Earticle

도로 위 교통사고 발생 시 당사자 간의 과실 비율 판정이 주요 문제가 되고 있다. 사용자에게 더욱 정확한 과실 비율 판정 기준을 제공하기 위하여 여러 기업에서 서비스를 제공하고 있다. 하지만 현재 제공되고 있는 서비스들은 사고 현장에서 즉시 사용하기에는 한계가 있다. 일반적으로 현재 제공되는 과실 비율 판정 서비스는 모든 사고처리 절차가 종료된 이후 시간적 여유가 있을 때 사용된다. 이와 같은 한계를 극복하고자 본 논문에서는 딥러닝 기반의 예측 모델을 활용한 실시간 교통사고 유형 및 과실 비율 정보 제공 서비스를 제공한다. 사용자는 사고 현장에서 사진을 찍는 것으로 즉시 사고 유형 및 과실 정보 파악이 가능하며, 동일 사고 유형의 실제 판례를 확인할 수 있다. 사용자는 서비스를 사용 하여 더욱 정확하고 확실한 과실 비율 판정 및 사고처리 절차를 진행할 수 있을 것이다.

Determining the percentage of negligence between the parties in the event of road traffic accidents is a significant problem. In order to provide users with more accurate criteria for determining the percentage of negligence, several companies are providing services. However, services currently available are limited to immediate use at the scene of an accident. Generally, the service that determines the percentage of negligence can be used after all accident handling procedures have been completed. This paper provides a real-time traffic accident type and fault rate information provision service utilizing a deep learning-based predictive model to overcome these limitations. Users can immediately identify accident types and fault information by taking pictures at the accident site and check actual precedents of the same accident type. Users will be able to use the service to more accurately and reliably determine the percentage of negligence and handle incidents.

자동화된 스마트 그리드의 등장은 이러한 문제에 대응을 위한 필수적인 장치가 되고 있으며 스마트 그리드 기반 사회로의 진전을 가져오고 있다. 스마트 그리드는 전기 공급 업체와 소비자 간의 양방향 통신을 가능하게 하는 새로운 패러다임이다. 스마트 그리드는 전력 그리드를 보다 안정적이고 신뢰할 수 있으며 효율적이고 안전하게 만들기 위한 엔 지니어의 이니셔티브로 인해 등장했다. 스마트 그리드는 전력 소비자가 전력 사용에서 더 큰 역할을 할 수 있는 기회를 창출하고 전력을 현명하고 효율적으로 사용하도록 동기를 부여한다. 이에 본 연구에서는 기계 학습을 통한 전력 수요 관리에 중점을 둔다. 기계 학습을 사용한 수요 예측과 관련하여 현재 다양한 기계 학습 모델이 소개되어 적용되고 있는 데 이에 관한 체계적인 접근이 요구되고 있다. 특히 GP 학습 모델의 경우에 일반 소비 예측 및 데이터의 가시화와 관련 해서 다른 학습 모델보다 장점이 있지만, 스마트 미터 데이터의 예측과 관련해서는 데이터 독립성에 강한 영향을 받는다.

The emergence of the automated smart grid has become an essential device for responding to these problems and is bringing progress toward a smart grid-based society. Smart grid is a new paradigm that enables two-way communication between electricity suppliers and consumers. Smart grids have emerged due to engineers' initiatives to make the power grid more stable, reliable, efficient and safe. Smart grids create opportunities for electricity consumers to play a greater role in electricity use and motivate them to use electricity wisely and efficiently. Therefore, this study focuses on power demand management through machine learning. In relation to demand forecasting using machine learning, various machine learning models are currently introduced and applied, and a systematic approach is required. In particular, the GP learning model has advantages over other learning models in terms of general consumption prediction and data visualization, but is strongly influenced by data independence when it comes to prediction of smart meter data.

사회의 변화에 따라 범죄들의 수법들도 다양해지며 그 수도 증가하고 있다. 그리고 이러한 현상은 사람의 밀집도 가 높은 곳일수록 더 높은 추세를 보인다. 이에 따라 많은 기관에서는 CCTV를 설치함으로써 범죄를 줄이고 결정적 증거를 제공해준다. 그럼에도 불구하고 아직 CCTV를 대상으로 한 영상 조작과 같은 범죄들에 대해서는 그 대처가 미약 하다. 이러한 영상의 조작을 방지하기 위해 블록체인 기반의 CCTV 영상 무결성 기법들을 적용하고 있음에도 불구하고, 이들은 전체 영상의 조작 무결성만을 보장할 뿐 영상의 특정 구간이 어떻게 조작되었는지 설명해 주지 못한다. 따라서 본 연구에서는 이러한 문제를 해결하기 위해 블록체인을 기반으로 한 설명 가능 CCTV 영상 무결성 지원 시스템을 제안 한다.

The type of crimes is diverse and the number of crimes is increasing as society changes. This phenomenon is showing a higher trend in places with higher population density. Accordingly, many organizations install CCTV to reduce crime and provide key evidence of crime. Nevertheless, it is still weak to deal with crimes such as video manipulation targeting CCTV. Although blockchain-based CCTV image integrity techniques are applied to prevent manipulation, they only guarantee the manipulation integrity of the entire video and can’t explain how certain sections of the video has been manipulated. Therefore, in this research, we propose a system for supporting explainable CCTV video integrity based on a block chain.

근래에 와서 유틸리티들을 무선으로 원격제어 하는 스마트 팩토리 무선 이동 통신 기술에 대한 연구가 활발히 진행되고 있다. Wi-SUN(Wireless Smart Utility Network) 얼라이언스에서는 EEE802.15.4g/e에 기반한 새로운 무선 통신 표준화 규격으로 스마트팩토리와 같은 플랫폼 구축에 적합한 Wi-SUN 프로토콜 구조를 제시하였다. IEEE802.15.4e의 CSL(Coordinated Sampled Listening) 모드 MAC(Media Access Control)의 지연시간 측면의 성 능을 분석하고 효율적 운용을 위한 고려 사항을 살펴본다.

In recent years, research on smart factory wireless mobile communication technology that wirelessly remotely controls utilities is being actively conducted. The Wi-SUN(Wireless Smart Utility Network) Alliance proposed Wi-SUN protocol structure suitable for building a platform such as a smart factory as a new wireless communication standardization standard based on EEE802.15.4g/e. It analyzes the performance of the IEEE802.15.4e CSL(Coordinated Sampled Listening) Mode MAC(Media Access Control) in terms of latency and looks at considerations for efficient operation.

소형 레이더 센서에 적용할 목적으로 W-대역의 핵심부품인 전력증폭 MMIC 칩 및 스위치 및 저잡음 증폭 MMIC 통합 칩을 국내설계하고 각각 OMMIC사의 60nm GaN 공정과 Winsemi.사의 0.1μm GaAs pHEMT 공정으로 제작하고 이를 모듈화하였다. 국내개발 MMIC 중에서 W-대역 전력증폭 MMIC는 송신모듈로 제작후 출력 값 27.7 dBm로 측정되었고, 스위치와 저잡음증폭 통합 MMIC는 수신모듈로 제작후 잡음지수는 9.17 dB로 분석 결과와 근사한 측정 결과를 보였다. 또한 온도 시험을 통해서 그 결과를 분석하였는데 송신모듈은 고온에서 상온과 출력에서 1.6 dB 편차를 보였고 수신모듈은 고온과 저온 모두 포함하여 2.7 dB의 편차를 보였으나 상온과 비교하여서는 1.4 dB 상승하 였다. 온도시험까지를 포함하는 결과를 확인한 바와 같이 소형 레이더 센서의 송수신기에 W-대역 국내 개발 MMIC 칩을 적용 가능할 것으로 판단된다.

For the purpose of Application to the small radar sensor, the MMIC Chips, which are the core component of the W-band, was designed in Korea according to the characteristics of the transceiver and manufactured by 60nm GaN and 0.1μm GaAs pHEMT process. The output power of PA is 28 dBm at center frequency of W-band and Noise figure is 6.7 dB of switch and LNA MMIC. Output power and Noise figure of MMIC chips developed in domestic was applied to the transmitter and receiver module through W-band waveguide low loss transition structure design and impedance matching to verify the performance after the fabrication are 26.1∼27.7 dBm and 7.85∼10.57 dB including thermal testing, and which are close to the analysis result. As a result, these are judged that the PA and Switch and LNA MMICs can be applied to the small radar sensor.

초고주파 대역에서 TWTA(Traveling Wave Tube Amplifier)를 대체하기 위한 증폭기 연구가 활발히 이루어지 고 있다. 반도체형 소자를 결합하여 높은 출력을 얻는 SSPA(Solid State Power Amplifier)의 경우 상대적으로 낮은 단일 소자의 출력으로 요구 출력을 충족하기 위해서는 저손실, 고효율의 결합 기술이 필요하다. 본 논문을 통해 8-way 도파관 결합기를 설계, 제작하여 20dB 이상의 반사 손실과 85% 이상의 결합 효율을 확인하였다. 전계 분석을 통해 결합 기 내부의 임계 전력을 계산하여 안정적인 Power Rating을 확보하였고 전력 모니터링을 위한 커플러를 내장하여 소형화 및 경량화를 이루었다.

The research of amplifier have been actively conducted to replace the Traveling Wave Tube Amplifier (TWTA) in the mmWave. For Solid State Power Amplifiers (SSPA), which combine semiconductor-type devices to obtain high output, Low-loss, high-efficiency combination techniques are required to meet the required output as the output of a single relatively low device is relatively low. In this paper, we design and produce an 8-way waveguide combiner and a reflective loss of more than 20dB and a binding efficiency of 85% or more were identified. Field analysis calculates the critical power inside the combiner. It secured stable Power Ratings and built-in coupler for power monitoring to achieve miniaturization and light weight.

최근 인공지능을 사용한 연구나 기업의 프로젝트가 활발하게 이루어지고 다양한 서비스나 시스템이 인공지능 기술과 접목되어 점점 더 지능화되고 있다. 이에 따라 인공지능의 기법 중 하나인 딥러닝에 대한 관심과 이를 학습하려 는 사람들이 증가했다. 딥러닝을 학습하기 위해서는 딥러닝 이론 이외에도 컴퓨터 프로그래밍, 수식 등 많은 지식들이 요구된다. 이는 초심자에게 높은 진입장벽으로 작용한다. 따라서 본 연구에서는 초심자가 프로그래밍 및 수식 등을 고려 하지 않고 DNN, CNN 등과 같은 딥러닝의 기본적인 모델을 구현할 수 있는 DeepBlock이라는 웹 기반 교육용 딥러닝 플랫폼을 설계 및 구현하였다. 제안한 DeepBlock을 이용하여 딥러닝에 관심을 가진 학생들이나 초심자들의 교육에 활 용이 가능하다.

Recently, researches and projects of companies based on artificial intelligence have been actively carried out. Various services and systems are being grafted with artificial intelligence technology. They become more intelligent. Accordingly, interest in deep learning, one of the techniques of artificial intelligence, and people who want to learn it have increased. In order to learn deep learning, deep learning theory with a lot of knowledge such as computer programming and mathematics is required. That is a high barrier to entry to beginners. Therefore, in this study, we designed and implemented a web-based deep learning platform called DeepBlock, which enables beginners to implement basic models of deep learning such as DNN and CNN without considering programming and mathematics. The proposed DeepBlock can be used for the education of students or beginners interested in deep learning.

본 논문에서는 샤논 정리(1948)의 동기가 되는 아인슈타인 특수상대성이론(1905)과 베르누이 유체역학(1738) 의 상관성을 AB=A/A=I Dimension 관점에서 유도했고 샤논 정리 채널코드를 시뮬레이션했다. 베르누이 유체역학 ΔP = pgh를 한라산 화산 Magma 폭발식으로 적용했을 때 Dimension과 높이가 실측치와 일치했다. 아인슈타인 특수 상대성이론과 샤논의 정보이론, 그리고 유체역학의 연돌효과(Stack Effect) 이론의 관계를 분석해 보고 화산 폭발의 관 계를 수학적으로 증명했다. 아인슈타인, 베르누이의 에너지보존과 질량보존은 샤논 정리에서는 대역폭과 power의 효율 면과 같았다.

In this paper, the relevance between Einstein's special theory of relativity (1905) and Bernoulli's fluid mechanics (1738), which motivates Shannon's theorem (1948), was derived from the AB=A/A=I dimension, and the Shannon's theorem channel code was simulated. When Bernoulli's fluid mechanics ΔP = pgh was applied to the Hallasan volcano Magma eruption, the dimensions and heights matched the measured values. The relationship between Einstein's special theory of relativity, Shannon's information theory, and the stack effect theory of fluid mechanics was analyzed, and the relationship between volcanic eruptions was mathematically proven. Einstein's and Bernoulli's conservation of energy and conservation of mass were the same in terms of bandwidth and power efficiency in Shannon's theorem.

인간은 오감 (시각, 청각, 후각, 촉각, 미각) 중 시각 및 청각 정보를 위주로 사용하여 주변 물체를 인식한다. 최신의 객체 인식과 관련한 주요 연구에서는 주로 이미지센서 정보를 이용한 분석에 초점이 맞추어져 있다. 본 논문에서 는 다양한 chirp 오디오 신호를 관측공간에 방출하고 2채널 수신센서를 통해 echo를 수집하여 스펙트럼 이미지로 변화 시킨 후 딥러닝을 기반으로 이미지 학습 알고리즘을 이용하여 3D 공간상의 객체 인식 실험을 진행하였다. 본 실험은 무향실의 이상적 조건이 아닌 일반적인 실내 환경에서 발생하는 잡음 및 echo가 있는 환경에서 실험을 진행하였고 echo를 통해 객체 인식률을 83% 정확도로 물체의 위치 추정할 수 있었다. 또 한 추론 결과를 관측공간과 3D Sound 공간 신호로 mapping 하여 소리로 출력하여 3D 사운드의 학습을 통해 소리를 통한 시각 정보를 얻을 수 있었다. 이는 객체 인식 연구를 위해서 이미지 정보와 함께 다양한 echo 정보의 활용이 요구된다는 의미이며 이런 기술을 3D 사운드 를 통한 증강현실 등에 활용 가능할 것이다.

Humans mainly recognize surrounding objects using visual and auditory information among the five senses (sight, hearing, smell, touch, taste). Major research related to the latest object recognition mainly focuses on analysis using image sensor information. In this paper, after emitting various chirp audio signals into the observation space, collecting echoes through a 2-channel receiving sensor, converting them into spectral images, an object recognition experiment in 3D space was conducted using an image learning algorithm based on deep learning. Through this experiment, the experiment was conducted in a situation where there is noise and echo generated in a general indoor environment, not in the ideal condition of an anechoic room, and the object recognition through echo was able to estimate the position of the object with 83% accuracy. In addition, it was possible to obtain visual information through sound through learning of 3D sound by mapping the inference result to the observation space and the 3D sound spatial signal and outputting it as sound. This means that the use of various echo information along with image information is required for object recognition research, and it is thought that this technology can be used for augmented reality through 3D sound.

연관규칙 마이닝은 여러 테이블에 숨겨진 패턴들의 관계를 나타내주는 방법이다. 요즈음에는 연관규칙 마이닝에 보다 세부적인 의미를 추가하기 위하여 과립화 논리를 이용하고 있다. 또한 기존의 데이터를 이용하여 추천하는 기존의 시스템과는 달리 과립화 연관규칙에서는 신규 가입자나 신규상품에 대한 추천의 경우도 가능하다. 따라서 연관규칙의 과립화의 정성적인 크기를 결정하는 것이 추천 시스템의 성능을 좌우한다. 본 논문에서는 관람자가 평가한 영화에 대한 관계를 파악하기 위하여 퍼지논리와 샤논 엔트로피 개념을 이용하여 관람자와 영화데이터에 대한 과립화 방법을 제안한 다. 연구는 관람자와 영화간의 연관규칙의 함의에 결정적인 역할을 하는 데이터의 과립화의 크기를 결정하는 부분과 이 러한 과립화를 이용하여 관람자와 영화간의 연관규칙을 추출하는 두 번째 부분으로 구성되어 있으며 넷플릭스의 MovieLens데이터를 이용하여 분석하였다. 최종적으로 도출된 연관규칙의 의미와 추천의 정확도 및 고려해야하는 함의 를 제시하였다.

Association rule mining is a method of showing the relationship between patterns hidden in several tables. These days, granulation logic is used to add more detailed meaning to association rule mining. In addition, unlike the existing system that recommends using existing data, the granulation related rules can also recommend new subscribers or new products. Therefore, determining the qualitative size of the granulation of the association rule determines the performance of the recommendation system. In this paper, we propose a granulation method for subscribers and movie data using fuzzy logic and Shannon entropy concepts in order to understand the relationship to the movie evaluated by the viewers. The research is composed of two stages: 1) Identifying the size of granulation of data, which plays a decisive role in the implications of the association rules between viewers and movies; 2) Mining the association rules between viewers and movies using these granulations. We preprocessed Netflix’s MovieLens data. The results of meanings of association rules and accuracy of recommendation are suggested with managerial implications in conclusion section.

4차 산업 혁명의 물결 속에서 스마트팩토리는 많은 공장에서 요구되고 있다. 하지만, 중소/중견 기업에서는 여전 히 노후화된 설비를 보유하고 있어 스마트팩토리의 기초가 되는 데이터 수집 단계에서 어려움을 겪고 있다. 이 연구는 기존 설비의 개조 필요 없이, 설비 제어판의 이미지로부터 데이터를 추출하는 오픈 소스 기반의 기술을 활용 함으로써, 저비용으로 설비 모니터링하는 방법을 제안한다. 제안된 방법은 프로토타핑을 통해 자동차 부품 제조 공장의 단조 설비 를 대상으로 테스트하고 평가되었다. 평가 결과 저가형 설비 모니터링이 가능함을 확인하였으며, 중소/중견 기업이 스마 트팩토리를 구축하는 데 도움을 줄 것이다.

In the wave of the 4th industrial revolution, smart factory is required in many factories. However, small and mid-sized companies (SMEs) still have aging machines and are having difficulties in the data collection stage, which is the basis of smart factories. This study proposes a low cost monitoring method by using an open source based technology that extracts data from the image of the facility control panel without the need for modification of existing facilities. The proposed method was tested and evaluated for forging facilities in automobile parts manufacturing plants through prototyping. As a result of the evaluation, it was confirmed that low-cost facility monitoring is possible, and it will help SMEs build smart factories.

자연 조건에서 Apple 감지에는 가림 문제와 작은 대상 감지 어려움이 있다. 본 논문은 SSD 기반의 개선 된 모델을 제안한다. SSD 백본 네트워크 VGG16은 ResNet50 네트워크 모델로 대체되고 수용 필드 구조 RFB 구조가 도입 되었다. RFB 모델은 작은 표적의 특징 정보를 증폭하고 작은 표적의 탐지 정확도를 향상시킨다. 유지해야 하는 정보를 필터링하기 위해 주의 메커니즘 (SE)과 결합하면 감지 대상의 의미 정보가 향상된다. 향상된 SSD 알고리즘은 VOC2007 데이터 세트에 대해 학습된다. SSD에 비해 개선 된 알고리즘은 폐색 및 작은 표적 탐지의 정확도를 3.4 % 및 3.9 % 향상 시켰다. 이 알고리즘은 오 탐지율과 누락된 감지율을 향상 시켰다. 본 논문에서 제안한 개선 된 알고리즘은 더 높은 효율성을 갖는다.

Under natural conditions, Apple detection has the problems of occlusion and small object detection difficulties. This paper proposes an improved model based on SSD. The SSD backbone network VGG16 is replaced with the ResNet50 network model, and the receptive field structure RFB structure is introduced. The RFB model amplifies the feature information of small objects and improves the detection accuracy of small objects. Combined with the attention mechanism (SE) to filter out the information that needs to be retained, the semantic information of the detection objectis enhanced. An improved SSD algorithm is trained on the VOC2007 data set. Compared with SSD, the improved algorithm has increased the accuracy of occlusion and small object detection by 3.4% and 3.9%. The algorithm has improved the false detection rate and missed detection rate. The improved algorithm proposed in this paper has higher efficiency.

대부분 해킹 과정에서 공격자는 자신의 원점 IP(Internet Protocol) 노출을 방지하고자 다양한 우회접속 방법을 이용한다. 따라서 방어자 입장에서 공격자의 원점 IP를 식별하는 것은 공격자를 인식하는데 있어 중요한 이슈이다. 공격 자가 프록시(proxy)를 이용할 경우에는 웹 브라우저가 아닌 다른 응용프로그램을 통해서 원점 IP 확인이 가능하다. 그러 나 이러한 방법은 VPN(Virtual Private Network)을 이용할 경우에는 아무런 효과가 없다. VPN은 모든 애플리케이션 에 영향을 미치기 때문이다. 학술적으로는 네트워크 장비를 이용하여 IP를 역추적하는 다양한 방법이 연구되고 있으나 표준화, 개인정보보호 등의 문제로 인해 실현되기에는 아직 요원한 상태이다. 이러한 한계를 극복하기 위해 본 논문에서 는 VPN을 사용하는 접속자의 네트워크 라우팅 테이블 정보를 이용하여 원점 IP를 탐지하는 실제적인 방법을 제안한다. 이 방법은 접속자의 네트워크 사용에는 영향을 미치지 않으며 개인정보 또한 수집하지 않는다. 더구나 다양한 VPN 툴을 사용하여 실제 인터넷에서 제안된 방법을 구현하고 검증하였다.

In most hacking attacks, hackers tend to access target systems in a variety of circumvent connection methods to hide their original IP. Therefore, finding the attacker's IP(Internet Protocol) from the defender's point of view is one of important issue to recognize hackers. If an attacker uses a proxy, original IP can be obtained through a program other than web browser in attacker’s computer. Unfortunately, this method has no effect on the connection through VPN(Virtual Private Network), because VPN affects all applications. In an academic domain, various IP traceback methods using network equipments such as routers have been studied, but it is very difficult to be realized due to various problems including standardization and privacy. To overcome this limitation, this paper proposes a practical way to use client’s network configuration temporarily until it can detect original IP. The proposed method does not only restrict usage of network, but also does not violate any privacy. We implemented and verified the proposed method in real internet with various VPN tools.

넥플릭스,유튜브로 대표되는 OTT 동영상 제작 서비스에 인공지능으로 콘텐츠를 개인별 맞춤식 추천 시스템은 보편화 되었다. 유튜브의 개인별 맞춤 추천서비스 시스템은 두 개의 신경망으로 구성되는데 신경망 하나는 추천 후보생 성 모델이고 다른 하나는 순위평가 네트워크로 구성된다. Netflix의 동영상 추천 시스템은 두 개 데이터 분류 시스템으 로 구성되어 있으며 콘텐츠 기반 필터링과 협업 필터링으로 나누어진다. 코로나 펜데믹으로 온라인 플랫폼 주도의 콘텐 츠 제작이 활성화 되면서 인공지능을 활용한 가상 인플루언서 분야가 부각되고 있다. 가상인플루언서는 GAN(Generative Adversarial Networks) 인공지능으로 제작되는데 성격이 다른 두 시스템이 서로 경쟁하는 방식으로 학습이 반복되는 비교사(Unsupervised) 학습 알고리즘이다. 이 연구는 AI 개인별 추천 기반 플랫폼과 가상인플루언서 (메타버스)가 향후 OTT의 핵심콘텐츠로의 발전 가능성도 연구해 보았다.

In addition to the OTT video production service represented by Nexflix and YouTube, a personalized recommendation system for content with artificial intelligence has become common. YouTube's personalized recommendation service system consists of two neural networks, one neural network consisting of a recommendation candidate generation model and the other consisting of a ranking network. Netflix's video recommendation system consists of two data classification systems, divided into content-based filtering and collaborative filtering. As the online platform-led content production is activated by the Corona Pandemic, the field of virtual influencers using artificial intelligence is emerging. Virtual influencers are produced with GAN (Generative Adversarial Networks) artificial intelligence, and are unsupervised learning algorithms in which two opposing systems compete with each other. This study also researched the possibility of developing AI platform based on individual recommendation and virtual influencer (metabus) as a core content of OTT in the future.

최근 다양한 분야에 인공지능 기술이 도입되고, 학계 관심이 늘어남에 따라 다양한 기계학습 모델들이 여러 프레 임워크에서 운용되고 있다. 하지만 이러한 프레임워크들은 서로 다른 데이터 포맷을 가지고 있어, 상호운용성이 부족하 며 이를 극복하기 위해 오픈 신경망 교환 포맷인 ONNX가 제안되었다. 본 논문에서는 여러 기계학습 모델을 ONNX로 변환하는 방법을 설명하고, 통합된 ONNX 포맷에서 기계학습 기법을 판별할 수 있는 알고리즘 및 추론 시스템을 제안한 다. 또한, ONNX 변환 전·후 모델의 추론 성능을 비교하여 ONNX 변환 간 학습 결과의 손실이나 성능 저하가 없음을 보인다.

Recently artificial intelligence technology has been introduced in various fields and various machine learning models have been operated in various frameworks as academic interest has increased. However, these frameworks have different data formats, which lack interoperability, and to overcome this, the open neural network exchange format, ONNX, has been proposed. In this paper we describe how to transform multiple machine learning models to ONNX, and propose algorithms and inference systems that can determine machine learning techniques in an integrated ONNX format. Furthermore we compare the inference results of the models before and after the ONNX transformation, showing that there is no loss or performance degradation of the learning results between the ONNX transformation.

인간의 착지 전략은 다양한 조건에서 하지역학을 통해 설명해 왔다. 그러나 중량과 착지 높이의 두 조건이 결합되 었을 때 하지역학이 어떻게 반응하는지 아직 이해할 수 없다. 이 연구의 목적을 달성하기 위해 성인 남녀 총 20명은 다양한 착지 높이 0.3 m, 0.4 m, 0.5 m에서 중량(무중량, 체중의 10%, 20% 그리고 30%)을 적용해 드롭랜딩을 실시하 였다. 연구결과 중량의 주효과는 모든 변인에서 통계적으로 유의하지 않았다. 반면 착지 높이의 증가에 따라 무릎관절 각도는 더 굴곡된 형태를 보였으며 통계적으로 유의하였다. 또한 착지 높이 증가에 따라 좌우, 전후, 수직지면반력, 부하 율은 더 증가되는 반면, 안정화시간은 보다 짧은 시간에 생성되었으며, 통계적으로 유의하였다. 따라서 인간은 다양한 높이에서 중량을 변경시키더라도 착지 동작을 성공적으로 수행할 수 있다. 그러나 중량 조건보다 착지 높이의 변화에 더 민감하게 반응하였다. 착지 높이는 시각정보를 통해 인지 및 충격 흡수에 대비할 수 있지만, 중량 수준은 신체가 인지 하기 어렵고 충격흡수를 위한 착지 전략 메커니즘에 더 적용시키기 어려운 이유를 설명해준다.

Human’s landing strategies have been explained through lower extremity kinetics in various conditions. However, how lower extremity kinetics respond when the two conditions between a load and landing height are combined is not yet understood. To achieve the purpose of this study, a total of 20 men and women were subjected to drop landing according to a load(No load, 10%, 20%, 30% of the body weight) at various landing heights(0.3 m, 0.4 m, 0.5 m). As a result of the study, the main effect of a load was not statistically significant in all variables. But increasing of the landing heights showed more flexion angle which was statistically significant in knee joint. In addition, as the landing height increased, the medial-lateral, anterior-posterior, vertical force, and loading rate increased, while time to peak vertical force decreased which was statistically significant. Thus, humans can successfully perform the landing motion even if the load is changed at various heights. However, it reacted more sensitively to the change in landing height than that load condition. The landing height can be prepared for recognition and shock absorption through visual information, but the weight level is difficult for the body to perceive and explains why it is more difficult to apply it to the landing strategy mechanism for shock absorption.

산업응용에서 정확한 속도 및 전류 제어를 위해 SRM (Switched Reluctance Motor)은 특성상 드라이브에서 고정자의 상 여자와 회전자의 위치를 동기화시키는 것이 매우 중요하다. 따라서 적절한 스위칭 동작을 위해 정확한 회전 자 위치정보는 필수적이기에 위치 센서가 필요하다. 회전자 위치에 따라 적정 고정자 권선을 여자 시켜 회전력을 발생시 키기고 속도와 위치정보를 이용하여 전동기를 제어하기 위해서 일반적으로 엔코더 (Encoder), 레졸버 (Resolver) 같은 위치센서를 사용한다. 그러나 이러한 센서들은 1) 가격적 측면에서 센서들의 가격이 상당히 크기 때문에 전체 시스템 비용에서 전동기 시스템이 차지하는 비율이 높다. 또한 2) 기계적 측면에서 엔코더나 레졸버와 같은 위치센서들을 고정 자측에 부착하여 크기 및 무게를 증가시키고 있다. 결론적으로 SRM을 구동하기 위해서는 회전자 위치정보에 따른 제어 가 기본적으로 이루어져야 하며 적용 분야를 고려해서 환경에 따른 SRM 구동 시스템을 설계하는 것이 중요하다. 따라서 본 논문에서는 기존의 엔코더 (Encoder), 레졸버 (Resolver)를 사용하는 일반적인 제어시스템에서 벗어나서 저가형 아 날로그 구동장치를 설계하여 스위칭 Duty 가변 제어를 통한 SRM의 구동 및 제어 특성을 연구하고자 한다.

For accurate speed and current control in industrial applications, SRM (Switched Reluctance Motor) is very important to synchronize the stator phase excitation and rotor position in the drive due to its nature. In general, position sensors such as encoder and resolver are used to generate rotational force by exciting the stator winding according to the rotor position and to control the motor by using speed and position information. However, for these sensors, 1) the cost of the sensors is quite large in terms of price, so the proportion of the motor system to the total system cost is high. 2) In terms of mechanical, position sensors such as encoders and resolvers are attached to the stator to increase the size and weight. In conclusion, in order to drive the SRM, control based on the rotor position information should be basically performed, and it is important to design the SRM driving system according to the environment in consideration of the application field. Therefore, in this paper, we intend to study the driving and control characteristics of SRM through variable switching duty control by designing a low-cost analog driving device, deviating from the general control system using the conventional encoder and resolver.

스위치드 릴럭턴스 전동기 (Switched Reluctance Motor, SRM)는 전류의 크기와 회전자와 고정자의 상대적 위치에 따라 인덕턴스가 매우 비선형적으로 변하는 특성이 있고, 토크는 이 인덕턴스의 기울기에 비례하여 발생하기 때 문에 비선형 토크 특성을 가지며 토크 맥동이 크고 소음이 심한 단점도 있다. 이러한 문제점들을 고려하고 경제성과 회로의 간단화를 위하여 기존의 비대칭 컨버터 (Asymmetric Bridge Converter)에서 효율과 성능을 개선할 수 있는 구동용 토폴로지(Topology)에 대한 연구들이 많이 진행되었다. 따라서 본 논문에서는 SRM 구동용 토폴로지로 적용하 여 사용되고 있는 각 컨버터들을 비교, 분석함으로써 성능을 확인하고자 한다. 비교, 분석에 적용된 구동용 컨버터는 가장 널리 사용되고 있는 비대칭 브리지 컨버터 (Asymmetric Bridge Converter)와 C-dump 컨버터 형태의 구조를 가진 Conventional C-dump, Modified C-dump, Energy efficient C-dump, 공진형 C-dump 컨버터, 그리고 일 반 전동기의 범용으로 사용되고 있는 6-Switch 인버터이다.

Switched Reluctance Motor (SRM) has a characteristic that the inductance changes very nonlinearly depending on the magnitude of the current and the relative position of the rotor and stator, and the torque is generated In consideration of these problems, many studies have been conducted on a topology for driving that can improve efficiency and performance in an existing asymmetric bridge converter in order to simplify the circuit and economic efficiency. Therefore, in this paper, we want to check the performance by comparing and analyzing each converter used by applying it as a topology for SRM driving. The driving converters applied to the comparison and analysis are Conventional C-dump, Modified C-dump, Energy efficient C-dump, Resonant C-dump converter with C-dump converter type structure and the most widely used asymmetric bridge converter and 6-Switch inverter that used for general motors.

최근에는 회전자에 희토류 영구자석을 삽입하여 높은 효율과 출력밀도를 얻을 수 있는 매입형 영구자석 (IPM : Interior Permanent Magnet) 전동기 또는 표면부착형 영구자석 (SPM : Surface Permanent Magnet) 전동기처럼 영구자석이 사용된 전동기의 연구가 활발히 이루어지고 있다. 영구자석을 사용하기 때문에 릴럭턴스 전동기나 유도전동 기와 비교해 효율이 높고 출력밀도가 높은 장점이 있으나 회전자에 영구자석을 삽입함으로써 고속운전 및 영구자석의 감자로 인한 신뢰성 감소, 희토류 금속의 원가 상승 등이 문제시되고 있다. 본 논문에서는 희토류 영구자석 전동기를 대체할 수 있는 미래기술 개발과, 희토류 저감형 전동기와 탈 희토류 전동기의 기술 선점을 요구하는 시대적 이슈 (Issue)에 맞춰 영구자석이 필요 없는 스위치드 릴럭턴스 전동기 (Switched Reluvtance Motor, SRM)를 구동시키기 위한 구동 제어에 연구하고자 한다. PSIM 시뮬레이션 프로그램에서 제공하는 3상 SRM library를 이용하여 회전자 위치 정보 센서를 이용한 SRM의 구동 및 제어 시스템 모델링 (Modeling)을 연구하고자 한다.

In recent years, permanent magnets such as IPM (Interior Permanent Magnet) motors or SPM (Surface Permanent Magnet) motors that can obtain high efficiency and power density by inserting rare earth permanent magnets into the rotor are used. Research on the used electric motor is being actively conducted. Since it uses a permanent magnet, it has the advantage of high efficiency and high power density compared to reluctance motors and induction motors, but by inserting a permanent magnet into the rotor, it operates at high speeds and decreases reliability due to demagnetization of the permanent magnets, and increases the cost of rare earth metals. In this paper, in accordance with the development of future technology that can replace rare-earth permanent magnet motors and technological preoccupation of rare-earth reduction type motors and de-rare-earth motors, switched reluctance motors that do not require permanent magnets (Switched Reluvtance Motors) Motor, SRM) to drive driving control. Using the 3-phase SRM library provided by the PSIM simulation program, we will study the driving and control system modeling of SRM using the rotor position information sensor.

본 논문은 자료포락분석의 핵심인 상대효율을 계산하는데 있어 길이비율 측정법을 제안하였다. 상대효율을 계산 하는 유일한 방법으로 선형계획법이 알려져 왔다. 이 방법은 모든 의사결정단위들에 대한 단편적인 선형계획법을 풀어야 하는 문제점을 갖고 있었다. 본 논문에서는 단순히 입력-출력 관계를 2차원 그래프 작도로 효율적과 비효율적인 의사결 정단위를 구별하고, 비효율적인 의사결정단위의 현재 달성한 효율성은 길이비율 측정법으로 구하였다. 제안된 방법을 다양한 실험사례들에 적용한 결과 선형계획법의 적용 오류로 인한 문제점도 해결할 수 있었으며, 항상 정확한 상대효율 이 계산됨을 보였다. 또한, 이미 100% 효율성을 달성한 의사결정단위들을 제외하고, 단지 비효율적인 의사결정단위들에 대해서만 직선을 그려 기준 집합을 결정하고, 상대효율을 쉽게 구할 수 있었다.

This paper proposes length rate measurement for relative efficiency that is a core of data envelopment analysis(DEA). It has been said that the linear programming(LP) is a unique method to get the relative efficiency. This method has drawback that applies fractional LP focusing on each DMU in turn. This paper draws bi-dimensional input-output relational graph and distinguishes between efficient and inefficient DMU. The relative efficiency of inefficient DUM is solve using length rate measurement. As a result of various experimental data, the LP shows mistake of application, but this method gets the correct relative efficiency at all times. Also, this method only gets the relative efficiency for only inefficient DMUs without efficient DUMs that already achieved 100% efficiency. This method solves the relative efficiency of inefficient DUM draws the line to efficient frontier and decides the reference set easily.

본 논문은 조기퇴직자들의 퇴직금을 충당하는데 있어 최소의 초기 투자금만으로 최대의 재태크로 인한 수익금으 로 충당하는 방법을 다룬다. 이 문제에 대해 Guéret et al.은 Mosel 프로그램을, Edvall은 해를 찾아가는 명확한 규칙 없이 단지 CPLEX Branch-and-Cut MIP Solver 프로그램을 구현하여 해를 얻었다. 본 논문에서는 이 문제에 대해 만기도래기간이 긴 채권부터 역으로 채권 수를 결정하는 계산식을 제시하고, 채권 만기도래의 연속적 효과를 고려하여 채권 수 최적화를 수행하여 채권 수를 확정하였으며, 부족액은 역으로 1년만기 적금의 원금과 이자로 충당하는 계산식 을 제시하였다.

This paper deals with financing an early retirement scheme problem(FERSP) with minimum initial cash and filling up maximum financial interest. For this problem, Guéret et al. programming the Mosel, and Edvall merely realize the CPLEX Branch-and-Cut MIP Solver program to get the optimal solution. But there is no clear rule to finding the solution. This paper suggests calculation formula of bond number decision-making that the reverse from long arrival due date to short. Then we optimize and confirm the bonds number in accordance with continuative effect of the arrival due date. The shortage prepare with the principal and interest of one year deposit(saving) reversely calculation formula.

정보화 시대에 접어들면서 개개인의 신원을 정확하게 인식하여 인증하는 것은 정보 보호를 위해 매우 중요하기 때문에 신체를 활용한 생체인식의 활용이 점차 증가하고 있다. 그중 지정맥 인증 기술은 위조 및 복조하기 어려워 보안 성과 정밀도가 높고 사용자 수용성이 용이하여 사회적 많은 관심을 받고 있다. 그러나 신원확인을 위한 알고리즘이나 주변의 빛의 환경에 따라 정확도가 떨어질 수 있다. 본 논문에서는 지정맥 측정 장치 중 활용성이 좋은 측면형 지정맥 인식기를 직접 설계하고 제작하여 높은 정확도와 인식률을 위해 DenseNet-201의 딥러닝 모델을 활용하여 인증하였으 며 사용하는 적외선 광원과 주변 가시광선의 영향에 따른 지정맥 인증 기술의 성능을 시뮬레이션을 통해 분석하였다. 시뮬레이션은 전북대의 MMCBNU_6000과 직접 촬영한 지정맥 영상을 사용하고 EER을 이용하여 성능을 비교 분석한다.

As the information age enters, the use of biometrics using the body is gradually increasing because it is very important to accurately recognize and authenticate each individual's identity for information protection. Among them, finger vein authentication technology is receiving a lot of attention because it is difficult to forge and demodulate, so it has high security, high precision, and easy user acceptance. However, the accuracy may be degraded depending on the algorithm for identification or the surrounding light environment. In this paper, we designed and manufactured a side-type finger vein recognizer that is highly versatile among finger vein measuring devices, and authenticated using the deep learning model of DenseNet-201 for high accuracy and recognition rate. The performance of finger vein authentication technology according to the influence of the infrared light source used and the surrounding visible light was analyzed through simulation. The simulations used data from MMCBNU_6000 of Jeonbuk National University and finger vein images taken directly were used, and the performance were compared and analyzed using the EER.

현재 병원에서의 안전사고가 꾸준히 발생하고 있다. 특히, 요양병원 등 면역력이 약한 고령환자의 안전사고가 지속적으로 발생하고 있으며 이에 대한 대책이 필요하다. 대부분의 사고는 거동이 불편한 환자의 움직임에 의해 일어나 고 있다. 이에 환자의 움직임에 따른 입원실 음향을 분석하고 인식하여 관리자가 사전대처 하여 안전사고를 줄이는 방법 으로 본 논문에서는 시계열 패턴인식에 적용 가능한 알고리즘인 DTW (Dynamic Time Warping)을 사용하여 병원 입원실 음향인식을 위한 음향패턴을 분류하여 병원 입원실 환경에 적용하여 분석 하였다.

Currently, safety accidents in hospitals are steadily occurring. In particular, safety accidents of elderly patients with weak immunity, such as nursing hospitals, continue to occur, and countermeasures are needed. Most accidents are caused by patient movement. As a method of reducing safety accidents by analyzing and recognizing the sound of the inpatient room according to the movement of the patient, this paper classifies the sound pattern for sound recognition in the hospital inpatient room using DTW (Dynamic Time Warping), an algorithm applicable to time-series pattern recognition. It was analyzed by applying it to the inpatient room environment.

본 논문은 단기 에너지 사용량 예측을 위해 인공지능 기반의 접근법에 대해 분석한다. 본 논문에서는 단기 에너지 사용량 예측 기술에 자주 활용되는 지도학습 알고리즘의 한계를 개선하기 위해 강화학습 알고리즘을 활용한다. 지도학습 알고리즘 기반의 접근법은 충분한 성능을 위해 에너지 사용량 데이터뿐만 아니라 contextual information이 필요하여 높은 복잡성을 가진다. 데이터와 학습모델의 복잡성을 개선하기 위해 다중 에이전트 기반의 심층 강화학습 알고리즘을 제안하여 에너지 사용량 데이터로만 에너지 사용량을 예측한다. 공개된 에너지 사용량 데이터를 통해 시뮬레이션을 진행 하여 제안한 에너지 사용량 예측 기법의 성능을 확인한다. 제안한 기법은 이상점의 특징을 가지는 데이터를 제외하고 실제값과 유사한 값을 예측하는 것을 보여준다.

This paper analyzes the artificial intelligence-based approach for short-term energy consumption prediction. In this paper, we employ the reinforcement learning algorithms to improve the limitation of the supervised learning algorithms which usually utilize to the short-term energy consumption prediction technologies. The supervised learning algorithm-based approaches have high complexity because the approaches require contextual information as well as energy consumption data for sufficient performance. We propose a deep reinforcement learning algorithm based on multi-agent to predict energy consumption only with energy consumption data for improving the complexity of data and learning models. The proposed scheme is simulated using public energy consumption data and confirmed the performance. The proposed scheme can predict a similar value to the actual value except for the outlier data.

비간섭 부하 모니터링은 사용자 에너지 소비량의 실시간 모니터링을 통해 가전기기의 사용량 예측 및 분류를 하는 기술로, 최근 에너지 절약의 수단으로 관심이 증가하고 있다. 본 논문에서는 GAF(Gramian angular field) 기반 1차원 시계열 데이터를 2차원 행렬로 변환하는 기법과, 합성곱 신경망(convolutional neural networks)을 결합해 사 용자 전력 사용량 데이터로부터 가전기기를 예측하는 시스템을 제안한다. 학습을 위해 공개 가정용 전력 데이터인 REDD(residential energy disaggregation dataset)를 사용하고, GASF(Gramian angular summation field), GADF(Gramian angular difference field)의 분류 정확도를 확인한다. 시뮬레이션 결과, 이중 상태(on/off)를 가지는 가전기기에서 두 모델 모두 97%의 정확도를 보였고, 다중 상태를 가지는 기기에서 GASF는 95%로 GADF보다 3% 높은 정확도를 보임을 확인하였다. 차후 데이터의 량을 증가시키고 모델을 최적화해 정확도와 속도를 개선할 예정이다.

Non-intrusive load monitoring is a technology that can be used for predicting and classifying the type of appliances through real-time monitoring of user power consumption, and it has recently got interested as a means of energy-saving. In this paper, we propose a system for classifying appliances from user consumption data by combining GAF(Gramian angular field) technique that can be used for converting one-dimensional data to the two-dimensional matrix with convolutional neural networks. We use REDD(residential energy disaggregation dataset) that is the public appliances power data and confirm the classification accuracy of the GASF(Gramian angular summation field) and GADF(Gramian angular difference field). Simulation results show that both models showed 94% accuracy on appliances with binary-state(on/off) and that GASF showed 93.5% accuracy that is 3% higher than GADF on appliances with multi-state. In later studies, we plan to increase the dataset and optimize the model to improve accuracy and speed.

본 연구는 창의적 문제해결력 평가를 위한 요인을 탐색하고 측정 항목을 규명하기 위해 진행하였다. 선행 연구와 설문을 통해 7개의 요인과 26개의 예비 문항을 얻을 수 있었다. 창의적 문제해결 역량과 관련하여 문제해결 절차 면에서 문제 발견 능력, 아이디어 생성 능력, 아이디어 평가 능력, 아이디어 실행 능력을 확인하였다. 또한, 문제해결 수행자 간의 상호작용 능력과 문제 해결 수행자의 창의적 효능감 요인이 탐색 되었다. 마지막으로 HTE 창의교육 모델의 창의적 문제해결력 요인으로 은유와 비유적 인지 사고 능력과 그에 대한 평가 항목을 제시하였다. 후속 연구를 통해 HTE 창의 교육 평가 모델의 초석이 되기를 기대한다.

This study was conducted to explore factors for evaluating creative problem-solving ability and to identify measurement items. After reviewing the previous study, a questionnaire was conducted, and from that, 7 factors and 26 preliminary questions were obtained. Regarding the creative problem-solving ability, problem-discovery ability, idea generation ability, idea evaluation ability, and idea execution ability were confirmed in the problem-solving process. In addition, the factors of interaction ability between problem solving practitioners and creative efficacy of problem solving practitioners were explored. Finally, in the above results, metaphors and figurative cognitive thinking ability and evaluation items for creative problem-solving ability of HTE creative education model were presented. Through subsequent studies, we hope to serve as the groundwork of the evaluation model of HTE creative education.

본 논문에서는 객체 추적 기술을 이용한 분석 프로그램과 분석한 데이터를 시각화하여 제공하는 웹서버로 구성된 풋살 영상분석 시스템을 소개한다. 기존의 분석 시스템의 경우 특수한 장치나, 고비용의 카메라를 이용하기 때문에 사용 자들이 쉽게 이용하기에 부담스럽다. 따라서 본 논문에서는 평면 영상만을 이용해 선수의 경기를 분석하여 데이터를 시 각화하는 시스템을 설계하고 개발한다. 객체를 추적하며 누적된 값을 계산하여 객체의 픽셀당 거리를 구하고 이를 기반 으로 속도 관련 데이터와 거리 기반 데이터를 추출한다. 추출된 데이터를 시각화 라이브러리를 통해 그래프와 이미지로 변환하고, 웹페이지를 통해 편리하게 이용할 수 있도록 한다. 본 분석 시스템을 통해 기존의 분석 시스템의 문제점을 개선하고 데이터 기반의 과학적이고 효율적인 분석을 이용할 수 있도록 한다.

This paper introduces the futsal video analysis system consisting of an analysis program using object tracking technology and a web server that visualizes and provides analyzed data. In this paper, small and medium-sized organizations and amateur players are unable to provide game analysis services, so they propose a system that can solve this problem through this paper. Existing analytical systems use special devices or high-cost cameras, making them difficult for users to use. Thus, in this paper, a system is designed and developed to analyze the competitors' competitions and visualize the data using flat images only. Track an object and calculate the accumulated values to obtain the distance per pixel of the object and extract speed-related data and distance-based data based on it. Converts extracted data to graphs and images through a visualization library, making it convenient to use through web pages. Through this analysis system, we improve the problems of the existing analysis system and make data-based scientific and efficient analysis available.