Earticle

본 연구는 인터넷 노출이 플라스틱 소비 행동에 미치는 영향을 살피고, 그 관계에서 사회적 규범의 매개효과를 밝히고자 했다. 연구문제 및 연구모형의 검증을 위해 대학생 220명을 대상으로 설문조사를 실시했다. 수집된 데이터는 SPSS 26.0과 PROCESS macro 4.1(model 4)로 분석했다. 연구 결과, 인터넷 노출은 플라스틱 소비에 관한 묘사적 규범을 매개하여 플라스틱 소비 의도에 정적인 영향을 미치는 것으로 나타났다. 또한 플라스틱 소비에 관한 묘사적 규범 과 명령적 규범은 플라스틱 소비 의도에 정적인 영향을 미쳤다. 이러한 결과는 인터넷 노출과 사회적 규범이 플라스틱 소비 행동을 촉진하거나 억제할 수 있는 중요한 요인임을 시사한다. 이 결과를 토대로 본 연구의 이론적 의의와 실무적 함의를 제시했다.

This study examined the effect of Internet exposure on plastic consumption behaviors, and the mediating effect of social norms. The survey participants in this study were 220 college students. Collected data were analyzed by the SPSS 26.0 and PROCESS macro 4.1 (model 4). The results of this study showed that the relationship between Internet exposure and intention to plastic consumption was mediated by descriptive norms. These results suggest that Internet exposure and social norms are important factors that can promote or constrain plastic consumption behaviors. Based on these results, we presented the theoretical and practical implications of this study.

본 연구는 게임디자이너의 색채인식에 대한 현황을 파악하고자 실무디자이너 대상으로 색채활용에 대한 설문을 실시하고 산업내에서의 인식정도는 선행연구를 통해 살펴보았다. 색채활용인식은 측정이 가능한 정량분석으로 타당성을 확인하였다. 설문 결과는 1위 디지털색채, 2위 색채조화, 3위 색채지각, 4위 색혼합, 5위 색채심리, 6위 색이름 으로 분석되었다. 이 결과 게임산업을 위한 실무 중심의 색채에 대한 재교육의 필요성과 게임관련 학과의 색채 교육에서 1~4 위의 색채분야는 집중적인 교육이 이루어져야 할 것으로 보인다. 이번 연구가 향후 게임 산업의 디자이너 양성을 위한 색채 교육 연구의 기초자료로 활용되기를 기대한다.

This study studied the improvement of job-Related skills by grasping the status of color use of game designers. The use of color centered on designer was surveyed. As a result, the ranking of color use was in the order of digital color, color harmony, color perception, color mixing, color emotion, and color name. Finally, it presents the opinion that it is necessary to open a color curriculum centered on practitioners and to focus on the 1st to 4th in color fields.

최근 웹 서비스의 확산과 함께 데이터의 형태는 더욱 다양해지고 있다. 이미지, 동영상, 텍스트 등 데이터를 저장하는 형태 뿐 아니라 해당 데이터를 표현하는 속성 및 메타데이터 등도 개수 및 형태가 데이터 별로 상이하다. 이러 한 비정형 데이터를 효율적으로 처리하기 위해 키밸류 스토어(Key-Value Store)의 사용이 확산되고 있다. LSM-Tree(Log Structured Merge Tree)는 다양한 상용 키밸류 스토어의 핵심 자료구조이다. LSM-Tree 는 모든 쓰기 및 삭제 연산을 로그 방식으로 기록함으로써 소량의 쓰기에 높은 성능을 제공하도록 최적화 되어 있다. 그러나 최근 유효성 만료 데이터의 대용량 삭제 연산이 LSM-Tree에 특수 키밸류 데이터로 삽입됨에 따라 사용자 요청의 지연시간 및 처리속도가 저하된다는 문제점이 있다. 본 논문은 기존 LSM-Tree의 장점을 모두 유지하면서도 삭제된 키를 주요 트리 구조에서 분리하여 상기 문제를 해결하는 Filtered LSM-Tree (FLSM-Tree)를 제안한다. 제안하는 기법은 상용 키밸류 저장소인 LevelDB에 구현되었으며 성능 평가에서 읽기 성능이 최대 47% 향상됨을 보인다.

With the spread of web services, data types are becoming more diversified. In addition to the form of storing data such as images, videos, and texts, the number and form of properties and metadata expressing the data are different for each data. In order to efficiently process such unstructured data, a key-value store is widely used for state-of-the-art applications. LSM-Tree (Log Structured Merge Tree) is the core data structure of various commercial key-value stores. LSM-Tree is optimized to provide high performance for small writes by recording all write and delete operations in a log manner. However, there is a problem in that the delay time and processing speed of user requests are lowered as batches of deletion operations for expired data are inserted into the LSM-Tree as special key-value data. This paper presents a Filtered LSM-Tree (FLSM-Tree) that solves the above problem by separating the deleted key from the main tree structure while maintaining all the advantages of the existing LSM-Tree. The proposed method is implemented in LevelDB, a commercial key-value store and it shows that the read performance is improved by up to 47% in performance evaluation.

최근 스마트폰 또는 타블렛 PC와 같은 스마트기기가 정보의 창구 역할을 하게 되면서 다수의 사용자가 웹포털을 통해 웹 뉴스를 소비하는 것이 더욱 중요해졌다. 하지만 인터넷 상에 생성되는 뉴스의 양을 사용자들이 따라가기 힘들며 중복되고 반복되는 폭발하는 뉴스 기사에 오히려 혼란을 야기 시킬 수도 있다. 본 논문에서는 뉴스 포털에서 사용자의 질의로부터 검색된 뉴스후보들 중 KoBART 기반의 문서요약 기술을 활용한 뉴스 추천 시스템을 제안한다. 실험을 통해 서 새롭게 수집된 뉴스 데이터를 기반으로 학습한 KoBART의 성능이 사전훈련보다 더욱 우수한 결과를 보여주었으며 KoBART로부터 생성된 요약문을 환용하여 사용자에게 효과적으로 뉴스를 추천하였다.

Recently smart device(such as smart phone and tablet PC) become a role as an information gateway, using of the web news by multiple users from the web portal has been more important things. However, the quantity of creating web news on the web makes hard to catch the information which the user wants and confuse the users cause of the similar and repeated contents. In this paper, we propose the news recommend system using the document summarization based on KoBART which gives the selected news to users from the candidate news on the news portal. As a result, our proposed system shows higher performance and recommending the news efficiently by pre-training and fine-tuning the KoBART using collected news data.

본 논문은 스마트 그리드를 위한 전력선 통신 시스템에서 데이터 신뢰성을 향상시키는 딥러닝 기반의 사전 간섭 제거 알고리즘에 대해 연구하였다. 본 논문에서 제안한 기법은 딥러닝 기술을 적용하여 채널에서 발생하는 임펄시브 잡 음을 예측하여 제거하는 기술로서 송신단에서 딥러닝에 의해 학습된 잡음들을 활용하여 효과적으로 잡음을 제거함으로 써 신호의 품질을 향상시킬 수 있다. 딥러닝 기술의 잡음 예측 정확도를 향상시키기 위해 기존의 잡음 형태를 데이터베 이스화하여 활용하였다. 채널 모델로서 Middleton Class A 간섭 모델을 사용하였고, 비트 오류율을 평가하여 성능을 검증하였다. 모의실험을 통해 간섭 제거 기법이 적용된 시스템 모델과 이론적인 모델의 비트오류율을 비교하여 제안하는 시스템이 잡음을 효과적으로 제거하여 신호의 품질 성능을 향상시킬 수 있음을 확인하였다. 제안한 시스템 모델은 전력 선 통신뿐만 아니라 일반적인 통신 시스템에서도 신호의 품질을 향상시킬 수 있도록 다양하게 적용이 가능하다.

In this paper, we propose the deep learning based pre interference cancellation scheme algorithm for power line communication (PLC) systems in smart grid. The proposed scheme estimates the channel noise information by applying a deep learning model at the transmitter. Then, the estimated channel noise is updated in database. In the modulator, the channel noise which reduces the power line communication performance is effectively removed through interference cancellation technique. As an impulsive noise model, Middleton Class A interference model was employed. The performance is evaluated in terms of bit error rate (BER). From the simulation results, it is confirmed that the proposed scheme has better BER performance compared to the theoretical model based on additive white Gaussian noise. As a result, the proposed interference cancellation with deep learning improves the signal quality of PLC systems by effectively removing the channel noise. The results of the paper can be applied to PLC for smart grid and general communication systems.

본 논문은 전자제품의 PCB 기판 외곽에 위치시켜 ISM 대역에서 무선통신이 가능하도록 하는 안테나를 제안하였 다. PCB에서는 부품의 간섭 또는 디자인에 방해가 되지 않도록 소형화하기 위해 T자형 OPEN - STUB 급전선을 설계 하였다. T자형 스터브 급전선과 스파이럴 구조를 이용하여 각각 2.4GHz, 5.8GHz 대역에서 안테나의 특성을 확인하였 다. 실험을 위하여 안테나 크기는 가로 5mm ☓ 세로 6.5mm의 크기로 하였으며 PCB두께는 1.2T로 하여 제작하였다. 제작된 안테나의 실험 측정결과 2.4GHz, 5.8GHz에서 -10dB 이상의 반사손실을 얻을 수 있었다. 또한 E-plane에서 이득은 -4.45dBi로 나타났으며, H-plane에서 이득은 –1.05dBi 나타났다. 따라서 여기서 제안된 무선통신용 소형안테 나에서 우수한 성능을 나타내었다.

This paper proposes an antenna that is located outside the PCB substrate of an electronic product to enable wireless communication in the ISM band. The PCB designed the T-shaped OPEN-STUB power supply line to be miniaturized so that it does not interfere with parts or interfere with design. The characteristics of the antenna were confirmed in the 2.4GHz and 5.8GHz bands using a T-shaped stub feeder and a spiral structure. The size of the antenna is 5mm in width ☓ 6.5mm in length, and the thickness of the PCB is 1.2T. As a result of measurement of the manufactured antenna, it was possible to obtain a return loss of -10dB or more at 2.4GHz and 5.8GHz. In the E-plane, the gain was -4.45 dBi, and in the H-plane, the gain was –1.05 dBi. Therefore, the proposed small antenna for wireless communication showed excellent performance.

본 연구는 5G가 안정화되어 갈수록 많은 양의 트래픽이 건물 내 발생할 것으로 예상됨에 따라, 건물 내 5G 품질향상을 위해 지향성이 향상된 인빌딩용 안테나를 설계한 연구이다. 야기 안테나 전파 지향원리인 안테나 소자 전진 배열방식을 응용한 것이 아니라, 기지국용 안테나에 적용된 수직 배열 방식의 안테나 설계 방안을 제시한 것이고, 실험을 통해 안테나 지향성이 증가함을 확인하였다. 실험 결과에 따르면, 안테나와의 이격거리가 10m 이내에서는 지향성이 크 게 증가하지 않았지만, 10m 이상 이격된 거리에서는 지향성이 약 3dB 가량 증가한 것으로 나타났으며, 빌딩 내 무선환 경이 외부 환경과 달리 내부 구조물의 구조, 콘크리트, 유리와 같은 자재, 폐쇄된 공간, 벽면 등 다양한 변수가 존재하는 점을 고려하였을 때, 지향성이 향상된 안테나는 향후 빌딩 내 5G 품질개선의 폭을 넓힐 수 있고, 건물 내에서도 안정적 인 통신 서비스를 유지시킬 수 있을 것으로 기대된다.

This study is a study that designed in-building antennas with improved orientation to improve 5G quality in buildings as 5G is stabilized and more and more traffic is expected to occur in buildings. Instead of applying the forward arrangement of antenna elements, which is the Yagi antenna propagation orientation principle, the antenna design method of vertical arrangement applied to the base station antenna was proposed, and it was confirmed through experiments that antenna orientation increased. According to the experimental results, the directivity did not increase significantly within 10m of the separation distance from the antenna, but the directivity increased by about 3dB at the distance separated by more than 10m. Considering that the wireless environment in the building has various variables such as structure of internal structure, materials such as concrete and glass, closed space, and walls, it is expected that antenna with improved orientation can expand the scope of 5G quality improvement and maintain stable communication service in the building.

정부에서는 전국에 설치된 공공 CCTV를 이용하여 실종아동 등 범죄 예방을 위하여 많은 노력을 하고 있다. 하지만, 운용인력의 부족과 장시간 집중에 따른 집중력 약화 그리고 추적의 어려움 등이 나타나고 있다. 또한, 딥러닝 알고리즘을 통하여 실시간 객체 탐색 및 재인식 그리고 추적을 적용하는 것은 복잡한 신경망 분석의 사유로 파라미터가 증가하고 속도감소 메모리 부족이라는 현상을 나타냈다. 본 논문에서는 실시간 객체 인식이 가능한 Yolo의 적용과 Batch 및 TensorRT 기술 적용을 통하여 신경망을 경량화를 통하여 속도 개선 및 메모리 절약이 가능하도록 설계하였 다. 이 논문에서는 이러한 발전된 알고리즘의 연구를 바탕으로 K-reciprocal nearest neighbor 알고리즘, Jaccard distance 비유사도 측정 알고리즘, 산출물 알고리즘 등을 개발하여 공공 CCTV 식별추적시스템 구축을 제시하였다. 그 결과, 비교분석을 통한 알고리즘 조합을 통해 공공 다중CCTV환경에서 실시간으로 객체를 인식하고 재식별하여 객체를 추적할 수 있는 한국형 공공 추적시스템을 제안하였다.

The government is making great efforts to prevent crimes such as missing children by using public CCTVs. However, there is a shortage of operating manpower, weakening of concentration due to long-term concentration, and difficulty in tracking. In addition, applying real-time object search, re-identification, and tracking through a deep learning algorithm showed a phenomenon of increased parameters and insufficient memory for speed reduction due to complex network analysis. In this paper, we designed the network to improve speed and save memory through the application of Yolo v4, which can recognize real-time objects, and the application of Batch and TensorRT technology. In this thesis, based on the research on these advanced algorithms, OSNet re-ranking and K-reciprocal nearest neighbor for re-identification, Jaccard distance dissimilarity measurement algorithm for correlation, etc. are developed and used in the solution of CCTV national safety identification and tracking system. As a result, we propose a solution that can track objects by recognizing and re-identification objects in real-time within situation of a Korean public multi-CCTV environment through a set of algorithm combinations.

본 논문에서는 디지털 능동위상배열 안테나를 간략히 소개하고 주 빔의 부엽을 차단하기 위해 적용된 이중 채널 부엽 차단 빔 형성 방법에 대해 기술하였다. 그리고 안테나 주 빔 및 부엽 차단 빔 설계 결과와 안테나 근접전계 측정 결과로부터 안테나 성능을 검증하였다. 다음으로 기존의 이중 채널 부엽 차단 빔 운용 방식 보다 채널수를 줄이기 위해 단일 채널 부엽 차단 빔 형성 방법을 제안하고, 제안한 방법으로 부엽 차단 안테나에 대한 소자별 가중치 분포를 설계하 였다. 마지막으로 설계된 단일 채널 부엽 차단 빔 패턴과 차단 능력을 검증하고 이중 채널 부엽 차단 빔과 비교하였다. 또한, 디지털 능동위상배열 안테나의 수신 근접전계 시험을 통해 측정한 이중 채널 부엽 차단 빔과 제안된 단일 채널 부엽 차단 빔 패턴 및 부엽 차단 성능을 비교/검증함으로써 제안된 부엽 차단 빔 형성 방법에 대한 유효성을 확인하였다.

In this paper, a digital active phased array antenna is briefly introduced and beam forming method for a dual-channel side-lobe blanking applied to blank the side-lobe of the main beam is described. Next, the antenna performance was verified from results of design and antenna near-field measurement for the antenna main beam and side-lobe blanking beam. Then, a single-channel side-lobe blanking beam forming method was proposed to reduce the number of channels than the existing system operating dual-channel side-lobe blanking beam and weight distribution for each element of the side-lobe blanking antenna was designed with the proposed method. Finally, the designed single-channel side-lobe blanking beam pattern and blanking ability were verified and compared with the dual-channel side-lobe blanking beam. In addition, by comparing/verifying the conventional dual-channel and the proposed single-channel side-lobe blanking beam patterns measured through the receiving near-field test of the digital active phased array antenna and their ability to blank side-lobe of the main beam, validity of the proposed method for forming single-channel side-lobe blanking beam was confirmed.

본 논문에서는 60 nm GaN/Si HEMT 공정을 사용하여 전력증폭기(Power Amplifier)의 설계를 제시하였다. 고주파 설계를 위하여 맞춤형 트랜지스터 모델을 구성하였다. Output stage는 저손실 설계를 위해 마이크로스트립 라 인을 사용하여 회로를 구성하였다. 또한 RC 네트워크로 구성된 Bias Feeding Line과 Input bypass 회로의 AC Ground(ACGND) 회로를 각각 적용하여 DC 소스에 연결된 노드의 최소임피던스가 RF회로에 영향을 미치지 않도록 하였다. 이득과 출력을 고려하여 3단의 구조로 설계되었다. 설계된 전력증폭기의 최종 사이즈는 3900 μm x 2300 μm 이다. 중심 주파수에서 설계된 결과는 12 V의 공급 전압에서 15.9 dB의 소 신호 이득, 29.9 dBm의 포화 출력(Psat), 24.2 %의 PAE를 달성하였다.

This study presents the design of power amplifier (PA) in 60 nm GaN/Si HEMT technology. A customized transistor model enables the designing circuits operating at W-band. The all matching network of the PA was composed of equivalent transformer circuit to reduce matching loss. And then, equivalent transformer is several advantages without any additional inductive devices so that a wideband power characteristic can be achieved. The designed die area is 3900 μm x 2300 μm. The designed results at center frequency achieved the small signal gain of 15.9 dB, the saturated output power (Psat) of 29.9 dBm, and the power added efficiency (PAE) of 24.2% at the supply voltage of 12 V.

Artificial intelligence (AI) 프로젝트에 널리 사용되는 Python 언어는 Interpreter 언어로 Runtime 시에 오류 가 발생한다. 오류로 인한 프로젝트의 실패를 방지하기 위해서는 사전에 예외적인 상황이 발생할 수 있는 코드에 대한 예외 처리가 필요하다. 특히, 많은 리소스를 필요로 하는 AI 프로젝트에서, 오랜 실행 후 발생하는 예외는 큰 리소스 낭비를 초래한다. 하지만, 예외 처리는 개발자의 경험에 의존하기 때문에 개발자들은 잡아야 할 적절한 예외를 결정하는 데 어려움을 가진다. 이러한 필요성을 해결하기 위해 기존 예외 처리문을 학습하여 개발 중에 개발자에게 잡아야 할 예외를 제안해주는 접근 방법을 제안한다. 제안 방법은 try 블록의 소스 코드를 입력으로 받아 except 블록에서 처리되 어야 할 예외들을 제안해준다. 우리는 2개의 프레임워크로 구성된 대규모 프로젝트에 대해 접근 방법을 평가한다. 우리 의 평가 결과에 따르면, 예외 제안을 수행할 때 평균 AUPRC는 0.92 이상을 나타낸다. 연구 결과는 제안된 방법이 비교 모델들을 능가하는 예외 제안 성능으로 개발자의 예외 처리를 지원할 수 있음을 보여준다.

The Python language widely used in artificial intelligence (AI) projects is an interpreter language, and errors occur at runtime. In order to prevent project failure due to errors, it is necessary to handle exceptions in code that can cause exceptional situations in advance. In particular, in AI projects that require a lot of resources, exceptions that occur after long execution lead to a large waste of resources. However, since exception handling depends on the developer's experience, developers have difficulty determining the appropriate exception to catch. To solve this need, we propose an approach that recommends exceptions to catch to developers during development by learning the existing exception handling statements. The proposed method receives the source code of the try block as input and recommends exceptions to be handled in the except block. We evaluate our approach for a large project consisting of two frameworks. According to our evaluation results, the average AUPRC is 0.92 or higher when performing exception recommendation. The study results show that the proposed method can support the developer's exception handling with exception recommendation performance that outperforms the comparative models.

본 연구에서 csv포맷으로 구조화된 파일 데이터의 컬럼의 도메인을 자동 판별하는 방법을 제안한다. 데이터와 데이터 간 융합을 통해 새로운 데이터를 생성할 수 있고, 이들 새로운 데이터가 중요한 자원이 되기 위해서는 조인 되는 컬럼의 일관성이 유지되어야 한다. 데이터 품질을 측정하기 위한 방법 중의 하나가 도메인 기반 품질 진단 방법이다. 도멘인이란 각 컬럼의 성격을 규정하는 가장 광범위한 지표이므로 이를 자동으로 판별하는 방법이 필요하다. 기존의 연 구에서는 관계형 데이터베이스의 도메인 자동 판별이 주로 연구 되었지만 본 연구는 파일데이터의 특성을 이용하여 도메 인을 자동화 할 수 있는 모델을 개발하였다. 파일데이터의 도메인 판별을 특화하기 위하여 정규표현식을 이용하여 데이 터를 단순화 하고 이를 패턴화 하였고, 컬럼명에 해당하는 데이터 헤더의 내용을 분석하여 사용된 접미사를 분석하여 파생변수로 사용하였다. 정규표현식과 접미사의 파생변수를 추가하였을 때 기존 방법인 87%의 정확도 보다 큰 95%의 정확도로 도메인을 자동 판별하는 결과를 도출하였다. 본 연구는 공공데이터 품질진단에 자동화 방법론을 제시하여 품질 측정 기간 및 인원을 줄일 수 있을 것으로 기대된다.

In this work, we propose a method for automatically determining the domain of columns of file data structured by csv format. New data can be generated through convergence between data and data, and the consistency of the joined columns must be maintained in order for these new data to become an important resource. One of the methods for measuring data quality is a domain-based quality diagnosis method. Domain is the broadest indicator that defines the nature of each column, so a method of automatically determining it is necessary. Although previous studies mainly studied domain automatic discrimination of relational databases, this study developed a model that can automate domains using the characteristics of file data. In order to specialize in the domain discrimination of file data, the data were simplified and patterned using a regular expression, and the contents of the data header corresponding to the column name were analyzed, and the suffix used was used as a derived variable. When derivatives of regular expressions and suffixes were added, the result of automatically determining the domain with an accuracy of 95% greater than the existing method of 87% was derived. This study is expected to reduce the quality measurement period and number of people by presenting an automation methodology to the quality diagnosis of public data.

본 논문은 501 다트게임의 최소 다트 촉 투척 횟수인 9회에 대한 획득점수 조합을 찾는 연구를 수행하였다. 다트게임에서 한 번 투척으로 획득할 수 있는 최대 점수는 60점으로 60x8+21x1=501에 의거 60점을 8회, 21점을 1회 획득하면 9회 투척으로 퍼펙트 다트게임을 종료할 수 있다. 이를 9-다트 종료라 한다. 이와 같이 9회 투척으로 501점을 획득 가능한 점수의 조합에 관한 연구는 18개와 14개만 알려져 있으며, 전수탐색 알고리즘을 적용한 연구는 수행되지 않고 있다. 본 논문은 전형적인 전수탐색법인 분기한정법의 O(2n) 지수시간 수행 복잡도를 다항시간 복잡도로 단순화 시키는 방법으로 나눗셈 분기한정 알고리즘을 제안하였다. 제안된 방법은 레벨을 8로 한정시키고, 501/60의 몫 레벨로 점프하고 역추적으로 이전 단계에서의 가능한 점수 조합만을 탐색하는 방법을 적용하였다. 제안된 알고리즘으로 찾은 9회의 퍼펙트게임의 가능한 점수 조합은 90개(101개 경우)를 얻었다.

This paper researched a study to find a combination of acquisition scores for 9 dart throws, which is the minimum number of dart tactile throws in 501 point dart games. The maximum score that can be obtained by throwing once in a dart game is 60 points, which can end the perfect dart game with 60 points eight times according to 60x8+21x1=501, and if you earn 21 points once, you can finish the game with 9 throws. This is called 9-dart finish. As such, only 18 and 14 studies on the combination of scores that can obtain 501 points with 9 throws are known, and no studies have been conducted applying the exhaustive search algorithm. This paper proposed a division branch-and-bound algorithm as a method of simplifying the O(2n) exponential time performance complexity of the typical branch-and-bound method of a exhaustive search method, to polynomial time complexity. The proposed method limited the level to 8, jumped to a quotient level of 501/60, and backtracked to explore only possible score combinations in the previous level. The possible score combinations of the nine perfect games found with the proposed algorithm were 90(101 cases).

본 논문은 NP-완전으로 다항시간 알고리즘이 알려져 있지 않은 3-분할 문제(TPP)에 대한 선형시간 알고리즘을 제안하였다. 본 논문은 기존에 알려진 다항시간 알고리즘인 최대-최소치와 제3의 숫자 합을 이용하는 MM법이 갖고 있는 해를 구하지 못하는 문제점을 개선한 역추적 법을 제안하였으며, 또한 역추적 법을 적용한 MM의 문제점도 개선하 였다. 제안된 알고리즘은 내림차순 정렬된 S 집합을 3-분할하여 순방향, 역방향과 최대 여유량 순서인 최적합 배정 법으 로 배정한 결과 10개 데이터 중 5개 데이터인 50.00%에 대해서는 최적 해를 찾을 수 있었다. 나머지 5개 데이터에 대해서도 최소 1회, 최대 7회의 잉여 상자와 부족 상자 간 숫자 교환으로 최적 해를 찾을 수 있는 성능을 보였다. 제안된 알고리즘은 n개 데이터를 3-분할한 m = n/3 보다도 적은 O(k) 의 선형시간 수행 복잡도로 단순 배정과 교환 최적화를 수행하는 알고리즘으로 TPP가 NP-완전이 아닌 P-문제인 다항시간 알고리즘이 존재할 수 있음을 보였다.

This paper proposed a linear time algorithm for a three-partition problem(TPP) in which a polynomial time algorithm is not known as NP-complete. This paper proposes a backtracking method that improves the problems of not being able to obtain a solution of the MM method using the sum of max-min values and third numbers, which are known polynomial algorithms in the past. In addition, the problem of MM applying the backtracking method was improved. The proposed algorithm partition the descending ordered set S into three and assigned to the forward, backward, and best-fit allocation method with maximum margin, and found an optimal solution for 50.00%, which is 5 out of 10 data in initial allocation phase. The remaining five data also showed performance to find the optimal solution by exchanging numbers between surplus boxes and shortage boxes at least once and up to seven times. The proposed algorithm that performs simple allocation and exchange optimization with less O(k) linear time performance complexity than the three-partition m = n/3 of n data, and it was shown that there could be a polynomial time algorithm in which TPP is a P-problem, not NP-complete.

수면 중 발생되는 영유아의 높은 사망률 때문에 영유아 케어에 대한 중요성이 대두되고 있다. 본 연구에서는 블루투스 기술을 이용하여 스마트폰 으로 제어되는 Infant Care 디바이스의 초기 모델을 개발하였다. 개발된 모델은 MCU, 가속도 센서, 온도 측정 센서, 소리 센서, 블루투스 모듈, 카메라 모듈로 구성된다. 개발된 어플리케이션과 블루투 스 기술을 사용하여 측정된 유아의 낙상 감지 신호 정보, 울음 감지 신호 정보, 발열 감지 신호 정보를 부모의 스마트 폰과 컴퓨터 모니터를 통해 표출 하였다. Bluetooth Low Energy를 이용하여 저 전력 구동을 구현함으로서 구현된 Infant Care 시스템의 초기 설계모델의 유용성에 대해 확인 하였다.

This significance of the infant care system has emerged due to sudden infant death during sleeping .This paper presented a design and implementation of a prototype model, which is a infant care device controlled by a smartphone using Bluetooth technology. Prototype Device Model consists of MCU(microcontroller unit), Accelerometer Sensor, Temperature Measuring Sensor, Sound Measuring Sensor, Bluetooth Module, and Camera Module. The proposed application transfers the information to the parent's smartphone and computers, such as infant’s falling, crying, and fever detection. A test verified the availability of a prototype infant care system model using Bluetooth Low Energy with operating the low power driving.

수십년간 매우 많은 소프트웨어 결함 예측 모델에 관한 연구들이 수행되었으며, 그들 중 기계학습 기법을 사용한 모델들이 가장 좋은 성능을 보였다. 딥러닝 기법은 기계학습 분야에서 가장 각광받는 기술이 되었지만 결함 예측 모델의 분류기로 사용된 연구는 거의 없었다. 몇몇 연구들은 모델의 입력 소스나 구문 데이터로부터 시맨틱 정보를 얻어내는데 딥러닝을 사용하였다. 본 논문은 3개 이상의 은닉층을 갖는 MLP를 이용하여 모델 구조와 하이퍼 파라미터를 변경하여 여러 모델들을 제작하였다. 모델 평가 실험 결과 MLP 기반 딥러닝 모델들은 기존 결함 예측 모델들과 Accuracy는 비슷 한 성능을 보였으나 AUC는 유의미하게 더 우수한 성능을 보였다. 또한 또다른 딥러닝 모델인 CNN 모델보다도 더 나은 성능을 보였다.

Many studies have been conducted on software fault prediction models for decades, and the models using machine learning techniques showed the best performance. Deep learning techniques have become the most popular in the field of machine learning, but few studies have used them as classifiers for fault prediction models. Some studies have used deep learning to obtain semantic information from the model input source code or syntactic data. In this paper, we produced several models by changing the model structure and hyperparameters using MLP with three or more hidden layers. As a result of the model evaluation experiment, the MLP-based deep learning models showed similar performance to the existing models in terms of Accuracy, but significantly better in AUC. It also outperformed another deep learning model, the CNN model.

소형 대공 추적레이다용 전원공급기는 시스템이 잡음의 영향 없이 빠르고 안정적으로 전원을 공급받을 수 있도록 해야 한다. 이를 위하여 신뢰성 있는 전원변환을 위하여 DC-DC 변환기를 많이 적용한다. 또한 DC-DC 변환기의 스위 칭 주파수 노이즈가 시스템의 탐지 추적 성능에 영향을 줄 수 있는 False Alarm 과 Ghost 를 유발하지 않도록 해야 하며, 추적 레이다가 동작중 실시간으로 전원을 모니터링 할 수 있는 점검 기능을 보유하고 있어야 한다. 본 연구에서는 소형 대공 추적 레이다에 적용하기 위하여 +28VDC 입력을 받아서 최대 출력 OOO W, 효율 80% 이상(@100%부하), 출력 전원 6개의 다중 출력 스위칭 전원공급기를 개발하였고 효율 80% 이상을 달성하기 위하여 전력이 큰 출력에 대해 서는 DC-DC 변환기를 적용하였고 나머지 소전력 출력에 대해서는 출력 전류 및 노이즈를 고려하여 리니어 레귤레이터 를 적용하여 설계 제작하여 시험 결과 100% 부하조건에서 85%의 우수한 효율 특성을 확인하였다.

The power supply for the anti-aircraft radar homing sensor should allow the system to receive power quickly and stably without the influence of noise. For this purpose, DC-DC converters are widely used for reliable power conversion. Also, switching of DC-DC converters Frequency noise should not cause false alarms and ghosts that may affect the detection and tracking performance of the system, and it should have a check function that can monitor power in real time while the homing sensor is operating. In order to apply to anti-aircraft radar homing sensor, we developed a multi-output switching power supply with maximum output OOO W, efficiency 80% or more (@100% load), output power by receiving 28VDC input, and power supply to achieve more than 80% efficiency. A DC-DC converter was applied to this large output, and the multi-output flyback method was applied to the rest of the low-power output.

철도차량에 탑재된 전장품 중 가장 큰 하중을 차지하는 것은 주변압기로 낮은 운전 주파수(60Hz)로 인해 전력 밀도가 0.2~0.4 MVA/ton 정도로 낮아 경량화에 중요한 요소로 작용하고 있다. 따라서 철도차량용 주변압기를 개선하 기 위해 몰드 변압기, 반도체 변압기 등에 관한 연구가 국내외적으로 활발히 진행 중이다. 한편 국내외 철도차량에 대부 분 적용되는 견인전동기로 최근에는 유도전동기를 대체하여 영구자석 동기전동기(PMSM)를 적용하려는 시도가 이루어 지고 있다. 영구자석 동기전동기(PMSM)는 유도전동기에 비해 높은 출력밀도와 효율 확보가 가능하지만 제작에 필요한 재료의 가격이 비싸고 설계가 유도전동기 대비 다소 어렵다는 단점이 있다. 이러한 문제점을 고려하여 본 논문에서는 소형 경량화가 가능한 반도체 변압기를 적용하고, 철도차량의 경량화, 고효율화 등의 요구사항에 맞춰 구조가 간단하면 서 회전수가 높고 고토크, 저비용인 SRM을 적용할 수 있는 연구내용을 제안하고자 한다.

Among the electrical components mounted on railroad cars, the largest load is the main transformer, which has a low power density of 0.2~0.4 MVA/ton due to the low operating frequency(60Hz), which is an important factor for weight reduction. Therefore, research on molded transformers, semiconductor transformers, etc. is being actively conducted at Domestic and foreign in order to improve the main transformer for railway vehicles. Meanwhile, attempts are being made to apply a permanent magnet synchronous motor (PMSM) to replace an induction motor as a traction motor that is mostly applied to domestic and foreign railway vehicles. Permanent magnet synchronous motors (PMSMs) can secure higher power density and efficiency compared to induction motors, but have disadvantages in that the materials required for manufacturing are expensive and design is somewhat difficult compared to induction motors. Considering these problems, in this paper, we suggest that a small and lightweight semiconductor transformer is applied, and a simple structure, high torque, low cost SRM can be applied in accordance with the requirements such as weight reduction and high efficiency of railroad vehicles. content.

최근 국내 축산 농가들에서는 생산성 향상을 위해 축사 환경 및 사양관리, 안전한 축산물 생산, 동물 복지 등에 데이터를 기반으로 한 기술이 도입되고 있다. 또한, 정부는 정책적으로 축산물의 생산성 향상 및 축산 환경을 개선하기 위해 ICT기반의 축사시설 현대화를 통한 스마트 축사 보급 사업을 2017년부터 진행하고 있다. 그러나 현재 스마트 축사 는 모니터링과 제어의 연계성, 다양성, 통합성 등에서 한계가 있다. 그러므로 다양한 모니터링과 제어의 연계 및 통합을 하기 위해 지능화된 알고리즘 및 원격 제어로 축산의 모든 과정을 지능적으로 시스템화하기 위해서는 사물인터넷, 빅데 이터, 인공지능, 클라우드 컴퓨팅, 모바일 등 지능정보기술을 기반으로 한 스마트 축산 시스템 개발이 필요하다. 본 연구 에서는 지능정보기술 기반의 스마트 축사 관련 국내외 연구동향을 소개하고 첨단기술의 국내 적용 한계를 분석하였다. 끝으로 축산분야에 적용 가능한 미래 지능정보기술에 대해서 살펴보았다.

Recently, livestock farms in Korea are introducing data-based technologies to improve productivity, such as livestock environment and breeding management, safe livestock production, and animal welfare. In addition, the government has been conducting a smart livestock distribution project since 2017 through the modernization of ICT-based livestock facilities in order to improve the productivity of livestock products and improve the livestock environment as a policy. However, the current smart livestock house has limitations in connection, diversity, and integration between monitoring and control. Therefore, in order to intelligently systemize all processes of livestock with intelligent algorithms and remote control in order to link and integrate various monitoring and control, the Internet of Things, big data, artificial intelligence, cloud computing, and mobile It is necessary to develop a smart livestock system. In this study, domestic and foreign research trends related to smart livestock based on intelligent information technology were introduced and the limitations of domestic application of advanced technologies were analyzed. Finally, future intelligent information technology applicable to the livestock field was examined.

OTT 등 신규 서비스가 등장하고 미디어 산업의 가치사슬이 복잡한 지형을 형성하게 되면서 공정경쟁과 이용자 보호, 내용심의 등 다양한 문제들이 발생하고 있다. 그러나 네트워크의 물리적 특성과 기술적 요소로 사업자를 구분하는 기존법으로 OTT를 도입하는 문제는 과다한 규제와 산업 활성화 저해라는 측면에서 비판받고 있으며, 새로운 규제체계 로의 도입은 플랫폼의 사회적 영향력에 대한 논란과 이해관계자와의 충돌로 장기적인 지연을 거듭하고 있다. 본 연구는 전문가들이 인식하는 기존법 내지 새로운 규제체계 하에서 OTT 도입을 위한 규제 근거와 기준에 대한 의견을 청취하고 이에 대한 타당성을 분석했다. 이와 같은 분석은 향후 OTT 도입 방식에 유의미한 시사점을 제공할 것으로 판단된다.

New services such as OTT have appeared, and the value chain of the media industry has formed a complex terrain, and new problems have arisen in terms of fair competition between operators and user protection. However, the problem of introducing OTT under the existing law that classifies services by physical characteristics and technical elements of the network has been criticized in terms of hindering industrial activation due to excessive regulation. The introduction of the new regulatory system has been delayed for a long time despite the dissatisfaction of stakeholders and attempts to legislate

최근의 팬데믹 상황에서 인공지능의 중요성은 더욱 부각되고 있으며, 주요국은 AI 기술주도권 확보를 위하여 노력 중이다. 한국 정부도 AI경쟁력 확보를 위한 사업을 추진하며 정부투자를 지속적으로 확대하고 있다. 산업 육성을 위한 정부사업의 효율적인 운영이 중요함에도 불구하고 이와 관련한 연구는 미미한 실정이다. 이에 본 연구는 AI 분야의 대표적인 정부 사업인 AI 바우처 지원사업의 개선방안을 분석하고 제안한다. 지원사업 참여기업을 대상으로 인터뷰를 수행하였으며, 내용 분석을 통하여 사업 추진과정의 이슈를 파악하고, 개선방안을 사업 준비, 진행, 종료 및 사후관리의 단계별로 제시하였다. 본 연구는 AI의 중요성이 증가하는 시점에 성공적인 AI산업 육성을 위한 정부 지원사업의 개선방 안을 제시하는데 의의를 둔다.

In the recent pandemic situation, importance of artificial intelligence has been highlighted and major countries are making efforts to secure leadership in AI technology. The Korean government has been continuously expanding government investment to secure technological competitiveness. Despite the importance of efficient operation strategies for government-supported projects, related discussions rarely existed. Therefore, this study aims to analyze the AI voucher support project, which is a representative government project in the AI field, and to suggest improvement plans. An interview with AI solution companies was conducted, and issues in the process of promoting AI voucher support projects were identified through content analysis. Based on the analysis results, improvement plans were presented in stages of project preparation, progression, termination, and follow-up management. This study has significance in suggesting improvement plans for the government support project for the successful growth of the AI industry at a time when the importance of AI is increasing.

최근 산업 분야 자동화의 발전에 따라 이상 징후 검출에 대한 연구가 활발하게 진행 중이다. 공장 자동화에 사용 되는 이상 징후 검출의 응용분야로 카메라를 사용한 결함 검사가 있다. 비전 카메라 검사는 공장 자동화에서 높은 성능 과 효율성을 보이지만, 조명과 환경조건의 불안정성을 극복하기가 어렵다. 딥러닝을 이용한 카메라 검사가 훨씬 더 높은 성능을 보이면서 비전 카메라 검사의 문제를 해결할 수 있지만 학습을 위해 엄청난 양의 정상 데이터 및 비정상 데이터 를 요구하기 때문에 실제 산업 분야에 적용하기가 어렵다. 따라서 본 연구는 정상 데이터만을 사용한 72개의 기하학적 변환 딥러닝 방법으로 비정상 데이터 수집 문제를 극복하고, 성능 개선을 위한 특이치 노출 방법을 추가한 네트워크를 제안한다. 이를 자동차 부품 데이터 및 이상치 검출용 데이터베이스인 MVTec 데이터 셋에 적용하고 검증함에 의해 실제 산업 현장에서 적용할 수 있음을 보인다.

Recently, with the development of automation in the industrial field, research on anomaly detection is being actively conducted. An application for anomaly detection used in factory automation is camera-based defect inspection. Vision camera inspection shows high performance and efficiency in factory automation, but it is difficult to overcome the instability of lighting and environmental conditions. Although camera inspection using deep learning can solve the problem of vision camera inspection with much higher performance, it is difficult to apply to actual industrial fields because it requires a huge amount of normal and abnormal data for learning. Therefore, in this study, we propose a network that overcomes the problem of collecting abnormal data with 72 geometric transformation deep learning methods using only normal data and adds an outlier exposure method for performance improvement. By applying and verifying this to the MVTec data set, which is a database for auto-mobile parts data and outlier detection, it is shown that it can be applied in actual industrial sites.

외부에서 보내는 시간을 줄이고 동네마트를 주로 이용하는 중년층, 노년층들과 동네마트 관리자들을 위한 장보기 시스템을 개발하였다. 이 앱은 직접 장보기 기능과 온라인 장보기 기능이 주요 기능이며 안드로이드에서 Zxing라이브러 리를 이용한 QR코드와 카카오 API를 이용한 카카오맵을 이용해 개발되었다. 또한 리사이클러뷰와 그래프를 통해 회원 이 필요로 하는 결제 통계와 게시판 글 등의 정보를 가독성 있게 제공한다. 이 시스템을 통해 회원들은 QR코드를 이용한 직접구매 방식과 지도를 통한 배달 방식을 통해 마트를 이용할 때의 피로감을 줄이고 마트 관리자로서는 인력낭비를 줄임으로서 효율적으로 관리할 수 있다. 또한 마트 관리자로서는 소비자들이 늘어나 더 많은 물품을 판매할 수 있을 것이다.

By reducing time spent outside, a shopping system was developed for middle-aged and elderly people who mainly use neighborhood marts and neighborhood mart managers. The main functions of this app are direct shopping and online shopping, and it was developed using QR code using Zxing library on Android and Kakao Map using Kakao API. In addition, it provides information such as payment statistics and bulletin board posts that members need through recycler view and graphs in an easy-to-read manner. Through this system, members can efficiently manage by reducing fatigue when using the mart through direct purchase using QR code and delivery through map, and reducing manpower wastage as a mart manager. Also, as a mart manager, more consumers will be able to sell more items.

CNN은 딥러닝의 한 종류로 이미지나 영상 데이터를 처리할 때 사용하는 신경망이다. 필터가 이미지를 순회하며 이미지의 특징을 추출하여 이미지를 구분한다. 딥러닝은 데이터가 많을수록 좋은 모델을 만들 수 있는 특징이 있고, CNN에서는 적은 데이터의 약점을 보완하기 위해 회전, 확대, 이동, 뒤집기 같은 방법의 데이터 증강이라는 기법으로 데이터의 양을 인위적으로 늘리는 방법을 사용한다. 외곽선 이미지 학습은 이미지 데이터에서 외곽선에 해당하는 영역을 추출하는 것이다. CNN 학습 시, 외곽선 이미지 학습이 기존의 데이터 증강기법과 비교하여 성능 향상의 도움이 되는지 확인하고자 한다.

CNN is a type of deep learning and is a neural network used to process images or image data. The filter traverses the image and extracts features of the image to distinguish the image. Deep learning has the characteristic that the more data, the better models can be made, and CNN uses a method of artificially increasing the amount of data by means of data augmentation such as rotation, zoom, shift, and flip to compensate for the weakness of less data. When learning CNN, we would like to check whether outline image learning is helpful in improving performance compared to conventional data augmentation techniques.

본 연구는 화재라는 재난적 상황에 대처하기 위한 재난관리의 각 단계에서 4차 산업혁명의 기술들을 적용하여 스마트 방재기술을 발전시킬 수 있는 방안을 제시하고자 하였다. 이를 위하여 방재 전문가와 방재 수요자 각 150명을 연구대상으로 설정하여 설문지를 배포하여 연구자료를 수집하고, 통계분석을 시행하였다. 주요한 결과는 방재 전문가 및 수요자들은 공통적으로 스마트 방재의 시스템적 요인을 가장 중요하게 생각하고 있었으며, 방재 전문가와 수요자들의 각 스마트 방재 구성요인에 대한 중요성 인식의 차이는 통계적으로 유의하지 않았다. 이러한 결과를 토대로 본 연구자는 우리나라의 스마트 방재기술이 발전하기 위해서는 다수의 연구자들이 개개별적인 스마트 방재기술을 연구하는 것도 중 요하나, 무엇보다도 스마트 방재기술들을 어떻게 관리하고, 이를 통합하며 실제 상황 속에서 적용할 것인지에 대한 시스 템적 연구개발이 가장 선제적으로 이루어져야 할 것을 제언하였다.

This study attempted to propose a plan to develop smart disaster prevention by applying the technologies of the 4th Industrial Revolution at each stage of disaster management to cope with the catastrophic situation of fire accidents. To this end, 150 disaster prevention experts and disaster prevention consumers were set as research subjects, and research data were collected and statistical analysis was conducted by distributing questionnaires. The main result was that disaster prevention experts and consumers commonly regarded the systematic factors of smart disaster prevention as the most important, and the difference in perception of the importance of each smart disaster prevention component was not statistically significant. Based on these results, this researcher suggested that in order for Korea's smart disaster prevention technology to develop, it is important for many researchers to research individual smart disaster prevention technologies, but above all, systematic R&D on how to manage, integrate them, and apply them in actual situations should be most preemptively.

소프트웨어 산업은 과학기술과 ICT를 통한 융합, 신시장 창출 및 고용창출이 가능한 산업으로 매우 빠르게 성장 하고 있는 대표적인 지식산업이면서 21세기 지식정보화 시대의 기간산업이라 할 수 있다. 이에 본 연구는 투입산출분석 을 적용하여 한국과 미국의 소프트웨어 산업의 경제적 파급효과를 도출하고, 이러한 결과를 이산화탄소 유발효과와 비교 해서 해당 산업이 저탄소발전 기조에 부합하는 지를 검증해보고자 한다. 분석결과 첫째, 한국과 미국의 소프트웨어 산업 모두 생산유발효과가 유의미한 수준으로 국가 경제에 미치는 영향력이 큰 것으로 나타났다. 둘째, 미국의 소프트웨어 산업은 전방연쇄효과가 높아 타 산업에 중간재로서 큰 역할을 하고 있지만, 한국의 소프트웨어 산업은 해당 효과가 낮아 타 산업의 생산과정에 큰 영향력을 미치지 못하는 것을 알 수 있다. 셋째, 소프트웨어산업의 이산화탄소유발효과는 한국 과 미국 모두 낮은 수준으로 도출되어, 소프트웨어 산업은 지속가능한 미래를 위해 육성하기 적합하고, 저탄소 국가발전 기조에 적합한 산업임을 확인하였다.

The software industry makes it possible to converge science and Information and Communication Technologies (ICT), create new markets, and create jobs. It is a key industry in the 21st century knowledge and information age, which is growing very rapidly. This study uses Input-output analysis to derive Linkage effect of the software industry in Korea and the United States (US), and compares the result with CO2 inducement effect to verify whether the industry meets the low carbon emission development strategy. As the result of this study, first, the software industries in Korea and the US are confirmed to have large influences on the national economy. Second, the Korean software industry has a low Forward linkage effect, so it is less affected by the output of other industries. On the other hand, in the US, it has a high Forward linkage effect and can induce a lot of output in others. Third, CO2 inducement effects of the industry in Korea and the US are both low, confirming that the industry is suitable for a sustainable future.

학습자 주도의 지속적 원격교육 환경을 위하여 학습자의 정확한 학습 패턴을 고려한 올바른 문제 추천 가이드에 대한 필요성이 증대하고 있다. 본 논문에서는 원격교육환경에서 수집되는 학습자의 문제패턴에 대하여 상황별 가중치를 부여하여 해당 데이터를 기반의 개별 학습자의 최적 문제추천 경로를 제시하는 방법으로 블록체인 기반 스마트 컨트랙트 기술을 연구하였다. 본 연구의 성능평가를 위하여 기존 유사 학습 환경과의 학습만족도 및 문제추천가이드의 유용성과 학습자 데이터 처리속도를 분석하였으며 본 연구를 통하여 15% 이상 학습 만족도 향상과 기존 학습 환경 대비 20% 이상의 학습데이터 처리속도향상을 확인하였다.

For a efficient distance education environment, the need for correct problem recommendation guides considering the learner's exact learning pattern is increasing. In this paper, we study block chain based smart contract technology to suggest a method for presenting the optimal problem recommendation path for individual learners based on the data given by situational weights to the problem patterns of learners collected in the distance education environment. For the performance evaluation of this study, the learning satisfaction with the existing similar learning environment, the usefulness of the problem recommendation guide, and the learner data processing speed were analyzed. Through this study, it was confirmed that the learning satisfaction improved by more than 15% and the learning data processing speed was improved by more than 20% compared to the existing learning environment.