Earticle

본 연구는 실시간으로 원격제어가 가능한 무인소방 시스템을 제안한다. 안전지대에 위치한 조종자가 화재현장에 투입된 무인 소방대차를 무선통신으로 원격조종함으로서 재난 및 긴급 상황에 신속하고 안전한 방재 작업을 진행할 수 있다. 이를 위하여, 소화전에 연결되어 고압으로 살수 작업이 가능한 무인 소방트럭에 대하여 제안하고, 이를 시제품으로 개발 하였다. 또한 LTE통신 상황에서 서로 다른 영상형식에 따른 시간지연과 FPS를 정량화하여, 효과적인 실시간 원격 조종 시스템에 대하여 제안하였다. 제안된 시스템의 검증을 위하여, 안전지대의 조종자와 무인소방대차를 3km 떨어진 곳에 위치시키고 주행테스트를 진행하였다. 무인소방대차를 LTE통신을 통하여 접속하고, 영상과 모션을 조종자에게 전 달하여 평균 120msec의 시간지연으로 주행 테스트한 실험 결과를 제시한다.

In this research, we suggest a real-time tele-driving system for unmanned fire truck control using the LTE communication system. The operator located in the safe area could drive the unmaned fire truck by implementing the secure tele-operation in case of the emergencies and disaster situation. A prototype of the unmaned fire truck was developed with a fire canon, a high pressure pump, a ball valve and a horse reel. The effect of time delay and FPS was quantified depending on the image sizes and the effective system for realtime tele-operation was suggested. To verify the suggested system, the test was performed between an operator and an unmanned fire truck which is approximately 30km apart. In this research, the immersion tele-driving system is suggested for real-time fire suppression with a 120ms time delay using LTE communication.

본 논문은 AWS IoT 서비스 및 MQTT 기반 스마트 홈 시스템의 구현 사례를 소개한다. 본 연구에서 구현한 스마트 홈 시스템은 온도와 습도를 모니터링 할 수 있고 그에 따라 에어컨 난방 등을 수동 혹은 자동으로 온도 조절이 가능하며 카메라로 방문자를 확인하고 도어록을 원격으로 제어 할 수 있다. 구현된 스마트홈 시스템은 아두이노를 이용 하여 도어록, 난방, 전등 및 에어컨을 제어하며 수집된 데이터와 제어정보는 AWS IoT 서비스를 이용하여 관리한다. 본 연구에서는 사용자가 원격에서 IoT 기기들을 제어할 수 있도록 안드로이드 앱을 개발하였으며, 앱과 AWS IoT 서버 및 아두이노 사이의 데이터 통신 및 제어를 위해 MQTT 프로토콜을 이용하였다. 또한 센서 및 기기들을 추가할 수 있도 록 확장성을 갖는 AWS IoT 서비스 기반으로 구현되었다.

This paper introduces the implementation of the AWS IoT service and MQTT based smart home system. The smart home system implemented in this study can monitor temperature and humidity, and can manually adjust the air conditioner heating, and can check the visitors with the camera and remotely control the door lock. The implemented smart home system controls door locks, heating and air conditioners using Arduino, and manages the collected data and control information using the AWS IoT service. In this study, the Android app has been developed to allow users to control IoT devices remotely, and the MQTT protocol was used for data communication and control between the app and the AWS IoT server and Arduino. The implemented smart home system has been implemented based on AWS IoT service, which has scalability to add sensors and devices.

겨울철 도로에서 발생하는 안개 및 결빙구간 교통사고 사망률의 경우는 도로조건 및 기상조건이 매우 중요한 요소 이다. 본 논문에서는 교통사고 예측 데이터를 가정하고 교통사고 위험율을 에측 하는 모의실험을 수행하였다. 그뿐 만 아니라, 본 논문에서는 교통사고를 줄이고 교통사고를 예방하기 위해서, 교통공단에서 제공하는 교통사고 사망자 데 이터를 WEKA 데이터 마이닝 기법 및 TENSOR FLOW 공개 소스를 이용해서 요인 분석 및 교통사고 치사율 사망을 예측하였다. 추가적인 기능으로는 지도 표시 기능을 이용해서, 운전자가 WEB 기반에서, 안개 및 결빙구간 정보를 운전 자에게 제공하는 모의실험 및 교통사고 사진을 실시간으로 전송하는 모의실험 결과를 설명하였다.

Road conditions and weather conditions are very important factors in the case of traffic accident fatalities in fog and ice sections that occur on roads in winter. In this paper, a simulation was performed to estimate the traffic accident risk rate assuming traffic accident prediction data. In addition, in this paper, in order to reduce traffic accidents and prevent traffic accidents, factor analysis and traffic accident fatality rates were predicted using the WEKA data mining technique and TENSOR FLOW open source data on traffic accident fatalities provided by the Korea Transportation Corporation.

본 논문에서는 소형 추적 레이더에 적용 가능한 서보의 설계, 제작, 시험에 대해 기술하였다. 우선 1장에서는 본 연구의 필요성에 대해 기술하였다. 2장에서는 향후 소형 유도무기용 추적 레이다에 적용 가능한 서보 개발에 대해 기술하였다. 3장에서는 브러쉬 직류전동기, 브러쉬리스 직류 전동기, 영구 자석 동기 전동기의 전류 제어를 위한 설계 및 시험 결과를 대해 기술하였다. 그리고 4장에서는 시험 휠의 속도 제어를 위한 설계 및 시험 결과를 기술하였다. 그리고 5장에서는 앞선 시험들의 결과를 정리하였다. 본 논문에서는 보안상의 이유로 일부 그림을 의도적으로 흐림 (blur) 처리 하였으며, 개발된 짐벌과의 시험이 아니라 별도의 시험 휠의 제어 결과를 기술하였다.

This paper describes the design, manufacture, and testing of servos applicable to small tracking radars. First, Chapter 1 describes the necessity of this study. Chapter 2 describes the development of servos applicable to future tracking radars in small missile systems. Chapter 3 describes the design and test results for current control of brushed DC motors, brushless DC motors, and permanent magnet synchronous motors. And Chapter 4 describes the design and test results for speed control of the test wheel. And in Chapter 5, the results of the previous tests are summarized. In this paper, some pictures were intentionally blurred for security reasons, and the control result of test wheel was described, not the test with the developed gimbals.

본 논문에서는 (초)소형 위성에 탑재할 수 있는 영상레이다용 Backend 유닛의 제작 및 시험 결과를 제시한다. 영상레이다용 Backend 유닛은 (초)소형 위성 탑재를 목적으로 제어/저장보드, 송수신보드 및 전원보드를 하나의 박스 유닛으로 설계하였다. 제어/저장보드는 RFSoC를 이용하여 광대역 신호의 생성, 운용 타이밍 생성 및 영상레이다 운용 을 위한 제어 및 연산을 수행하고, 자체적으로 저장기를 보유할 수 있도록 설계하였다. 송수신보드는 제어보드에서 생성 되는 광대역 신호를 주파수 상향변환을 통해서 X-대역 운용주파수로 변환할 수 있도록 설계하였다. (초)소형 위성은 소 형/경량/저비용이 중요한 고려요소 이므로 MIL, Industrial 등급의 부품을 적절히 적용하고 동시에 방사선 시험, 해석 및 우주환경 시험을 통해서 임무 수명을 보장할 수 있도록 설계 하였다.

In this paper, we present the design, manufacture and test results of Backend unit for SAR(Synthetic Aperture Radar) that can be applied on a small satellite. The Backend unit for SAR was designed with a control/storage board, TRX(transmission and receiving) board and a power supply board as a single unit in consideration of the applying of a small satellite. The control/storage board uses RFSoC to generate wideband chirp signal, generate operating timings, and perform control and calculations for SAR operation. The TRX board is designed to convert the wideband chirp signal generated by the control/storage board to the operating frequency of X-band by up-converting the frequency. Since small size, light weight, and low cost are important consideration for small satellite, MIL/Industrial grade components were appropriately applied and the at the same time it was designed to ensure mission life through the radiation test, analysis and space environment tests.

최근 5G등 이동통신 기술의 발전과 더불어 고대역 및 사용자 친화적 사용자 인터페이스(user interface) 기반의 오실로스코프 기술에 대한 관심이 증가하고 있다. 본 논문에서는 13GHz 대역의 디지털 계측기 개발과 연계하여 파이썬 기반의 고대역 디지털 계측기를 위한 사용자 인터페이스 SW를 개발하였다. 개발된 디지털 계측기 시스템의 UI SW는 계측기와 일체형으로 실행될 뿐만 아니라 별도의 PC나 노트북에서 실행되면서 계측기와 WiFi 통신을 통해 연동할 수도 있도록 설계되었다. UI SW의 기능은 신호 데이터를 화면에 다양하게 표시하고 분석하는 기능과 외부 저장 장치에 신호 데이터를 저장하는 기능, 시험용 신호 데이터 생성 기능, 툴바 재구성 기능 등으로 구성된다. 그리고 신호 생성기와의 연동 시험을 통해 제안된 디지털 계측기 시스템이 정상적으로 동작함을 보였다.

Recently, with the development of mobile communication technologies such as 5G, interest in oscilloscope technology based on high bandwidth and user-friendly UI is increasing. In this paper, we proposed a Python-based UI(user interface) SW for a high-bandwidth digital oscilloscope in connection with the study of a 13GHz band digital oscilloscope system. The proposed UI SW is designed not only to be executed integrally with the oscilloscope, but also to be run on a separate PC or laptop cooperating with the instrument through WiFi communication. Functions of the UI SW consists of displaying and analyzing signal data, storing signal data in an external storage device, generating test signal data, and reconfiguring the toolbar. Finally, we have shown that the proposed digital oscilloscope system operates normally by interworking test with the signal generator.

FMCW레이다는 일반 차량의 충돌방지용도 뿐만 아니라 자율주행시스템에서 활발히 센서로서 사용이 되고 있다. 본 논문에서는 자율주행센서로서 개발한 2-chip 기반의 FMCW MIMO(Multi Input Multi Output) 레이다 설계 및 구현에 대해서 설명하였다. 사용 칩을 이용하여 48채널의 가상배열을 이용하여 방위각 해상도가 우수하게 설계하였으 며, 특히 Frame 기반과 Chirp 기반의 파형발생 및 신호처리를 혼합하여 최대탐지 가능 속도와 속도 보상에 대해 강점 을 보유할 수 있도록 제작하였으며, 구현된 시스템은 실험실 내 시험과 실제 주행시험을 통하여 성능 및 상용화 가능성 에 대한 분석을 진행하였다.

FMCW(Frequency Modulated Continuous Wave) Radar is very useful for vehicle collision warning system and autonomous driving sensor. In this paper, the design and implementation of FMCW radar based on two chip MMIC developed as an autonomous driving sensor was described. Especially, generation of frame-based and chirp-based waveform generation and signal processing are mixed to have the strength of maximum detection speed and compensation of speed. This implemented system was analyzed for performance and commercialization potential through lab. test and driving test in K-city.

산업화의 발전으로 음식물 및 쓰레기 배출량이 급격히 증가하고 있다. 이에 정부도 심각성을 인지하고 이를 줄이 고자 다방면으로 노력을 하고 있다. 그 일환으로 음식물 종량제을 도입을 하였고 도입 초기 여러 시행착오가 있었지만 20 ~ 30%의 감량 효과를 보여주고 있다. 이러한 실적은 음식물 종량제가 정착이 되고 있음을 암시하고 있다.하지만 1차 수거에서 2차 수거과정을 통해 집하장으로 모여서 자원 순환을 과정에서 이물질로 인한 폐해가 발생하고 있다. 이에 본 연구에서는 이러한 문제점을 근본적으로 해결하고자 인공지능을 적용하여 개선하고자 한다. 음식물쓰레기 특성상 많 은 이미지를 구하는데는 한계가 있어 CNN을 기반으로 한 여러 모델을 비교하여 이를 이상 데이터 분류 즉, CNN 기반 모델들에 여러 유형의 이물질에 대한 학습을 시킨 후 그 중 정확도가 놓은 모델을 적용하여 설비 보호와 이물질 구분을 위해 투입되는 인력 등 유지보수에 대한 개선책을 마련하고자 한다.

With the development of industrialization, the amount of food and waste is rapidly increasing. Accordingly, the government is aware of the seriousness and is making efforts in various ways to reduce it. As a part of that, the volume-based food system was introduced, and although there were several trials and errors at the beginning of the introduction, it shows a reduction effect of 20 to 30%. These results suggest that the volume-based food system is being established. However, the waste is caused by foreign substances in the process of recycling resources by collecting them from the 1st collection to the 2nd collection process. Therefore, in this study, to solve these problems fundamentally, artificial intelligence is applied to classify foreign substances and improve them. Due to the nature of food waste, there is a limit to obtaining many images, so we compare several models based on CNNs and classify them as abnormal data, that is, CNN-based models are trained on various types of foreign substances, and then models with high accuracy are selected. We intend to prepare improvement measures for maintenance, such as manpower input to protect equipment and classify foreign substances by applying it.

최근 상변화메모리와 같은 고속 스토리지 매체의 출현으로 느린 디스크 스토리지에 적합하게 설계된 메모리 관리 기법에 대한 재고가 필요한 시점에 이르렀다. 본 논문에서는 상변화메모리를 가상메모리의 스왑장치로 이용하는 시스템을 위한 새로운 페이지 교체 정책을 제안한다. 제안하는 방식은 페이지 교체 정책이 전통적으로 추구하던 페이지 폴트 횟수 절감뿐 아니라 스왑 장치에 발생하는 쓰기량 절감을 동시에 추구한다. 이는 상변화메모리의 쓰기 연산이 느리 고 쓰기 횟수에 제한이 있다는 점에 착안한 것이다. 구체적으로 살펴보면 메모리 부하가 높은 경우 페이지 폴트를 줄이 는 데에 초점을 맞추고 메모리 공간에 여유가 있을 경우 스토리지 쓰기량을 줄이는 적응적인 방식을 채택한다. 이를 통해 제안하는 정책이 메모리 시스템의 성능을 저하시키지 않으면서 스토리지 쓰기량을 크게 절감함을 다양한 워크로드 의 메모리 참조 트레이스를 재현하는 시뮬레이션 실험을 통해 보인다.

Recently, fast storage media such as phage-change memory (PCM) emerge, and memory management policies for slow disk storage need to be revisited. In this paper, we propose a new page replacement policy that makes use of PCM as a swap device of virtual memory systems. The proposed policy aims at reducing write traffic to the swap device as well as reducing the number of page faults pursued by traditional page replacement policies. This is because a write operation in PCM is slow and PCM has limited write endurances. Specifically, the proposed policy focuses on the reduction of page faults when the memory load of the system is high, but it aims at reducing write traffic to storage when free memory space is sufficient. Simulation experiments with various memory reference traces show that the proposed policy reduces write traffic to PCM without performance degradations.

현재 대한민국의 서울특별시를 기준으로 응급실은 총 68개가 있으며, 응급실의 위치를 조회할 수 있는 포털 사이트가 존재하지만, 구와 자치동을 선택하는 방법으로 구성되어 실제 응급 상황에서는 활용하기가 어렵다. 또한, 119 구조대를 요청하고, 기다리는 상황에서 생존에 필요한 골든타임을 놓칠 수 있기 때문에 직접 응급실로 이동하는 방안이 더 효율적일 수도 있다. 따라서 본 논문에서는 MongoDB에서 지원되는 다양한 기능을 통해 특정 위치를 기준으로 빠르 게 응급실의 위치를 조회할 수 있는 서비스를 제안한다. 서울특별시를 기준으로 응급실 위치 데이터를 다운로드하고, MongoDB에 저장한 후 다양한 처리 기술을 통해 데이터를 처리하고, 공간 인덱스를 적용하여 특정 위치에서 거리를 기준으로 응급실을 실시간으로 조회할 수 있다.

Currently, there are a total of 68 emergency rooms based on Seoul, South Korea, and there is a portal site that allows you to inquire the location of the emergency room, but it is difficult to use in an actual emergency situation because it consists of selecting a gu and a self-governing dong. In addition, it may be more efficient to go to the emergency room directly because you may miss the golden time necessary for survival in a situation where you call 119 and wait for the rescue team. Therefore, in this paper, we propose a service that can quickly search the location of the emergency room based on a specific location through various functions supported by MongoDB. After downloading emergency room location data based on Seoul Metropolitan City, storing it in MongoDB, processing the data through various processing techniques, and applying a spatial index, you can query the emergency room based on distance from a specific location in real time.

2019년 윤창호법을 통해 음주 운전 법 개정 후에도 전체 음주 사고 운전자 중 재범 점유율은 2021년 4.7%로 나타나 2018년 대비 0.5% 증가했다. 거기다 음주 운전은 알코올의 중독성으로 인해 쉽게 끊지 못하고, 다시 운전하는 경우가 많아 사고의 재범 확률이 매우 높다. 따라서 본 논문에서는 이를 방지하고자 알코올을 수동으로 경찰관이 측정하 는 방법이 아닌 자체적인 센서를 이용하여 알코올이 측정되면, 자동차의 시동이 멈추게 되고, 현재 위치와 시간과 같은 관련 데이터들을 자동으로 저장한다. 직접 자동차에 개발을 할 수 없으므로 시뮬레이션 환경을 고려하여 본 시스템은 IoT 환경을 기반으로 아두이노 보드와 Firebase, GPS 등 다양한 기술과 센서를 융합하여 개발되었다.

Even after the drunk driving law was revised through the Yoon Chang-ho Act in 2019, the proportion of habitual offenders among all drunk drivers in 2021 was 4.7%, up 0.5% from 2018. In addition, drunk driving is not easily stopped due to the addiction of alcohol, and there is a high probability of recidivism in accidents as it is often driven again. Therefore, in this paper, to prevent this, when alcohol is measured using its own sensor rather than a manual police measure, the vehicle stops and related data such as the current location and time are automatically saved. Since it is not possible to develop directly on the car, this system was developed by converging various technologies and sensors such as Arduino board, Firebase, and GPS based on the IoT environment in consideration of the simulation environment.

주차 공간의 부족함을 획기적으로 해결할 수 있는 자율주행 자동차는 심층 강화 학습을 통해 큰 발전을 이루고 있다. 심층 강화 학습에는 활성화 함수가 사용되는데, 그동안 다양한 활성화 함수가 제안되어 왔으나 적용 환경에 따라 그 성능 편차가 심했다. 따라서 환경에 따라 최적의 활성화 함수를 찾는 것이 효과적인 학습을 위해 중요하다. 본 논문은 자율주행 자동차가 주차를 학습하기 위해 심층 강화 학습을 사용할 때 어떤 활성화 함수를 사용하는 것이 가장 효과적인 지 비교 평가하기 위해 강화 학습에 주로 사용되는 12개의 함수를 분석하였다. 이를 위해 성능 평가 환경을 구축하고 각 활성화 함수의 평균 보상을 성공률, 에피소드 길이, 자동차 속도와 비교하였다. 그 결과 가장 높은 보상은 GELU를 사용한 경우였고, ELU는 가장 낮았다. 두 활성화 함수의 보상 차이는 35.2%였다.

Autonomous vehicles, which can dramatically solve the lack of parking spaces, are making great progress through deep reinforcement learning. Activation functions are used for deep reinforcement learning, and various activation functions have been proposed, but their performance deviations were large depending on the application environment. Therefore, finding the optimal activation function depending on the environment is important for effective learning. This paper analyzes 12 functions mainly used in reinforcement learning to compare and evaluate which activation function is most effective when autonomous vehicles use deep reinforcement learning to learn parking. To this end, a performance evaluation environment was established, and the average reward of each activation function was compared with the success rate, episode length, and vehicle speed. As a result, the highest reward was the case of using GELU, and the ELU was the lowest. The reward difference between the two activation functions was 35.2%.

최근 정보통신기술의 발전에 따라 사물인터넷 기술이 비약적으로 발전하고 있다. IoT 기술은 다양한 센서들을 활용하여 각 센서의 고유한 데이터를 발생시켜 시스템 상태의 진단을 가능하도록 한다. 하지만, 현재 적용되고 있는 장비 운용 시스템은 장비에 문제가 발생한 후 관리자가 해당 문제를 처리해야하는 사후보전 방식의 개념이며, 이는 시스템의 에러로 인한 시스템의 신뢰성 및 가용성 문제점을 의미할 수 있으며, 정비를 위한 시스템 중단으로 생산성에 부정적 영향으로 인한 경제적 손실을 초래할 수 있다. 따라서, 본 연구에서는 지능형 IoT(AIoT) 기술을 적용하여 공장 내 정류 기를 보다 효율적으로 운용하기 위한 엣지 컨트롤러 제어 의사 결정 알고리즘과, 정류기 부품별 고장 상황 정보에 대한 도메인 지식 기반의 모델링을 작성하여, 이를 바탕으로 수집된 각 센서 데이터에 대한 상관관계 분석을 통해 시나리오 별 Abnormal 데이터에 대하여 적정 수준의 상태 메시지를 출력함을 확인할 수 있었으며, 이를 통한 기존 현장의 장비 운용 시스템의 가용성과 생산성이 향상됨을 확인하였다.

Internet of Things technology is rapidly developing due to the recent development of information and communication technology. IoT technology utilizes various sensors to generate unique data from each sensor, enabling diagnosis of system status. However, the equipment management system currently in effect is a post-preservation concept in which administrators must deal with the problem after the problem occurs, which could mean system reliability and availability problems due to system errors, and could result in economic losses due to negative productivity disruptions. Therefore, this study confirmed that edge controller control decision algorithms for more efficient operation of rectifiers in the factory by applying intelligent IoT (AIoT) technology and domain knowledge-based modeling for each sensor data collected based on this, outputting appropriate status messages for each scenario.

사이클 검출 문제에 대해, 단일 출발(SS)을 갖는 단일 연결 리스트(SLL)에 한해 O(n) 복잡도의 거북이와 토끼 경주법(HTA)이 제안되었으며, 다중 출발지-다중 종착지, 다중 분기(MSMDMB)를 갖는 일반 그래프에 대해서는 빠른 방법이 알려져 있지 않고 있다. 본 논문에서는 MSMDMB를 갖는 주어진 무 방향과 방향 그래프의 최대 사이클을 선형시 간 복잡도로 검출할 수 있는 방법을 제안하였다. 제안된 방법은 주어진 원 그래프 G 에는 사이클 형성 조건을 충족시키지 못하는 다수의 정점(또는 노드)가 존재한다는 사실에 기반하여 이들 정점(또는 노드)들을 제거한 축소된 그래프 G′를 얻었다. 이 축소된 그래프에 대해 선형시간 복잡도인 선형탐색으로 사이클 집합 C와 사이클 길이 λ를 찾았다. 제안된 알고리즘을 실험 데이터에 적용한 결과 모든 데이터들에 대해 최대 사이클을 찾을 수 있음을 보였다.

There is hare and tortoise racing algorithm(HTA) for single-source(SS) singly linked list(SLL) with O(n) time complexity. But the fast method is unknown for general graph with multi-source, multi-destination, and multi-branch(MSMDMB). This paper suggests linear time cycle detection algorithm for given undirected and digraph with MSMDMB. The proposed method reduced the given graph  contained with unnecessary vertices(or nodes) to cycle into reduced graph G′ with only necessary vertices(or nodes) to cycle based on the condition of cycle formation. For the reduced graph G′, we can be find the cycle set C and cycle length λ using linear search within linear time. As a result of experiment data, the proposed algorithm can be obtained the cycle for whole data.

본 논문은 주기억장치의 사용자 공간이 컴파일 시간에 가변적 크기의 블록들로 분할된 상태에서, 준비상태 큐에 도착한 다중 프로세서들을 적절히 블록에 할당하는 문제를 다루었다. 기존의 할당법인 최초적합, 최적합, 최악적합과 다음 적합 방법들은 준비상태 큐에 도착한 모든 프로세서들을 할당하지 못해 특정 프로세서는 대기상태가 되는 단점을 갖고 있었다. 본 논문에서 제안된 알고리즘은 분할된 블록(홀)의 크기와 준비상태 큐에 있는 프로세서 크기를 내림차순으 로 정렬하여 가장 큰 크기의 블록에 가능한 많은 프로세서들을 할당하는 단순한 블록 채우기 알고리즘이다. 제안된 알고 리즘을 9개의 벤치마킹 실험 데이터에 적용한 결과 분할 오류로 인해 대기상태 프로세서가 발생하는 1개 데이터를 제외 한 8개 데이터 모두에 대해 최소의 내부 단편(IF)을 가지면서도 모든 프로세서들을 할당하는 성능을 보였다.

This paper deals with the problem of appropriately allocating multiple processors arriving at the ready queue to the block in the user space of the main memory is divided into blocks of variable size at compilation time. The existing allocation methods, first fit(FF), best fit(BF), worst fit(WF), and next fit(NF) methods, had the disadvantage of waiting for a specific processor because they failed to allocate all processors arriving at the ready queue. The proposed algorithm in this paper is a simple block packing algorithm that allocates as many processors as possible to the largest block by sorting the size of the partitioned blocks(holes) and the size of the processor in the ready queue in descending order. The application of the proposed algorithm to nine benchmarking experimental data showed the performance of allocating all processors while having minimal internal fragment(IF) for all eight data except one data in which the weiting processor occurs due to partition errors.

드론과 같은 임베디드 시스템에서 데이터를 서버로 전송해 실시간 분석을 진행함에 있어진행하는 데 초분광 영상 전체를 저장, 전송, 분석하는 데 전력 소모와 시간이 많이 소요되어 어려움이 있다. 그래서 초분광 영상 데이터는 차원 축소 또는 압축 전처리를 통해 서버로 전송하게 된다. 분석에 필요한 밴드만 보내기 위해서는 피처 선택 기법을 사용하는데 이러한 알고리즘은 대게 효율은 높더라도 영상 크기에 따라 처리 시간이 매우 소요가 크다. 본 논문에서는 밴드선택 알고리즘의 시간적인 단점을 개선하여한 기댓값 기반의 알고리즘을 제안한다. 실험 결과 8GB 데이터의 40000*682 해상도 이미지 기준 평균 소요 시간인 24시간을 60~180초 내외로 감소시키고, 150개 밴드 중에 45개를 활용하여 7.6GB 램 사용을 2.3GB로 크게 감소시켰다. 시간은 크게 줄였음에도 픽셀 분류 성능은 기존과 유사하게 98% 이상의 분석 결과를 도출하였다.

In an embedded system such as a drone, it is difficult to store, transfer and analyze the entire hyper-spectral image to a server in real time because it takes a lot of power and time. Therefore, the hyper-spectral image data is transmitted to the server through dimension reduction or compression pre-processing. Feature selection method are used to send only the bands for analysis purpose, and these algorithms usually take a lot of processing time depending on the size of the image, even though the efficiency is high. In this paper, by improving the temporal disadvantage of the band selection algorithm, the time taken 24 hours was reduced to around 60-180 seconds based on the 40000*682 image resolution of 8GB data, and the use of 7.6GB RAM was significantly reduced to 2.3GB using 45 out of 150 bands. However, in terms of pixel classification performance, more than 98% of analysis results were derived similarly to the previous one.

소프트웨어 결함 예측 작업 시 단순히 결함 유무만을 예측하는 이진 분류 모델에 비해 결함의 심각도 범주를 예측하는 다중 분류 모델은 훨씬 유용하게 사용될 수 있다. 소수의 심각도 기반 결함 예측 모델들이 제안되었지만 딥러 닝 기법을 사용한 분류기는 없었다. 본 논문은 3개, 5개의 은닉층을 갖고 은닉층 노드수가 고정된 구조와 변화하는 구조 의 MLP 모델들을 제작하였다. 모델 평가 실험 결과 기존 기계학습 모델들 중 가장 좋은 성능을 보인 MLPs보다 MLP 기반 딥러닝 모델들은 Accuracy와 AUC 모두 유의미하게 더 우수한 성능을 보였다. 특히 노드수 고정 구조에서는 은닉 층수 3, 배치사이즈 32, 노드수 64인 모델 구조가 가장 좋은 성능을 보였다.

In software fault prediction, a multi classification model that predicts the fault severity category of a module can be much more useful than a binary classification model that simply predicts the presence or absence of faults. A small number of severity-based fault prediction models have been proposed, but no classifier using deep learning techniques has been proposed. In this paper, we construct MLP models with 3 or 5 hidden layers, and they have a structure with a fixed or variable number of hidden layer nodes. As a result of the model evaluation experiment, MLP-based deep learning models shows significantly better performance in both Accuracy and AUC than MLPs, which showed the best performance among models that did not use deep learning. In particular, the model structure with 3 hidden layers, 32 batch size, and 64 nodes shows the best performance.

스마트 미러는 거울에 디스플레이와 임베디드 컴퓨터를 부착하여 거울 기능과 함께 사용자에게 다양한 정보를 제공해주는 IoT 장치이다. 본 논문은 스마트 미러가 사용자에게 정보를 제공하는 독립형 장치(stand alone device)라 는 개념에서 벗어나 스마트 미러들이 연결되는 네트워크를 구성하고 사용자들이 다른 스마트 미러 사용자들과 대화하고 정보를 공유하는 CoMirror 시스템을 제안하고 구현하였다. CoMirror 시스템은 1개의 CoMirror 서버를 중심으로 여 러 CoMirror 클라이언트들이 연결되는 구조이다. CoMirror 클라이언트는 라즈베리파이와 미러 필름, 터치 패드, 디스 플레이 장치, 웹 카메라 등으로 구성되며, 서버에는 얼굴 학습과 인식, 사용자 관리, 클라이언트들 사이의 메시지 교환을 위한 중계 역할, 화상 통화 연결 설정 등의 기능이 구현되었다. 사용자들은 서버를 경유하여 다른 CoMirror 사용자들과 텍스트, 이미지, 오디오 등의 메시지를 주고받을 뿐 아니라, 1:1 화상 통화를 할 수 있도록 구현되었다.

Smart mirror is an IoT device that attaches a display and an embedded computer to the mirror and provides various information to the useer along with the mirror function. This paper went beyond the form of dealing with smart mirrors only stand alone device the provide information to users, and constructed a network in which smart mirrors are connected, and proposed and implemented a CoMirror system that allows users to talk and share information with other smart mirror users. The CoMirror system has a structure in which several CoMirror clients are connected on one CoMirror server. The CoMirror client consists of Raspberry Pi, a mirror film, a touch pad, a display device, an web camera, etc. The server has functions such as face learning and recognition, user management, a relay role for exchanging messages between clients, and setting up for video call. Users can communicate with other CoMirror users via the server, such as text, image, and audio messages, as well as 1:1 video call.

본 논문에서는 10 W급 전력증폭 GaN　MMIC(Microwave Monolithic Integrated Circuit)를 16개 전력 결합 하여 100 W급 Ka대역 SSPA(Soild State Power Amplifier)를 개발하였다. 개발된 SSPA를 하나의 안테나를 이용하여 송수신을 하는 Ka 대역 소형 레이다에 적용을 위해 수신 구간에 MMIC 게이트 전원을 제어하여 SSPA 잡음이 수신기에 미치는 영향을 최소화 하였다. 또한 근접한 표적의 큰 수신신호에 의해 수신기가 포화되는 것을 막기 위해 SSPA의 출력 전력을 약 20 dB 감소시키는 기능을 추가하였다. 개발된 SSPA는 10%, 40% 듀티비의 펄스 조건에서 각각 52.4 dBm, 51.6 dBm 이상의 첨두전력을 출력하였으며, 이때 전력효율은 각각 19.2%, 15.8% 이상이다.

In this paper, a 100 W SSPA in Ka-band was developed by combining 16 GaN MMICs which were 10 W amplifiers, respectively. The gate voltage of SSPA was controlled to minimize the effect of SSPA noise on the receiver during the receiving time. And the transmit power could be reduced about 20 dB to prevent the receiver from being saturated by a large signal from a nearby target. At 10%, 40% duty rato, the peak power and the power efficiency at center frequency were measured 52.4 dBm, 19.2%, and 51.6 dBm, 16.6% respectively.

지자기를 측정하여 방위각을 추정하는 방법은 매우 오래전부터 사용되어 왔다. 그러나 실내외의 금속 구조물 때문에 지자기에 외란이 발생하여 추정된 방위각에 오차가 발생하는 경우가 많다. 이를 보정하기 위한 연구가 많이 진행 되어 왔지만 오차를 줄이는데 한계가 있다. 본 논문에서는 측정된 지자기 센서 값을 LSTM 구조의 신경망에 적용하여 방위각을 추정하는 방법을 제안한다. 신경망을 학습시키기 위해서는 데이터의 사전 처리가 매우 중요하며, 본 논문에서 는 스마트폰에 내장된 가속도 센서와 자이로 센서, 지자기 센서를 이용하여 데이터를 수집하고, EKF를 사용하여 지자기 센서 값을 균등하게 샘플링하는 방법으로 학습 데이터를 생성하였다. 4개의 은닉층을 사용하여 평균 방위각 추정 오차가 0.9도인 결과를 얻었다.

The method of estimating the azimuth by measuring the geomagnetism has been used for a very long time. However, there are many cases where an error occurs in the estimated azimuth due to disturbances in the earth's magnetic field due to metal structures inside and outside the room. Although many studies have been conducted to correct this, there is a limit to reducing the error. In this paper, we propose a method of estimating the azimuth by applying the measured geomagnetic sensor data to the neural network of the LSTM structure. Data preprocessing is very important for learning a neural network. In this paper, data is collected using the built-in acceleration sensor, gyro sensor, and geomagnetic sensor in the smartphone, and the geomagnetic sensor data is uniformly sampled using EKF. As a result, an average azimuth estimation error of 0.9 degrees was obtained using four hidden layers.

이동하는 스마트폰이나 로봇의 단안 카메라를 이용하여 연속적으로 촬영된 이미지들을 분석하여 카메라의 위치 를 추정하는 것은 메타버스나 이동 로봇, 사용자 위치 서비스에서 매우 중요하다. 지금까지는 PnP 관련 기술들을 적용하 여 위치를 계산하였는데, 본 논문에서는 연속된 영상들에 적용된 에피폴라 기하학에서의 필수 행렬을 이용하여 카메라의 이동 방향을 구하고 기하학적인 수식 계산을 통해 카메라의 연속적인 이동 위치를 추정하는 방법을 새롭게 제안하였고, 시뮬레이션을 통해 그 정확성을 검증하였다. 이 방식은 기존의 방식과는 전혀 다른 방법으로 두 개 이상의 영상에서 하나 이상의 일치되는 특징점만 있어도 적용할 수 있는 특징이 있다.

It is very important for metaverse, mobile robot, and user location services to analyze the images continuously taken using a mobile smartphone or robot's monocular camera to estimate the camera's location. So far, PnP-related techniques have been applied to calculate the position. In this paper, the camera's moving direction is obtained using the essential matrix in the epipolar geometry applied to successive images, and the camera's continuous moving position is calculated through geometrical equations. A new estimation method was proposed, and its accuracy was verified through simulation. This method is completely different from the existing method and has a feature that it can be applied even if there is only one or more matching feature points in two or more images.

GaN 소자는 고출력 및 고선형성 특성을 가지므로 레이더 수신기에서 저잡음 증폭기로 활용되어 리미터 없이 구현될 수 있으며, 이로 인해 잡음지수를 개선하고 면적을 줄일 수 있다. 본 논문에서는 Ka-대역 레이더용 수신기에 적용하기 위한 GaN 저잡음 증폭기를 기술하였다. 설계된 저잡음 증폭기는 150-nm GaN HEMT 공정으로 제작되었으 며, 목표주파수 내에서 패키징 손실을 포함하여 >23 dB 이득, <6.5 dB의 잡음지수 특성을 보였다. 고입력 부하시험시 이득 및 잡음 저하가 있었으나, 반복시험시 추가적인 성능저하는 나타나지 않았다. 부하시험 후 잡음지수 및 S-파라미터 측정을 통해 GaN 저잡음 증폭기에서 ∼40 dBm 펄스 입력 전력을 견딜 수 있음을 확인하였다.

Due to high power capabilities and high linearity of GaN devices, GaN Low-Noise Amplifiers (LNAs) without a limiter can be implemented in order to improve noise figure and reduce chip area in radar receivers. In this paper, a GaN LNA is presented for Ka-band radar receivers. The designed LNA was realized in a 150-nm GaN HEMT process and measurement results show that the voltage gain of >23 dB and the noise figure of <6.5 dB including packaging loss in the target frequency range. Under the high-power stress test, measured gain and noise figure of the GaN LNA is degraded after the first stress test, but no more degradation is observed under multiple stress tests. Through post-stress noise and s-parameter measurements, we verified that the GaN LNA is resilient to pulsed input power of ∼40 dBm.

코로나-19의 전염을 피하기 위해 전세계적으로 실외 활동이 줄어지고 집에서 생활하는 시간이 길어지고 있다. 그 결과 신체 활동이 저하되면서 지루함과 불안감 및 면역저하를 호소하는 사람들이 늘고 있다. 실내 생활이 장기화하면 서 집에서 할 수 있는 다양한 방식의 홈 트레이닝이 활성화되고 있다. 본 논문에서는 언택트 시대에 생긴 코로나 블루(지 루함 및 사회적 불안감)가 홈 트레이닝 앱의 사용을 통해 삶의 질에 어떠한 영향을 미치는지 연구하였다. 중국 설문조사 전문 사이트를 사용하여 중국인을 대상으로 설문지를 수집하였으며, 최종적으로 383개의 적정 자료를 SPSS24.0와 AMOS 24.0를 이용하여 분석하였다. 연구결과에 의하면, 홈 트레이닝을 실제 사용한 경험이 삶의 질에 긍정적 영향을 미쳤고, 언택트 시대에 대한 사용자가 지각하는 사회적 불안감이 높을수록 홈 트레이닝 앱에 대한 상호작용성과 운동만 족도가 높은것으로 나타났다. 홈 트레이닝 앱은 소비자의 지루하다는 심리를 해소하는 결과를 넘어서 보다 긍정적인 효 과인 운동만족 및 삶의 질을 높일 수 있기에, 다양한 디지털 서비스의 통로로 활용될 수 있을 것이다.

In order to avoid the spread of Covid-19, outdoor activities are decreasing worldwide and the time spent at home is increasing. As physical activity declines, the number of people who feel bored, restless and immune deficient is increasing. As indoor life becomes more permanent, multiple approaches to home workout are becoming active. This paper examines how the Covid blue (boredom and social anxiety) produced in the no-touch era affects quality of life through the use of home training applications. Questionnaires were collected from Chinese people using a website dedicated to Chinese questionnaires, and finally 383 appropriate data were analyzed using SPSS24.0 and AMOS24.0. The research results showed that the actual experience of using home workout had a positive impact on quality of life. The higher the user's sense of social unease about being late in the untact，It was found that the higher the social anxiety perceived by users about the untact era, the higher the interactivity and exercise satisfaction with the home workout app. Home workout application can improve exercise satisfaction and quality of life, which are more positive effects beyond the result of resolving consumers' boredom. Therefore, it can be used as a channel for digital services.

사람의 심박수는 운동 강도 측정의 기준으로 사용되는 중요한 지표이다. 만약 심박수를 예측한다면 운동 중 운동 강도를 미리 조절하여 효율적으로 운동할 수 있다. 본 논문에서는 FitRec 기반 달리기 운동을 수행하는 사용자의 심박수 를 예측하는 모델을 제안한다. 학습을 위해 Endomondo의 데이터를 사용하여 예측 모델에 적용한다. 성능 비교를 위해 시계열 데이터 처리 알고리즘 LSTM(long short term memory)과 GRU(gated recurrent unit)를 사용하였다. FitRec에 유산소 운동 중 달리기 데이터만 학습한 결과 여러 유산소 운동 데이터를 모두 학습한 모델보다 MAE(mean absolute error)와 RMSE(root mean squared error) 둘 다 성능이 향상됨을 확인하였다.

Human heart rate can be used to measure exercise intensity as an important indicator. If heart rate can be predicted, exercise can be performed more efficiently by regulating the intensity of exercise in advance. In this paper, a FitRec-based prediction model is proposed for estimating running heart rate for users. Endomondo data is utilized for training the proposed prediction model. The processing algorithms for time-series data, such as LSTM(long short term memory) and GRU(gated recurrent unit), are employed to compare their performance. On the basis of simulation results, it was demonstrated that the proposed model trained with running exercise performed better than the model trained with several cardiac exercises.

최근, 소셜 네트워크 서비스에서 딥러닝을 활용한 추천시스템이 활발하게 연구되고 있다. 하지만 딥러닝을 이용 한 추천시스템의 경우 콜드스타트 문제와 복잡한 연산으로 인해 늘어난 학습시간이 단점으로 존재한다. 본 논문에서는 사용자의 메타데이터를 활용하여 사용자 맞춤형 운동 루틴 추천 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘은 메타데이터(사용자의 키, 몸무게, 성, 등)를 입력받아 설계된 모델에 적용한다. 본 논문에서 제안한 운동 추천시스템 모델 은 matrix factorization 알고리즘과 multi-layer perceptron을 활용한 neural collaborative filtering(NCF) 알고 리즘을 기반으로 설계된다. 제안된 모델은 사용자 메타데이터와 운동 정보를 입력받아 학습을 진행한다. 학습이 완료된 모델은 특정 운동이 입력되면 사용자에게 추천도를 제공한다. 실험 결과에서 제안하는 운동 추천시스템 모델이 기존 NCF 모델보다 10% 추천 성능 향상과 50% 학습 시간 단축을 보였다.

Recently, a recommendation system using deep learning in social network services has been actively studied. However, in the case of a recommendation system using deep learning, the cold start problem and the increased learning time due to the complex computation exist as the disadvantage. In this paper, the user-tailored exercise routine recommendation algorithm is proposed using the user's metadata. Metadata (the user's height, weight, sex, etc.) set as the input of the model is applied to the designed model in the proposed algorithms. The exercise recommendation system model proposed in this paper is designed based on the neural collaborative filtering (NCF) algorithm using multi-layer perceptron and matrix factorization algorithm. The learning proceeds with proposed model by receiving user metadata and exercise information. The model where learning is completed provides recommendation score to the user when a specific exercise is set as the input of the model. As a result of the experiment, the proposed exercise recommendation system model showed 10% improvement in recommended performance and 50% reduction in learning time compared to the existing NCF model.

최근 4차 산업혁명 시대에 발맞춰 개방하는 공공데이터가 증가함에 따라 농업 공공데이터 또한 증가하고 있다. 현재 농업인 대다수가 친환경 인증과 기본형 공익직접지불사업을 이유로 영농일지를 작성하고 있다. 그러나 바쁜 농가에 고령화된 농촌 사회에서 영농일지를 작성하는 것은 힘든 일이다. 이 때문에 영농일지를 대리 작성하는 일이 일어나고 있다. 그러나 이 경우 친환경 인증과 기본형 공익직접지불사업에서 불이익을 받을 수 있다. 따라서 본 논문은 영농일지를 작성할 때 작물과 날짜를 통해 서버에 저장된 영농일지 데이터를 확인하고 사용자에게 적합한 영농일지 공공데이터를 찾아 자동으로 영농일지를 채움으로써 영농일지를 편리하게 작성하는 시스템을 제안한다.

As public data opened its doors in line with the era of the 4th Industrial Revolution, agricultural public data also increased. Currently, the majority of farmers are writing farming diaries due to eco-friendly certification and basic public interest direct payment projects. However, it is a difficult task for busy farmhouses in the aging agricultural community to write farming diaries. Therefore, there have been cases where farming diaries have been filled out on behalf of the farmhouses. However, one may get disadvantaged in terms of receiving eco-friendly certification and public interest direct payment projects. In succession, this paper proposes a system to conveniently write farming diaries by checking the farming diary data stored in the server via categories of crops and dates and finding farming diary public data suitable for the user to automatically fill out the diary.

오픈 데이터는 많은 경제적 가치를 지닌다. 우리나라 뿐만 아니라 여러 나라에서도 오픈 데이터를 확장하고 활용 하기 위하여 갖은 정책과 노력을 기울이고 있다. 하지만 우리나라는 많은 데이터를 가지고 있음에도 불구하고 이를 잘 활용하지 못하여 효과를 보지 못하고 있어 여러 산업에서 다양한 시도가 필요하다. 그중에 패션 산업에서는 소비자의 단순 변심에 의해 교환, 환불 문제가 가장 많다. 이러한 문제를 해결하기 위해 서비스 제공자에게 더 나은 피드백이 필요 하며 소비자의 요구사항이 반영된 사용자 리뷰와 함께 불만 사항이 개선된 이미지를 보여줌으로써 해결하고자 한다. 본 논문에서는 소비자의 요구사항을 파악하기 위해 온라인 쇼핑몰 사이트에서 사용자 리뷰 분석을 진행하고 K-fashion 데이터의 속성을 활용하여 제품에 대한 속성을 정의한다. 제품에 대한 사용자의 요구를 불만 속성으로 정의하고, 이에 해당하는 속성을 가진 라벨링 데이터를 검색하여 서비스 제공자에게 사용자의 요구사항을 텍스트 데이터나 속성 뿐만 아니라 이미지 또한 제공하여 제품 개선에 도움을 주고자 한다.

Open data has a lot of economic value. Not only Korea, but many other countries are doing their best to make various policies and efforts to expand and utilize open data. However, although Korea has a large amount of data, the data is not utilized effectively. Thus, attempts to utilize those data should be made in various industries. In particular, in the fashion industry, exchange and refund problems are the most common due to unpredictable consumers. Better feedback is necessary for service providers to solve this problem. We want to solve it by showing improved images of dissatisfactions along with user reviews including consumer needs. In this paper, user reviews are analyzed on online shopping mall websites to identify consumer needs, and product attributes are defined by utilizing the attributes of K-fashion data. The users' request is defined as a dissatisfaction attribute, and labeling data with the corresponding attribute is searched. The users' request is provided to the service provider in forms of text data or attributes, as well as an image to help improve the product.