-sensor data from distributed battlefield robots, we propose a set of fusion rules to formulate the combined prediction from multi-source data expressed in degrees of reliability for the type of a target that has the mathematical properties of probabilities. We have implemented three fusion operators to compare the capabilities of their fusion processing, and have experimented them in simulated, uncertain battlefield environments. In addition, the locations of multiple targets are estimated from the angle of arrival and the locations of multi-sensors. We use the triangulation method and the line equation method for the location estimation, and also use the linear prediction for the out-of-sight targets. The experimental results show that the fusion of multi-sensor data from military robots and location estimation for multiple targets can be successfully tested in randomly generated military scenarios.

기존 온라인 및 오프라인 전자 지불 방식은 인증 및 검증 연산이 네트워크를 통해 이뤄지기 때문에 인프라에 완벽히 독립적이지 못하다. 본 논문에서는 저장된 데이터를 1회에 한하여 읽을 수 있는 메모리인“One-Time Readable Memory(OTM)”를 제안하고 이를 차세대 메모리 개발 플랫폼으로 구현하였다. 이를 기반으로, 기존 전자 지불 방식과 달리, 네트워크를 통한 인증 및 검증연산이 없는 전자 지불 시스템을 디자인 및 구현하였다. OTM에 저장된 화폐 가치에 대응되는 디지털 데이터는 송금자의 전자 지불 매체로부터 읽히는 순간 비가역적으로 삭제됨과 동시에 수취인의 전자 지불 매체로 이동되고 OTM에 저장된 데이터는 OTM으로만 이동이 되기 때문에, 저장된 데이터는 유일성을 지니게 되어, 화폐로서의 역할을 수행할 수 있는 특징을 갖는다. 따라서 본 논문의 전자 화폐 및 전자 지불 시스템은 기존 전자 지불 방식의 네트워크를 이용한 인증 및 검증 연산 없이 신뢰성 있는 방법으로 전자 거래를 수행할 수 있게 된다.

Conventional online/offline digital payment schemes are not completely independent from infrastructure such as authentication or verification servers in the Internet. As a remedy to this limitation, we designed and implemented a new electronic medium for offline digital payment, called One-Time Readable Memory (OTM) using next-generation memory development platform. OTM can provide uniqueness for digital information by both atomic movement operation and mutual authentication among OTMs so that it can be utilized as a medium of digital payment. Consequently, OTM makes it possible to perform offline digital payments without the authentication or verification servers of the conventional digital payment schemes in the Internet.

본 논문은 최근 컴퓨터 비전 및 기계학습 분야에 활용되는 분류기 중 가장 널리 이용되는 SVM 분류기의 성능 향상을 위한 새로운 알고리즘을 제안한다. SVM 분류기의 기본적 개념은 분류함수에 대한 입력 특징 벡터의 soft 마진 비용을 최소화하는 것으로 정의할 수 있다. 이러한 접근법으로부터 구축된 분류 함수의 모델은 주어진 학습 데이터에 대한 효율적인 결정 경계를 제공하지만, 각 특징 벡터와 주변 특징 벡터 간의 구조적·분포적 특성을 반영할 수 없어 이상점에 의해 영향을 받게 된다. 본 연구에서는 이러한 SVM분류기가 갖는 단점을 보완하기 위해 각 특징 벡터의 분포에 따른 가중치를 부여하여 주변 특징 벡터들과의 나타나는 분포적 특징을 반영하도록 하였다. 또한 본 연구에서 정의한 effectiveness 요소를 통해 분류 모델의 결정 경계를 보다 효과적으로 선택할 수 있도록 하였다. 제안한 알고리즘의 성능 검증을 위해 MNIST 데이터에 대한 다 부류 분류를 수행하였으며, 그 결과 기존의 SVM 분류기보다 향상된 분류 성능을 달성하였다.

In this paper, we proposed a new SVM model for classification based on analysis of weight and effectiveness of a certain feature vector. The standard SVM approach used a concept of minimization of geometric soft margin between input feature vector and classification function. Although the classical approach builds a classification function to pro-vide efficient decision boundary, this model is easily affected by outliers because each support vector cannot reflect structural or distributional properties of input data. To overcome defects of the classical SVM approach, a new model is derived from weighting scheme based on geometrical relation of nearby feature vectors and data distribution of input feature vectors. The proposed model was verified by using the effectiveness factor that helps to build classification function to provide effective global decision boundary. We evaluated our weighted SVM model using effectiveness factor for multi-class classification and achieved higher accuracy than classical SVM model using the MNIST dataset.

비즈니스 기술 최적화 (Business Technology Optimization: BTO)는 IT를 최적화해서 비즈니스 프로세스를 개선하여 생산성 향상과 관리 효율성을 도모하자는 개념이다. RFID 시스템은 물리적인 형태에 따라 태그, 리더기 등의 하드웨어 구성요소와 RFID 미들웨어와 같은 소프트웨어 구성요소로 구분할 수 있으며, 이러한 구성요소들과 해당 분야에서의 응용 소프트웨어가 유기적으로 연계되어 운영되는 시스템이다. 지금까지 RFID 시스템의 품질 향상을 위해서 단지 RFID 장비들의 물리적 인식률에만 초점을 두고 있었다. 그러나 사용자가 느끼는 RFID 시스템에 대한 신뢰는 각 장비마다의 물리적 인식뿐만 아니라 전체 프로세스 상의 인식된 데이터가 끊어지지 않고 올바르게 처리되는 논리적인 인식에 좌우된다. 본 논문에서는 RFID 시스템 상에 식별될 수 있는 논리적 오류 유형들을 분석하고 이를 감지하기 위한 제약조건들을 제안한다. 이를 통해 물리적 인식 실패뿐만 아니라 논리적 인식 실패를 감지할 수 있음을 보이고 이로 인해 전반적인 RFID 시스템의 신뢰성을 향상시킬 수 있음을 보인다.

Business Technology Optimization (BTO) is a concept that enhances the productivity and management through the improvement of the business process on IT optimization. An RFID system consists of hardware components such as tags and readers, and software components such as an RFID middleware. It is a system interconnecting these components systematically. Some of the most studies about quality improvement of RFID systems have focused on the physical reading rate of RFID equipments. However, an reliability of the RFID system for user view is influenced by data processing seamlessly on processes. In this paper, we suggest constraint conditions for detecting logical error types on an RFID system. We can recognize a failure to identify physically and logically using these constraint conditions. Finally, it can improve the reliability of RFID systems.

대용량 지형을 실시간에 렌더링하기 위해서 많은 GPU기반의 상세단계 기법들이 연구되었다. 기존의 연속상세단계 기법들은 지형을 오차 없이 단순화 하기 위해서 전처리 과정을 통해 트리구조나 이미지 피라미드를 생성하고 그것들을 활용하여 메쉬를 재구성 하였다. 본 논문에서는 이러한 전처리 과정 없이 최근에 소개된 GPU에 추가된 테셀레이션 단계를 이용한 가속화 기법으로 오차없이 지형을 효과적으로 렌더링 할 수 있는 연속 상세단계 기법을 제안한다. 이 방법은 효과적으로 GPU에서 시각 절두체 선별과 메쉬의 세분화를 수행하며, GPU로 재구성된 메쉬를 업로드 해야하는 기존 방법에 비하여 폴리곤 갯수가 현저하게 적은 기저 메쉬만 업로드 한 후 GPU에서 세분화하므로 전송되는 데이터량을 기존의 방법들에 비해 줄여 처리 시간을 단축시켰다. 또한 지형을 이루는 각 격자들의 길이를 이용하여 테셀레이션 인자를 정하기 때문에 기존 방법들에서 나타나는 크랙이 발생하지 않는다. 따라서 크랙제거를 따로 수행할 필요가 없으므로 처리 시간을 단축시킬 수 있다.

A variety of GPU-based level-of-detail methods have been introduced for rendering massive terrain data in realtime. Previous CLOD (Continuous Level-of-Detail) methods generate tree structures or image pyramids in order to simplify the input data with very little errors in preprocessing step. Then they reconstruct terrain meshes using those data structures. We propose an accelerated CLOD method that efficiently generates terrain images without geometric errors using tessellation stage equipped in modern GPUs without any preprocessing. It performs view frustum culling and mesh tessellation in GPU. Unlike the previous methods which upload reconstructed meshes into GPU in every frame, it can reduce rendering time since it only transfers basis mesh of which the number of polygons is very smaller than entire mesh. Also it does not produce cracks that are commonly observed in the previous methods since it uses tessellation factor as the length of grids which comprise target terrain. It reduces rendering time additionally since there is no crack removal stages.