Earticle

3n+1 문제는 산술적으로는 단순하나 이에 대한 추정을 수학적으로는 증명하기 어려운 문제로 유명하다. 이 추정에대한 증명을 찾는 것이 어려운 이유는 다른 수학 분야들과 다소 동떨어진 분야이고, 수렴하는 순서에 있어서 특정패턴이 존재하지 않는다는 사실에 있다. N-puzzle은 초기 상태로부터 최종 목적 상태에 도달하기 위해 순서적으로타일을 움직이는 타일 게임 중 하나이다. 본 논문에서는 N-puzzle 에서의 타일 이동 패턴에 대한 3n+1 문제의 반복에 따른 수렴 패턴의 유사성을 연구하였다. 3n+1 문제에 대한 T-trajectory의 길이를 찾기 위하여 변형 시라쿠스(Modified Syracuse) 알고리즘을 구현하였고, N-puzzle에서 최적의 이동수를 도출하기 위해 맨하탄 디스턴스(Manhattan Distance)를 고려한 A* 알고리즘을 구현하였다. 연구로부터 N-puzzle의 초기 상태로부터 목적 상태까지의 Hamming distance와 Kendall tau distance에 기반하여 3n+1 문제의 반복 랜덤 특성이 N-puzzle 의 최적 이동 순서와 유사한 행위를 보임을 증명하였다.

3n+1 problem is well known in mathematics as arithmetically simplest to state yet hard to prove conjecture. The difficulty in finding a proof for the conjecture lies in its isolation from other mathematical areas and the fact that no pattern can be seen in the sequence. The N-puzzle is a tile game in which a sequence of moves is performed to reach goal state from any initial configuration. In this paper we present the study of 3n+1 problem’s iterations with respect to the moves of N-puzzle. We have implemented the Modified Syracuse algorithm to find length of T-trajectory of 3n+1 problem, and A* algorithm with Manhattan distance for finding optimal number of moves in N-puzzle. We have shown that in N-puzzle the sequence of optimal moves behaves similar to the random nature of 3n+1 problem iteration based on the Hamming distance and Kendall tau distance of N-puzzle initial configuration and goal state.

본 논문은 사물인터넷과 인공지능 기술을 적용한 이미지 분류 기법을 제안한다. 제안한 분류 기법은 과일과 채소 등을 인식하는데 사용하며, 대상 사물을 분별한 후 이 사물이 포함된 조리 기법을 추천하는 기능을 제공하는 어플리케이션을 구현한다. 어플리케이션은 조리 기법 책에서 제공하는 재료(종류 및 무게), 조리 순서 등의 모든 정보를 사용자에게 제공하도록 구현하고, 또한 조리 대상 사물을 인식하는 컨볼루션널 신경망 기반 인공지능 기술도 추가하여조리의 편리성을 향상하도록 한다. 스마트워치에서는 사용자의 일일 운동량 및 생체 정보를 바탕으로 사용자에게 가장 적합한 주스 조리 기법을 추천하는 기능을 제공하도록 어플리케이션을 구현한다.

This paper combines two of the most recent research topics for consumer electronic devices: Internet of Things (IoT) and Artificial Intelligence (AI), applied to solve an image classification problem for an electrical appliance’s recipe database. The first part of this article presents the development of an Android mobile application containing all the options from its recipe book manual. The problem addresses the inconvenience to manually search over the catalog categories to find the recipe that matches the actual ingredient available for the users in their home. The proposed solution establishes to recognize the ingredient with the mobile device camera using transfer learning over a pre-trained Convolutional Neural Network (CNN) to distinguish between the recipes that uses the ingredient, and exclude the recipe sets that are unrelated to the ingredient acquired with the camera. In the second part of the article, the availability of sensors on most of the wrist smartwatches and fitness bands is exploited to categorize the users according to the level of physical activity, in pursuance of making a healthy recommendation according to the number of calories in each of the recipes.

무선 센서 네트워크의 보급은 다양한 라우팅 프로토콜 발전에 있어 주요한 목표이다. 무선 센서 네트워크의 새로운 발전은 현재 환경, 군사, 건강, 차량 운동, 재앙 관리 등의 유망한 분야의 작업에서 제기되는 문제점 등을 검출한다. 그 중에서도 현재는 VSNET(Vehicular Sensor Network)이 화제로 부상하고 있다. 이 네트워크는 일상생활에서 자동차와 버스를 운전할 때 사용되며, 프로토콜의 지연시간이 높다. 새롭고 다양한 프로토콜이 이미 제안되었으며, 이 분야에서 많은 진보적인 연구가 진행되고 있다. VSNET와 VANET(Vehicular Ad Hoc Networks)는 신뢰성 과 빠른 차량 무선 통신을 보장함으로써 보안 트래픽을 제공한다는 동일한 목표를 가지고 있다. 본 논문에서는 최근 에 이 네트워크 영역에서 제안된 새롭고 효율적인 라우팅 프로토콜에 대해 논의한다. 성능 분석 매개 변수에 대해 설명하고, 이를 통해 라우팅 프로토콜의 성능을 평가하는데 사용한다. 또한, 프로토콜들에서 상이한 성능 파라미터 들을 통해 프로토콜들의 호환성을 비교하였다.

Widely use of Wireless Sensor Network(WSN) is the main purpose behind the advancement of many routing protocols. New developments in WSN presently detecting the raised concern in the promising usage in operations like Environmental, Military, Health, Vehicular Movement, Catastrophe Management etc. Among them, Vehicular Sensor Network(VSNET) is becoming a hot issue recently. This network is used in our daily life when driving cars and buses hence the protocols used in this network are all time demanding protocols. Many new protocols have been already proposed and there are many advance researches going on in this field. Both VSNETs and Vehicular Adhoc Networks(VANETs) have the same goal of providing a secured traffic by ensuring a reliable and faster Vehicular Wireless communication. This paper will discuss about some new and efficient routing protocols which have been proposed in these network area on recent times. Here we have explained some performance analysis parameters and used them to evaluate the performance of those routing protocols. In addition, a comparison has shown among the described protocols for representing the compatibility of the protocols under different performance parameters.

클라우드 컴퓨팅이 IT 업계의 화두로 부상하면서 다양한 종류의 클라우드 서비스들이 등장하였다. 이에 따라 여러 종류의 클라우드 서비스를 조합하여 사용함으로써 다양한 비즈니스 요구사항을 충족시킬 수 있게 되었다. 하지만 사 용자가 직접 필요한 클라우드 서비스의 조합을 찾아 이용하기 위해서는 각 클라우드 서비스의 용도와 특성을 이해해 야 하므로 많은 지식이 요구된다. 클라우드 벤더에서 클라우드 컨설팅 서비스나 레퍼런스 아키텍처를 제공하기도 하 지만 수동적이고 벤더 의존적이라는 한계가 있다. 이에 본 논문에서는 패턴의 개념을 이용하여 사용자의 요구사항에 맞는 클라우드 서비스의 조합을 추천해 주는 기법을 제안한다. 클라우드 서비스 추천을 위한 명세 모델을 제시하며, 패턴 기반으로 클라우드 서비스 조합을 추천해 주는 4단계의 프로세스를 제시한다. 또한 클라우드 서비스의 QoS와 사용자 피드백을 이용한 서비스 추천 방법이 기존의 방법 대비 어떤 이점이 있는지 실험을 통해 증명한다. 본 논문 에서 제안하는 기법을 이용하면 사용자는 구축하고자 하는 클라우드 환경에 대한 요구사항을 입력함으로써 쉽고 빠 르게 클라우드 서비스의 조합을 추천받을 수 있으며, 특히 멀티클라우드나 하이브리드 클라우드 환경 구축에 대한 편의성을 향상시키는 데 도움이 될 것으로 기대된다.

As cloud computing has emerged as a hot topic in the IT industry, various kinds of cloud services have appeared. Therefore, many different types of cloud services can be used in combination to meet various business requirements. However, a lot of knowledge is required because users need to understand the purpose and characteristics of each cloud service in order to find and use a combination of cloud services that the user directly needs. Although cloud consulting service and reference architecture is provided from cloud vendors, there is limitation that these are passive and vendor-dependent. Thus, in this paper, we present a method to recommend combination of cloud services that fulfills user requirements based on the concept of pattern. We present a specification model for cloud service recommendation, and present a four-step process that recommends a combination of cloud services based on patterns. In addition, we demonstrate the advantage of service recommendation method using the QoS of the cloud service and the user feedback through experiments compared to the conventional method. Using the proposed method, users can easily and quickly get a combination of cloud services by inputting the requirements for the cloud environment to be constructed. In particular, it is expected to increase the efficiency of construction of a multi-cloud or hybrid cloud environment.

최근 가상현실 기술의 발전으로 가상의 3D 객체와 자연스러운 상호작용이 가능하도록 하는 사용자 친화적인 손 제 스처 인터페이스에 대한 연구가 활발히 진행되고 있다. 그러나 대부분의 연구는 단순하고 적은 종류의 손 제스처만 지원되고 있는 실정이다. 본 논문은 직관적이고 보편적인 손 제스처를 유형별로 분류하고 각 제스처의 인식률을 높 이기 위한 머신러닝 기반 손 제스처 인식 방법을 제안한다. 먼저 립모션을 이용해 입력된 손 정보를 전처리 과정으 로 인식오류를 수정한다. 그리고 난 후 이진 결정트리를 기반으로 1차 분류를 수행한 다음 손 특징 정보를 구성한 다. 입력된 제스처가 정적 제스처인 경우는 MCSVM 학습을 수행하고 동적 제스처인 경우는 HMM 학습을 수행하 여 최종적으로 손 제스처를 인식한다. 본 방법의 검증을 위하여 ‘Virtual Block’ 게임을 구현하여 실험한 결과 17개 의 제스처 인터페이스에 대해 평균 98.6%의 인식률을 보였다. 본 연구의 결과는 마우스나 키보드 필요 없이 게임, 교육, 의료 등 다양한 가상현실 응용 분야에서 입력 인터페이스로 활용될 수 있다.

With the development of virtual reality technology, in recent years, user-friendly hand gesture interface has been more studied for natural interaction with a virtual 3D object. But most earlier studies on the hand gesture interface are using relatively simple hand gestures. In this paper, we classify intuitive and common hand gestures into certain types and present a hand gesture recognition algorithm based on the machine learning to improve the recognition ratio of each hand gesture. First of all, we use Leap Motion to get hand information and then preprocess the hand data to correct the input errors. Next, we classify the data through the binary decision tree and construct the hand feature data. Finally, the input gesture is recognized based on the MCSVM-based machine learning for static gesture and the HMM-based machine learning for dynamic gesture. Experimental results showed an average of 98.6% recognition ratio of 17 kinds of command hand gestures for interaction with a 3D object in a 'Virtual Block' game application. This hand gesture interface can be used as an input interface in various virtual reality application fields such as game, education, medical field, etc. without using mouse or keyboard device.

자연 장면 이미지의 텍스트 정보는 몇 가지 이미지 기반 응용 프로그램에서 필수적 단서입니다. 그러나 자연 장면 이미지에서 정확한 텍스트를 인식하는 것은 조명, 텍스트 비대칭성 및 색상, 크기 글꼴 및 카메라 정렬 변화로 인해 어려운 작업입니다. 이 논문에서는 시각적 감시 응용 프로그램에서 효율적이고 효과적인 텍스트 인식을 위한 최적의 전처리 파이프 라인을 제안합니다. 전처리 단계에는 이미지 디 샘플링, 노이즈 제거, 색상에서 회색 변환 및 적응형 임계 값이 포함됩니다. 또한 최대 안정적 극한 영역(MSER)텍스트 검출 알고리즘을 사용하여 텍스트 인식 모듈로 전달되는 텍스트 영역을 검출했습니다. OCR에 의해 인식된 텍스트는 검색 테이블과 일치되어 가장 가능성 있는 값 이 추출됩니다. 다양한 데이터 세트를 사용하여 Android및 PC플랫폼 모두에 대해 수행된 실험을 통해 제안된 방법 이 감시 응용 프로그램에서 텍스트 인식에 더 적합하다고 결론을 내렸습니다.

Textual information in natural scene images is an essential clue for several image-based applications. However, recognizing accurate text from natural scene images is a challenging task due to variation in illumination, text skewness, and variation in color, size, font, and camera alignment. In this paper, an optimal pre-processing pipeline is proposed for efficient and effective text recognition in visual surveillance applications. The pre-processing steps involve image de-sampling, de-noising, color to gray conversion, and adaptive thresholding. Furthermore, maximally stable extremal region (MSER) text detection algorithm has been used to detect textual regions which are then forwarded to the text recognition module. The recognized text by OCR is matched with a lookup table and the most likely value is extracted. Through experiments conducted for both Android and PC platforms using various datasets, it was concluded that the proposed method is more suitable for text recognition in surveillance applications.

클라우드 컴퓨팅 시장의 지속적 성장과 더불어 클라우드 기반의 데스크톱 가상화 기술이 인기를 얻고 있다. 가상 데 스크톱 서비스(DaaS, Desktop as a Service)는 금융 서비스, 제조업, 의료, 교육 등의 여러 분야에서 사용되며, 지속적인 성장률을 보이고 있다. 하지만 기존 DaaS 관련 기술은 대부분 하이퍼바이저 기반으로 DaaS 서비스 관리 측면의 한계점이 존재한다. 또한, CPU, RAM 등 서버 자원을 사용자 요청에 따라 고정적으로 할당하여, 낭비되는 서버 자원으로 인해 자원 관리의 효율이 저하될 수 있다. 따라서 본 논문에서는 컨테이너 기반 DaaS 시스템과 그 시스템을 위한 자원 사용량 기반 자원 할당 방법을 제안한다. 이와 같은 자원 할당 방법을 통해 사용자 경험 극대화 가 가능할 것이며 컨테이너 기반 DaaS 기술의 성장 가속화에 기여할 것으로 기대된다.

Cloud based virtualization technology gained popularity coupled with sustained growth of cloud computing. DaaS (Desktop as a Service) which is a desktop virtualization technology is used in many areas such as financial services, healthcare, and education. However, most of the existing DaaS technologies are hypervisor based systems. It has a performance degradation problem to load and create each desktop image. In addition, it cannot provide optimized resources to personalized services which have different resource demands. In this paper, to solve the problems, we propose a container based DaaS system and an efficient resource allocation method. By doing this, the proposed scheme looks forward to accelerate growth of the DaaS through improving the user experience and the resource efficiency of the datacenter.

대장암 검사의 가장 효과적인 진단 방법은 대장내시경 검사이다. 내시경 검사는 소형 카메라를 통하여 확인되는 대 장 내부 영상을 의료인의 육안으로 대장에 돌출한 용종 또는 암으로 성장할 것으로 예측되어지는 용종을 찾아내는 방법이다. 사람의 육안을 통하여 검사가 이루어지는 내시경 검사는 컴퓨터의 영상 학습 기술을 통하여 의료인에게 도움을 제공할 수 있다. 본 연구에서는 내시경 검사를 보조하기 위하여 정상적인 대장, 선종성 용종, 그리고 선암 세 종류로 이루어진 영상 데이터를 분류한다. 제안하는 영상 분류 방법은 심층학습 기반의 영상 분류 기술 중 하나 인 합성곱 신경망(Convolutional Neural Networks) 방법을 통한 내시경 영상 분류 방법을 제안한다. 본 연구에 서 구성한 합성곱 신경망은 총 34개의 합성곱 계층(Convolution Layer)과 하나의 완전연결계층(Fully Connected Layer)을 이룬다. 실험 결과 총 410개의 테스트 데이터에 대해서 94.39%의 인식률을 보였다.

The most effective method of diagnosing colorectal cancer is colonoscopy. colonoscopy is the process of finding protruding or cancerous polyps in a colon via inspection through an internal video of the colon taken with a small camera. The colonoscopy which is usually diagnosed by human visually, can be improved by adapting computer vision learning technology. In this study, classify the images in normal colon, adenomatous polyps, and adenocarcinoma to aid colonoscopy diagnosing. The use of convolutional neural network, one of the image classification techniques based on deep learning, is suggested as the way to classify the colonoscopy images. The convolutional neural network is constructed with 34 convolutional layers and 1 fully-connected layer. The result of this experiment showed a 94.39% accuracy over 410 tests.

트랜잭셔널 메모리는 전통적인 병렬 프로그래밍 기법인 Lock을 사용하는 대신, 일련의 코드 블록을 트랜잭션으로 설정하여 트랜잭션의 일관적인 병렬 처리를 보장한다. 최근 하이브리드 트랜잭셔널 메모리(Hybrid Transactional Memory; HyTM)는 HTM과 STM의 장점을 결합하여 성능을 향상시키는 기법으로써 많은 관심이 집중되고 있다. HyTM은 HTM상에서 수행되지 못한 트랜잭션을 STM 상에서 처리하며, HTM 및 STM 간의 병렬 수행을 위해 공유 메모리의 순차적 접근을 위한 제어가 필요하다. 그러나 기존의 HyTM 기법은 특정 워크로드에 대해서 우수한 성능을 보이는 한계점이 존재한다. 이러한 문제점을 해결하기 위해, 본 논문에서는 멀티코어 환경에서 효율적인 트 랜잭션 처리를 위한 적응적 하이브리드 트랜잭셔널 메모리 기법을 제안한다. 제안하는 기법은 첫째, 트랜잭션 수행 결과를 바탕으로 트랜잭션 특성에 관한 정보를 저장한다. 둘째, 제안하는 기법은 트랜잭션 특성 분석을 통해 트랜잭 션에 적합한 최적의 HyTM 기법을 지원한다. 마지막으로, STAMP 벤치마크를 이용한 성능평가를 통해, 제안하는 HyTM 기법이 기존 최신 기법에 비해 130~370%의 성능 향상이 있음을 보인다.

Transactional Memory(TM) has been proposed as an attractive alternative to the conventional lock-based synchronization. Recently, Hybrid Transactional Memory(HyTM) has gained much interest because it combines the advantages of Hardware Transactional Memory(HTM) and Software Transactional Memory(STM). However, the existing HyTM schemes show good performance only for a specific workload. To solve this problem, we propose an adaptive HyTM technique based on the analysis of transaction characteristics for efficient transaction processing in multi-core environment. First, when a transaction commits, our HyTM technique collects the information about the characteristics of the transaction. Second, our HyTM technique can select an optimal HyTM that is appropriate for the transaction by analyzing its characteristics. Finally, we show from our performance analysis using STAMP benchmark that our adaptive HyTM scheme can achieve about 30~270% better performance than the state-of-the-art HyTM schemes.