Earticle

최근 IoT 시스템에서 엣지 디바이스를 이용한 데이터 저장 및 분산 처리 연산을 수행하기 위해서 다양한 연구가 진 행되고 있다. 인공지능 추론 연산도 그중 하나로써 임베디드 장치에서 인공지능 연산을 수행하기 위해서 소프트웨어 또는 하드웨어 레벨에서 많은 연구가 진행 중이다. 특히, 하드웨어 레벨에서 임베디드 프로세서나 임베디드 GPU를 이용한 연산 처리는 한계가 있어서 독립적인 하드웨어 딥러닝 가속기를 추가하는 추세이다. 이러한 딥러닝 가속기는 복잡한 신경망 연산을 하드웨어에서 독립적으로 수행하기 위해서 많은 데이터 저장 및 이동이 필요하며, 내부적으로 는 반복 병렬 연산을 수행하기 때문에 내부 저장 시스템 및 버퍼 구조와 데이터 이동 경로에 대한 분석과 최적화가 필요하다. 딥러닝 가속기의 데이터 사용성에 대한 분석을 통하여 딥러닝 가속기의 최적화 설계를 돕기 위해서, 본 논문에서는 RISC-V 기반 가상 플랫폼에서 SystemC 기반으로 ESL 수준에서 딥러닝 가속기와 낸드 플래시 메모 리 시스템으로 구성된 가상 엣지 디바이스 플랫폼을 제공하고, RISC-V 기반 가상 플랫폼에서 딥러닝 가속기를 이 용한 응용 프로그램을 실행하고 분석하는 환경을 제공하였다. 구현한 딥러닝 가속기 시뮬레이터를 이용해서 딥러닝 가속기의 저장장치 및 내부 버퍼의 사용성과 딥러닝 연산에 따른 데이터 이동량 및 버퍼링 효과를 분석할 수 있는 기반을 마련하였다.

Recently many researches are being conducted to perform data distributed processing with embedded edge devices in IoT systems, and artificial intelligence inference is one of them. Many studies are underway at the software or hardware level to perform artificial intelligence operations in embedded systems. In particular, the hardware-supported deep learning operations, such as GPU, in embedded system are limited, so a hardware deep learning accelerator is considered to be added in the architecture. Since such a deep learning accelerator performs a lot of data storage and movement and iterative parallel operation internally to perform complex neural network computation, it is required to analyze and optimize a precise internal buffer and data movement path management for efficient design of deep learning accelerator. In this paper, to model and analyze a deep learning accelerator in a virtual platform based on RISC-V, a deep learning accelerator is designed and implemented at the ESL level based on SystemC as well as main memory and NAND flash controller, then the data movement with storage and buffering effect were analyzed and examined on the developed deep learning accelerator. Using the implemented deep learning accelerator simulator, the usability of the internal buffer of the deep learning accelerator and the data movement amount and buffering effect according to the deep learning operation can be analyzed.

최근 빅데이터, 마코프 모델, 머신 러닝 등의 기술은 4G LTE 코어 네트워크의 여러 시스템을 보다 효율적으로 운 영되어질 수 있도록 다양하게 적용되고 있는데, 특히 MME(Mobility Management Entity)에서도 기능이나 성 능 개선이 요구되는 부분에 다양하게 활용되고 있다. 본 논문은 MME에서 기존의 페이징 방법 대신에 마코프 체인 기반의 확률적 페이징 방법을 적용하여 MME에서 eNodeB(Evolved Node B)간의 UE(User Equipment) 이동 성 데이터를 수집, 분석 및 학습하고, UE가 유휴 모드에 있는 동안에 이동한 UE가 존재할 가능성이 높은 eNodeB 를 예측하고 페이징 시도시 적용할 수 있게 하였다. 제안된 페이징 방법에서 MME는 UE들의 이동 데이터에 기반 한 확률적 eNodeB 리스트를 생성하고 이 리스트를 페이징시 사용함으로써 eNodeB를 예측 할 수 있었으며, TA(Tracking Area)내에서 최근에 방문한 eNodeB 리스트를 이용하여 UE의 위치를 찾는 기존의 페이징 방법의 비교에서 빠른 페이징 응답과 감소된 페이징 시그널 횟수를 보였다. 본 논문에서는 마코프 체인의 확률 과정을 적용 한 페이징 방법과 절차를 보이고, 그에 따른 성능 개선 결과에 대해서 분석한다.

Recently, big data, markov model and machine learning technologies have been applied in various ways so that some systems of the 4G LTE Core Network can be operated more efficiently. In particular, these technologies are being used in various ways in MME where functional or performance improvement is required. In this paper, a new method collects, analyzes, and learns using UE mobility data among eNodeBs in the MME, then applying markov model-based probabilistic paging method instead of the conventional paging method in the MME. It predicted the most probable eNodeB of the UE moved while the UE was in idle mode and it applied to attempts paging. By applying the proposed paging method, the MME could generate a probabilistic eNodeB list based on the movement data of UEs and predict the eNodeB using these list when attempts paging. Compared to the conventional method of finding the location of the UE using the visited eNodeB list, the proposed paging method is effective in reducing the number of paging signals and providing fast paging response. This paper shows the paging method and procedure applied with markov chain based probabilistic process and analyzes the performance improvement results accordingly.

의미론적 영상 분할을 위한 컨볼루션 신경망 기반 접근 방식은 픽셀 단위 레이블을 통한 지도 학습에 의존한다. 하 지만 접근 불가능한 도메인으로 일반화되지 않을 수 있는 문제점이 존재한다. 의미론적 영상 분할에서 모든 데이터 에 사람이 직접 레이블을 지정하는 작업은 노동 집약적이기 때문에 소량의 라벨링 데이터를 이용해 네트워크의 일반 화 성능을 향상시키는 것은 매우 중요하다. 본 논문에서는 가상 도메인과 현실 도메인 사이의 교차 도메인 혼합 샘 플링을 활용한 도메인 적응 학습 방법을 제안한다. 이를 위하여 혼합 샘플링 방법의 대표적인 기법을 분석하고 활용 하여 도메인 적응 문제에 적용하고 일반화 성능을 비교한다. 제안하는 학습 방법을 통해 학습된 네트워크는 도메인 적응 문제에서 정량적 수치와 정성적 결과 모두 기준 모델을 능가하는 성능을 보인다.

In semantic segmentation, a convolutional neural network-based approach relies on supervised learning through pixel-level labels. However, there is a problem that may not be generalized to other inaccessible domains. Therefore, it is very important to improve the generalization performance of the network using a small amount of labeling data because it is labor intensive to manually label all data. In this paper, we propose a domain adaptive learning method using cross-domain mixed sampling between the synthetic domain and the real-world domain. To this end, we analyze and utilize the representative techniques of the mixed sampling method, apply them to the domain adaptation problem, and compare the generalization performance. The network trained through the proposed learning method outperforms the baseline model in both quantitative and qualitative results in domain adaptation problems.

수많은 언어로 작성된 웹 컨텐츠의 증가로 주 언어로 작성된 정보뿐만 아니라 타 언어로 작성된 정보에 대한 검색의 필요성이 중요해지고 있다. 이를 위한 한 방법으로 본 논문에서는 특정 분야의 반구조적 정보에 대한 키워드 검색뿐만 아니라 시맨틱 검색을 지원하는 다국어 온톨리지 기반 추출 시스템인 ML-OntoES(MultiLingual Ontologybased Extraction System)를 활용한다. 다국어 온톨리지 기반 추출 시스템은 온톨리지 추출을 통하여 특정 언어 에 대한 시맨틱 인덱싱과 질의 해석, 개념 단계의 언어들 간의 교차언어 번역으로 다국어 웹 컨텐츠에 대한 질의를 처리한다. 다국어 온톨리지 기반 추출 시스템의 프로토타입 구현을 통해 높은 정확도의 다국어 웹 데이터 추출 성능 을 확인함으로써 교차언어에 대한 키워드 검색과 시맨틱 검색을 위한 다국어 추출 온톨리지를 사용하는 다국어 온톨 리지 기반 추출 시스템의 가능성을 증명한다.

The growth of multilingual web content portends the need for cross-language information retrieval. As a solution to this problem, we utilize ML-OntoES(a MultiLingual Ontology-based Extraction System). ML-OntoES enables hybrid keyword and semantic search over domain-specific, semi-structured information. Key ideas of ML-OntoES include monolingual semantic indexing and query interpretation with extraction ontologies and conceptual-level cross-language translation. A prototype implementation, along with experimental work showing good extraction accuracy in multiple languages, demonstrates the viability of the ML-OntoES approach of using multilingual extraction ontologies for cross-language hybrid and semantic search.

소프트웨어의 요구사항을 작성하면서 발생하는 모호성과 부적절성을 제거하기 위하여 요구사항에 대한 전문용어를 사용할 필요가 있다. 본 논문에서는 철도차량 시스템 소프트웨어 요구사항 분석을 통하여 요구사항 작성에 참조할 수 있는 전문용어를 정립하며, 이를 기반으로 올바르게 작성된 요구사항 문장들에 대한 템플릿을 도출한다. 다양한 템플릿 문장은 요구사항 적합성을 점검하기 위한 비지도 기계학습용 데이터로 사용된다. 군집화 모델을 활용하여 요 구사항 템플릿을 군집화 하며, 새로운 요구사항의 적합성 여부를 군집 기반으로 판별하는 요구사항 적합성 검증도구 를 개발한다. 특정한 요구사항이 군집화 모델에 의하여 생성된 군집의 템플릿과 정확하게 일치하면 적합한 요구사항 으로 판정한다. 반면에 요구사항 적합성에 실패하면, k-평균 군집화 알고리즘에 의하여 가장 유사한 템플릿을 자동 으로 추천한다. 클러스터링 기법에 의하여 군집화된 템플릿과 새로운 요구사항에 대한 적합성 여부를 검증하기 위한 실험을 수행하였다. 첫 번째는 군집화 기반의 요구사항 추천이 정상적으로 동작하는가에 대한 실험이었다. 새로운 요구사항이 입력되면 군집으로 분류되었으며, 특정한 군집내의 동일한 형태소의 배열을 가진 템플릿으로 정확하게 추천됨을 확인하였다. 두 번째 실험에서는 기존의 템플릿 데이터베이스에 없는 요구사항 문장을 입력한 경우에 입력 한 요구사항과 가장 유사한 템플릿을 추천하는 것을 확인하였다.

It is necessary for users to utilize a set of standard technical jargon for the soundness of requirements specification, while reducing its ambiguity and improperness as much as possible. Through the analysis of requirements specification, a standard technical Korean(STK) has been established in the domain of the railway vehicle system. Based upon STK, this paper also derives a type of templates for the guideline of requirements specification. A variety of templates in the railway vehicle system domain are fed into the input of unsupervised machine learning algorithms as training instances. The clustering models in an unsupervised way classify the templates into a several clusters. Our system that verifies the soundness of requirements specification has been developed in the basis of clusters. The system we have developed makes a new sentence of specification belonged into one of groups, and then, if it finds the identical template in a specific cluster, it confirms the new specification as a sound one. Otherwise, it autonomically returns the most similar template recommended by k-means clustering algorithm. We have tested our system to verify both cases. In the experiment, no matter what a new sentence exists in the knowledge base of templates, it turns out that our robust system confirms whether or not the new sentence is correctly written, based upon the clusters, and further provides the most similar template as being updated for the correct specification.

공중 중계 노드(Aerial Relay Node, ARN)는 가시선 확보가 되지 않는 환경에서 통신 범위 확장을 제공하여, 이 를 활용한 응용들이 지속적으로 증대되어 가고 있다. 본 논문에서는 ARN이 공중에서 게이트웨이 역할을 수행하여 지상의 인지무선(Cognitive Radio, CR) 방식으로 운용되는 무선센서망과 정보를 상호교환하는 환경을 고려한다. 그리고 기존의 CR 접근제어 방식에서 부사용자(Secondary User, SU)들이 미션 중심 정보의 차별화된 신속 전달 을 지원하는데 한계를 갖는 문제를 해결하기 위한 정보 전달 제어 방법을 제안한다. 제안 방법은 ARN의 주도로 이 루어지며, CR 운용에는 영향을 주지 않는다. 성능 평가를 통하여 제안하는 방법이 공중-지상 간 네트워킹 환경에서 긴급 정보를 효과적으로 전달할 수 있음을 보인다.

Aerial Relay Nodes(ARNs) provide communication range extensions in environments where line-of-sight is not secured, and applications with ARNs are continuously increasing. In this paper, we consider an environment where ARNs act as gateways in the air to exchange information with ground- based wireless sensor networks operated in cognitive radio. Then, we propose a priority control method to solve the problem that secondary users(SU, Secondary Users) have limitations in supporting the differentiated and rapid delivery of mission- oriented information in the existing access control methods for cognitive radio. The proposed method is driven by ARN, and SUs’ operations in CR are not affected. Performance evaluation shows that the proposed method can effectively deliver emergency information in the aerial-ground networking environment.

IoT·AI·5G·XR 등 첨단기술이 발전하면서 실제 물리적 세계와 동일한 디지털 세계를 복제하는 디지털 트윈의 활용 이 촉진되고 있어 본격적인 시장 성장이 예상되고 있다. 특히, 디지털 트윈은 국가 기반시설과 SoC 최적화 및 의료, 스마트시티 등 안전하고 편리한 국민 생활을 위한 다양한 응용서비스로 확대되면서 국가 디지털 혁신기술로 부상하 고 있다. 본 논문에서는 국내외 표준화 기구에서 개발 중인 디지털 트윈 표준화 동향을 살펴보고, 주요국의 스마트 시티 디지털 트윈 표준화 전략 및 표준 분류를 분석하였다. 이를 바탕으로 스마트시티 신시장 창출과 산업 생태계 조성을 위한 디지털 트윈 표준화 기본원칙과 국가 차원의 디지털 트윈 표준화 전략을 제안한다.

With the development of advanced technologies such as IoT, AI, 5G and XR, the use of digital twins that replicate the digital world identical to the real physical world is being promoted and full-scale market growth is expected. In particular, digital twin is emerging as a nationwide digital innovation technology with its application expanding to various social services for people’s safety and convenience, such as national infrastructure and SoC optimization, medical care and smart city. This paper examines the digital twin standardization trend being developed by domestic and foreign standardization organizations, and analyzes standardization strategies and the classification of standards of smart city digital twin in major countries. Through this, we discuss the basic principles of digital twin standardization and national digital twin standardization strategy to create a new smart city market and a new industrial ecosystem.

COVID-19 확산으로 인해 헬스장이나 야외보다는 집에서 운동하는 것을 선호하는 사람들이 늘어나고 있다. 홈 트 레이닝을 할 때 잘못된 방법으로 운동을 하게 되면 다칠 수도 있고 운동의 효과가 절감될 수 있는 문제가 있다. 본 논문은 학습에 기반한 포즈 분류 모델을 통해 실시간으로 사용자의 포즈를 분류하고, 사람의 관절 점을 기반으로 포즈를 분석하여 잘못된 포즈를 교정할 수 있도록 도와주는 홈 트레이닝 시스템을 제안한다. 트레이너의 비디오 영상 과 웹캠을 통하여 직접 입력받은 운동 영상을 MediaPipe Pose API를 사용하여 포즈의 관절 좌표를 추출하고, 이 를 데이터 세트로 학습하여 포즈 분류 모델을 구성한다. 사용자는 실시간으로 인식된 본인의 포즈를 확인하면서 운 동할 수 있고 잘못된 포즈에 대해서는 올바른 어드바이스를 제공받을 수 있다. 또한 사용자가 올바른 포즈로 운동을 한 경우 운동 횟수가 증가되어 보다 효율적인 운동이 가능하도록 한다. 맨몸 운동의 대표적 운동인 스쿼트와 푸쉬업 에 대해 본 시스템의 성능을 실험한 결과 스쿼트는 96%이고, 푸쉬업은 95%의 정확도를 보였고 포즈 추론 속도는 평균 31ms가 소요되어 실시간으로 활용 가능함을 알 수 있었다.

Due to the spread of COVID-19, more and more people prefer to exercise at home rather than at gyms or outdoors. If you exercise in the wrong way during home training, you may get hurt and the effectiveness of the exercise may be reduced. This paper proposes a home training system that helps correct wrong posture by classifying user posture in real time through a deep learning-based posture classification model and analyzing posture based on human joint points. The joint coordinates of the pose are extracted using the MediaPipe Pose API for the video images of the trainer and the exercise input images obtained directly from the webcam, and the pose classification model is constructed by learning them as a dataset. The user can exercise while checking his or her pose recognized in real time, and can be provided with the right advice for the wrong pose. In addition, when the user exercises in the right pose, the number of exercises increases, enabling more efficient exercise. As a result of testing the performance of this system for squats and push-ups, which are representative exercises of bare-body exercise, it was found that squats were 96%, push-ups showed 95% accuracy, and pose inference speed took an average of 31 ms, making it available in real-time.

최근 건설 분야에서도 가상현실 기술을 접목하여 다양한 연구들이 진행되고 있다. 가상건설 기술의 궁극적인 목적은 프로세스 혁신을 기반으로 건설 산업의 생산성 및 품질 향상을 가능하게 하고, 다양한 시뮬레이션을 통하여 의사결 정 및 건설산업의 기반기술을 지원하는 것으로 볼 수 있다. 하지만, 현재까지 대부분의 가상현실을 접목한 기술들은 시각 측면에서만 이루어져 왔으며, 청각 측면에서의 소음 시뮬레이션을 다소 부재한 상황이다. 본 논문에서는 가상 건설 활성화를 위하여 소음원의 방향감 및 공간감을 적용하여 소음 시뮬레이션 방법에 대한 프로토타입을 구현하고 자 한다. 이러한 소음 시뮬레이션은 가상으로 소음을 체험함으로써 시공 전에 소음방지시설에 대한 정확한 설계를 통하여 소음방지시설을 보완하는 형태의 보수를 방지하는 측면에서 경제적인 비용 절감을 기대할 수 있다.

Recently, numerous studies have been carried out in the field of construction by applying virtual reality techniques. The purpose of virtual construction is to enable the improvement of productivity and quality in the construction industry based on process innovation and to support decision-making and core technology of the construction industry through various simulations. Unfortunately, until now, most of the technologies incorporating virtual reality have been made only in the visual aspect, and noise simulation in the auditory aspect is somewhat absent. In this paper, we propose a prototype implementation for the noise simulation technique by applying the sense of directivity and spaciousness of the noise source to activate virtual construction. Such noise simulation can be expected to reduce economic costs in terms of preventing maintenance in the form of supplementing noise prevention facilities through the accurate design of noise prevention facilities before construction by experiencing noise virtually.

최근 코로나-19는 전 세계를 강타하며 사회 전반에 많은 변화를 일으켰다. 그 중 가장 큰 변화는 언택트, 즉 비대면 환경의 확산으로, 경기 침체 속에서도 비대면 시장은 유망산업으로 성장하고 있다. 의료계는 언택트 시대를 대비해 일부 영역에서 비대면 활용 범위를 늘려나가고 웨어러블 기기를 통해 환자의 치료를 위하여 다양한 모니터링 기법을 도입하고 있다. 본 논문에서는 센서를 통해 실시간 심박수 데이터를 수집하고 관련 수식을 사용하여 모니터링 결과 를 도출하는 방식을 제시한다. 또한 운동 강도를 측정하는 방법으로 3단계 방법을 사용하여 높은 정확도의 결과값을 제공한다. 수집된 심박수 데이터를 통해 사용자가 직접 운동 상태를 모니터링할 수 있으며, 위험 상황이 발생할 경 우, 등록된 보호자의 연락처를 통해 SOS 신호 메세지로 전달함으로써 사용자의 안전한 운동 환경 구축에 도움을 줄 수 있다.

Recently, COVID-19 has caused many changes in the world. The biggest change among them is the emergence of a non-face-to-face environment called ‘Untact’. In the economic downturn, the untact market is considered promising industry. The medical area is widening the range of non-face-to-face applications in the preparation for the untact era and introducing various monitoring techniques for the treatment of patients through wearable devices. In this paper, we suggest a method of collecting real-time heart rate data through a sensor and deriving monitoring results by the related formula. In addition, we provide high-accuracy results by using three steps as the method of measuring exercise strength. Through the collected heart rate data, the user can directly monitor the exercise status. Also, when a dangerous situation occurs, the application transmits the SOS signal using the registered guardian's contact information to ensure a safe exercise environment for the user.