Earticle

오늘날의 스마트폰, PMP, 지능형 가정기기, 자동차 엔진 컨트롤 시스템과 같은 내장형 시스템은 인간의 삶과 일, 놀이 등 살아가는 환경에 대한 전환을 가져오고 있다. 사용자가 요구하는 다양한 서비스들을 지원하기 위해 내장형 시스템 응용들의 복잡성이 증가하고 있으며, 그런 내장형 컴퓨팅 플랫폼에는 시간결정성을 갖는 실시간 운영체제를 사용해야 한다. 실시간 운영체제는 예측가능한 태스크 스케줄링과 메모리 할당 서비스를 제공해야 하지만, 실시간 시스템의 개발자는 메모리 할당 시간의 최악수행시간을 예측하기 어렵기 때문에 동적 메모리 할당 알고리즘 사용을 피한다. 결국 실시간 시스템에서는 예측가능한 최악수행시간을 갖는 시간 결정적인 메모리 할당 알고리즘이 필요하다. 본 논문에서는 다차원 비트맵을 사용한 시간 결정적 메모리 할당 기법을 소개하고, 실험결과를 통해 기존 상용 실시간 운영체제에서 사용되고 있는 메모리 할당 알고리즘과 비교분석하여 본 논문에서 제시하는 메모리 할당 기법이 우수함을 보인다.

In recent years, embedded systems such as Smart phones, Portable Multimedia Player, intelligent appliance, automobile engine control are reshaping the way people live, work, and play. Thereby, services application to guarantee various requirements of users become increasingly sophisticated and complicated, such embedded computing platforms use real-time operating systems(RTOSs) with time determinism. These RTOSs must provide predictable task scheduling and memory allocation services. However, developers of real-time systems avoid using dynamic memory allocation(DMA) algorithms because their worst-case execution time is hard to be bounded. Consequently, it is quite necessary to devise a deterministic DMA algorithm with a bounded worst-case performance. In this paper, we introduce a novel deterministic DMA algorithm for real-time systems using a multi-dimensional bit map method, and give some experimental results to show that it outperforms DMA algorithms of Commercial RTOSs.

DDPG(Deep Deterministic Policy Gradient)알고리즘은 인공신경망과 강화학습을 사용하여 학습하는 알고리즘이다. 최근많은 연구가 이루어지고 있는 강화학습과 관련된 연구 중에서도 DDPG 알고리즘은 오프폴리시로 학습하기 때문에 잘못된 행동이 누적되어 학습에 영향을 미치는 경우를 방지하는 장점이 있다. 본 연구에서는 DDPG 알고리즘을 응용하여 자전거를 자율주행 하도록 제어하는 실험을 진행하였다. 다양한 환경을 설정하여 시뮬레이션을 진행하였고 실험을 통해서 사용된 방법이시뮬레이션 상에서 안정적으로 동작함을 보였다.

The Deep Deterministic Policy Gradient (DDPG) algorithm is an algorithm that learns by using artificial neural network s and reinforcement learning. Among the studies related to reinforcement learning, which has been recently studied, the D DPG algorithm has an advantage of preventing the cases where the wrong actions are accumulated and affecting the learn ing because it is learned by the off-policy. In this study, we experimented to control the bicycle autonomously by applyin g the DDPG algorithm. Simulation was carried out by setting various environments and it was shown that the method us ed in the experiment works stably on the simulation.

경제급전 최적화 문제를 해결하는 결정론적인 알고리즘에 존재하지 않아 지금까지는 비결정론적인 휴리스틱 알고리즘들이 제안되고 있다. 이와 더불어 실시간 급전문제에 대한 연구는 거의 없는 실정이다. 본 논문은 발전정지 개 념을 도입하여 실시간 급전의 최적화 문제를 풀 수 있는 알고리즘을 제안하였다. 제안된 알고리즘은 단위 발전량당 최 대 비용이 소요되는 발전기는 발전을 중지시키는 기준을 적용하였다. 본 논문에서 제안한 발전정지 기준은 발전비용함 수에서 밸브효과에 따른 비선형 절대치 함수를 제외한 2차 함수만을 대상으로 하였다. 경제급전 문제의 시험사례로 빈 번히 활용되고 있는 데이터에 대해 제안된 알고리즘을 적용한 결과 기존 알고리즘들의 해를 크게 감소시킬 수 있었다.

In facing the lack of a deterministic algorithm for economic load dispatch optimization problem, only non-deterministic heuristic algorithms have been suggested. Worse still, there is a near deficiency of research devoted to real-time load dispatch optimization algorithm. In this paper, therefore, I devise a shut-off and swap algorithm to solve real-time load dispatch optimization problem. With this algorithm in place, generators with maximum cost-per-unit generation power are to be shut off. The proposed shut-off criteria use only quadratic function in power generation cost function without valve effect nonlinear absolute function. When applied to the most prevalent economic load dispatch benchmark data, the proposed algorithm is proven to largely reduce the power cost of known algorithms.

경제급전 최적화 문제를 해결하는 결정론적인 알고리즘에 존재하지 않아 지금까지는 비결정론적인 휴리스틱 알고리즘들이 제안되고 있다. 본 논문은 균형과 교환 방법을 도입하여 경제급전의 최적화 문제를 풀 수 있는 알고리즘을 제안하였다. 제안된 알고리즘은 초기치에 대해 성인걸음수와 아기걸음 수별로 발전량을 감소시켜 SIGMA P _{i} =P _{d}로 균형을 맞추고, 이 때 최소 발전비용을 가진 방법을 선택한다. 다음으로 선택된 방법에 대해 성인걸음-아기걸음 교환과 거인걸음 교환 방법으로 최적화한 값을 구하여 최소값 방법을 선택한다. 마지막으로 선택된 방법에 대해 P _{i} ± beta ,`( beta =0.1,`0.01,`0.001.`0.0001)의 교환을 수행하였다. 경제급전 문제의 시험사례로 빈번히 활용되고 있는 3개 데이터에 대해 제안된 알고리즘을 적용한 결과 2개 데이터에서는 성능을 향상시켰으며, 1개 데이터는 기존의 최적해와 동일한 결과를 얻었다. 제안된 알고리즘은 항상 동일한 결과를 얻을 수 있고, 모든 데이터에 적합하므로 경제급전 최적화 알고리즘으로 실제 적용이 가능하다.

In the absence of a deterministic algorithm for economic load dispatch optimization problem (ELDOP), existing algorithms proposed as solutions are inevitably non-deterministic heuristic algorithms. This paper, therefore, proposes a balance-and-swap algorithm to solve an ELDOP. Firstly, it balances the initial value to SIGMA P _{i} =P _{d} by subsequently reducing power generation for each adult-step and baby-step and selects the minimum cost-generating method. Subsequently, it selects afresh the minimum cost-generating method after an optimization of the previously selected value with adult-step baby-step swap and giant-step swap methods. Finally, we perform the P _{i} ± beta ,`( beta =0.1,`0.01,`0.001.`0.0001) swap. When applied to the 3 most prevalently used economic load dispatch problem data, the proposed algorithm has obtained improved results for two and a result identical to the existing one for the rest. This algorithm thus could be applied to ELDOP for it has proven to consistently yield identical results and to be applicable to all types of data.

The sensing matrix has an important influence on the original signal sampling and reconstruction algorithm in the compressed sensing theory. A complete random sensing matrix has the drawbacks of large storage and high complexity in its implementation. In this paper, we propose an interlaced filling algorithm to construct the sensing matrix, which has a quasi-cyclic structure for efficient hardware implementation. The new sensing matrix has small coherence, which provides assurance for the recovery of sparse signal. Meanwhile, some experimental comparison with the other sensing matrix is accomplished. The simulation results demonstrate that the proposed sensing matrix not only obtains better performance but also owns easy hardware implementation.

Binary Exponential Back-off (BEB) scheme is widely adopted in both wire and wireless networks for collision resolution. The BEB suffers from several performance drawbacks including long packet delay and low utilization since it doubles the back-off size after each collision. In addition, operation of the BEB algorithm may lead to the last-come-first-serve result among competing users and the BEB is further unstable for every arrival rate greater than 0 due to its random access property[1,2]. In this paper, we propose a deterministic back-off algorithm to reduce contention interval as much as possible for accessing the channel without collision in the back-off process. Simulation results show that our scheme offers a higher throughput as well as a lower packet transfer delay than the BEB by taking advantage of its lower collision ratio in saturation state.

본 논문에서는 기존의 결정론적 볼츠만 머신의 학습알고리듬을 수정하여 양자화결합을 갖는 볼츠만 머신에도 적용할 수 있는 알고리듬을 제안하였다. 제안한 알고리듬은 2-입력 XOR문제와 3-입력 패리티문제에 적용하여 성능을 분석하였다. 그 결과 하중이 대폭적으로 양자화된 네트워크도 학습이 가능하다는 것은 은닉 뉴런수를 증가시키면 한정된 하중값의 범위로 유지할 수 있다는 것을 보여주었다. 또한 1회에 갱신하는 하중의 개수 m$_{s}$를 제어함으로써 학습계수를 제어하는 효과가 얻어지는 것을 확인하였다..

아다부스트(AdaBoost)는 각 반복 순서마다 데이터 집합으로부터 데이터 이벤트들을 선택하는 과정을 가지는 알고리즘이다. 이 데이터 이벤트들은 모수 생성기(random number generator)를 사용해 확률적으로 선택하게 된다. 본 논문에서는 확률적으로 선택하는 대신에 결정적인 방법을 사용하는 아다부스트 알고리즘을 제안한다. 이를 위해 결정적인 알고리즘에 적합하도록 휘셔 식의 변형을 유도한 다. 이 유도식은 가중치 벡터를 가지는 데이터를 처리할 수 있는 스킴을 포함한다. 제안한 알고리즘의 성능을 확인하기 위해 확률적인 방법과 결정적인 방법에 점진적으로 prune rate를 증가시키고 네트워크 구조에 위크 학습기(weak learner)의 수를 점진적으로 증가하는 방법으로 각각 다른 측정 결과를 비교한다. 이들 시험 결과들로부터 제안한 방법의 결과가 전형적인 확률적 방법에 비해 높은 성능을 가지고 있음을 보인다.

AdaBoost is an algorithm with a procedure of selecting the data events from a dataset at each iteration sequence. The data events are selected stochastically using a random number generator. In this paper, a deterministic AdaBoost algorithm is proposed in contrast to the usual stochastic one. For doing this we derive the modified Fisher’s formulas moderated to the deterministic method. These formulas contain a scheme to treat data set with weight vector. To verify the performance of proposed algorithm, we compare with the results of different measurements with the deterministic and the stochastic method, by gradually increasing the prune rate and the number of weak learner in the network structure. Through the result of these experiments, we show that our proposed method has higher performance than typical stochastic one.

본 논문에서는 네트웍으로 연결된 일련의 장치들이 서로를 발견하는 문제인 자원 발견(Resource Discovery)문제를 해결하는 알고리즘을 제안한다. 최근 Harchol등은, 장치의 수를 n이라 할때, O(nlog²n) 연결 통신복잡도와 O(n²log²n) 포인터 통신복잡도를 가지고 O(log²n) 시간복잡도에 이 문제를 해결하는 알고리즘을 제안하였는데, 이는 임의(randomized) 알고리즘이며 종료시점(convergence)을 식별할 방법이 없다는 단점을 가진다. 본 논문에서 우리는 이러한 단점을 없앤 더욱 효율적인 결정(deterministic) 알고리즘을 제안한다. 제안 알고리즘은, 총 링크 수를 m이라 할 때, O(mlog n)연결 통신 복잡도와 O(n²log n) 포인터 통신복잡도를 가지고 O(log n) 시간복잡도에 자원발견 문제를 해결한다.

본 논문에서는 네트웍으로 연결된 일련의 장치들이 서로를 발견하는 문제인 자원 발견 (Resource Discovery)문제를 해결하는 알고리즘을 제안한다. 최근 Harchol등은, 장치의 수를 n이라 할 때, O($nlog^2\;n$) 연결 통신복잡도와 O($n^2log^2\;n$) 포인터 통신복잡도를 가지고 O($log^2\;n$) 시간복잡도에 이문제를 해결하는 알고리즘을 제안하였는데, 이는 임의(randomized) 알고리즘이며 종료시점(convergence)을 식별할 방법이 없다는 단점을 가진다. 본 논문에서 우리는 이러한 단점을 없앤 더욱 효율적인 결정(deterministic) 알고리즘을 제안한다 .제안 알고리즘은, 총 링크 수를 m이라 할 때，O(mlog n) 연결 통신 복잡도와 O($n^2log\;n$) 포인터 통신복잡도를 가지고 O(log n) 시간복잡도에 자원발견 문제를 해결한다.

In this paper, we propose a deterministic algorithm to solve the resource discovery problem, that is, some subset of machines to learn the existence of each other in a large distributed network. Harchol et al. proposed a randomized algorithm solving this problem within O($log^2\;n$) rounds with high probability, which requires O($nlog^2\;n$) connection communication complexity and O($n^2log^2\;n$) pointer communication complexity, where n is the number of machines in the network. His solution is based on randomization method and it is difficult to determine convergence time. We propose an efficient algorithm which improve performance and the non-deterministic characteristics. Our algorithm requires O(log n) rounds which shows O(mlog n) connection communication complexity and O($n^2log\;n$) pointer communication complexity, where m is the number of links in the network.

LMS(Least mean square) 적응 알고리즘은 radar, sonar, 음성처리, 이동통신 분야 등에서 중요한 역할을 하고 있다. 이동통신 분야에서는 LMS 적응 알고리즘의 빠른 수렴속도가 더욱 중요하다. 하지만 LMS 알고리즘은 수렴속도가 느리고 일정치 않은 수렴을 하는 문제점을 가지고 있다. 이러한 문제점을 해결하기 위하여 다양한 가변 스텝 LMS 적응 알고리즘들이 최근에 많이 연구되어왔다. 연구된 많은 LMS 알고리즘들은 빠른 수렴속도를 얻기 위하여 복잡한 가변스텝방식을 사용하는데 이는 많은 계산량을 필요로 한다. 따라서 LMS 알고리즘의 최대 장점인 단순성과 강인성을 약화시킨다. 제안하는 결정함수 가변스텝 LMS 알고리즘은 스텝 값을 간단한 결정함수에 따라 결정하므로 단순성을 최대한 강화하면서 빠른 수렴속도를 얻도록 한다.

Least mean square adaptive algorithms have played important role in radar, sonar, speech processing, and mobile communication. In mobile communication area, the convergence rate of a LMS algorithm is quite important. However, LMS algorithms have slow and non-uniform convergence rate problem For overcoming these shortcomings, various variable step LMS adaptive algorithms have been studied in recent years. Most of these recent LMS algorithms have used complex variable step methods to get a rapid convergence. But complex variable step methods need a high computational complexity. Therefore, the main merits such as the simplicity and the robustness in a LMS algorithm can be eroded. The proposed deterministic variable step LMS algorithm is based upon a simple deterministic function for the step update so that the simplicity of the proposed algorithm is obtained and the fast convergence is still maintainable.

LMS(least mean square) 적응 알고리즘은 radar, sonar, 음성처리, 이동통신 분야 등에서 중요한 역할을 하고 있다. 이동통신 분야에서는 LMS 적응 알고리즘의 빠른 수렴속도가 더욱 중요하다. 하지만 LMS 알고리즘은 수렴속도가 느리고 일정치 않은 수렴을 하는 문제점을 가지고 있다. 이러한 문제점을 해결하기 위하여 다양한 가변 스텝 LMS 적응 알고리즘들이 최근에 많이 연구되어왔다. 연구된 많은 LMS 알고리즘들은 빠른 수렴속도를 얻기 위하여 복잡한 가변스텝방식을 사용하는데 이는 많은 계산량을 필요로 한다. 따라서 LMS 알고리즘의 최대 장점인 단순성과 강인성을 약화시킨다. 제안하는 결정함수 가변스텝 LMS 알고리즘은 스텝 값을 간단한 결정함수에 따라 결정하므로 단순성을 최대한 강화하면서 빠른 수렴속도를 얻도록 한다.

Least mean square adaptive algorithms have played important role in radar, sonar, speech processing, and mobile communication. In mobile communication area, the convergence rate of a LMS algorithm is quite important. However, LMS algorithms have slow and non-uniform convergence rate problem. For overcoming these shortcomings, various variable step LMS adaptive algorithms have been studied in recent years. Most of these recent LMS algorithms have used complex variable step methods to get a rapid convergence. But complex variable step methods need a high computational complexity. Therefore, the main merits such as the simplicity and the robustness in a LMS algorithm can be eroded. The proposed deterministic variable step LMS algorithm is based upon a simple deterministic function for the step update so that the simplicity of the proposed algorithm is obtained and the fast convergence is still maintainable.

본 논문에서는 기존의 결정론적 볼츠만 머신의 학습알고리즘을 수정하여 양자화결합을 갖는 결정론적 볼츠만 머신에도 적용할 수 있는 알고리즘을 제안하였다. 제안한 알고리즘을 2-입력 XOR 문제와 3-입력 패리티 문제에 적용하여 성능을 분석하였다. 그 결과 하중이 대폭적으로 양자화된 네트워크에 대해서도 학습이 가능하다는 것과 은닉층 뉴런의 수를 증가시키면 한정된 하중값의 범위로 유지할 수 있는 것을 보여준다. 또한 1회에 갱신하는 하중의 갯수를 제어함으로써 학습계수를 제어하는 효과가 얻어지는 것을 확인하였다.

From the view point of VLSI implementation, a new teaming algorithm suited for network with quantized connection weights is desired. This paper presents a new teaming algorithm for the DBM(deterministic Boltzmann machine) network with quantized connection weight. The performance of proposed algorithm is tested with the 2-input XOR problem and the 3-input parity problem through computer simulations. The simulation results show that our algorithm is efficient for quantized connection neural networks.

본 논문에서는 가우시안 혼합모형을 이용한 새로운 칼라 영상의 분할 알고리즘을 제안한다. 기존의 EM 알고리즘의 문제점인 국부적 최대값의 문제를 해결하기 위하여 최대 엔트로피의 원리를 이용하는 결정적 어닐링 EM 알고리즘을 소개하였고, 여러 색상들로 구성된 영상에 대하여 가우시안 혼합모형을 가정하였으며, 결정적 어닐링 EM 알고리즘을 사용하여 이들의 모수를 추정하는 방법을 알아보았다. 또한 혼합모형에 성분의 수를 자동으로 결정할 수 있는 방법을 제시하였으며 선택된 최적의 혼합모형을 사용하여 각 화소에 대한 사후확률을 계산하고 이들의 최대값을 이용하여 영상분할을 실시하였다. 결정적 어닐링 EM 알고리즘이 기존의 EM 알고리즘보다 혼합모형의 모수를 더 정확하게 추정한다는 것과 혼합모형의 성분의 수를 결정하는 제안된 방법의 성능을 실험결과를 통하여 고찰하였고, 또한 두 가지 실제 영상을 통하여 제안된 알고리즘이 기존의 알고리즘 보다 영상을 더 효율적으로 분할 할 수 있음을 보였다.

In this paper we present a novel color image segmentation algorithm based on a Gaussian Mixture Model(GMM). It is introduced a Deterministic Annealing Expectation Maximization(DAEM) algorithm which is developed using the principle of maximum entropy to overcome the local maxima problem associated with the standard EM algorithm. In our approach, the GMM is used to represent the multi-colored objects statistically and its parameters are estimated by DAEM algorithm. We also develop the automatic determination method of the number of components in Gaussian mixtures models. The segmentation of image is based on the maximum posterior probability distribution which is calculated by using the GMM. The experimental results show that the proposed DAEM can estimate the parameters more accurately than the standard EM and the determination method of the number of mixture models is very efficient. When tested on two natural images, the proposed algorithm performs much better than the traditional algorithm in segmenting the image fields.

In this paper we present a color image segmentation algorithm based on statistical models. A novel deterministic annealing Expectation Maximization(EM) formula is derived to estimate the parameters of the Gaussian Mixture Model(GMM) which represents the multi-colored objects statistically. The experimental results show that the proposed deterministic annealing EM is a global optimal solution for the ML parameter estimation and the image field is segmented efficiently by using the parameter estimates.

The stability, reliability and efficiency of a smart ship are important issues as the interest in an autonomous ship has recently been high. An automatic collision avoidance system is an essential function of an autonomous ship. This system detects the possibility of collision and automatically takes avoidance actions in consideration of economy and safety. In order to construct an automatic collision avoidance system using reinforcement learning, in this work, the sequential decision problem of ship collision is mathematically formulated through a Markov Decision Process (MDP). A reinforcement learning environment is constructed based on the ship maneuvering equations, and then the three key components (state, action, and reward) of MDP are defined. The state uses parameters of the relationship between own-ship and target-ship, the action is the vertical distance away from the target course, and the reward is defined as a function considering safety and economics. In order to solve the sequential decision problem, the Deep Deterministic Policy Gradient (DDPG) algorithm which can express continuous action space and search an optimal action policy is utilized. The collision avoidance system is then tested assuming the 90°intersection encounter situation and yields a satisfactory result.

본 연구에서 우리는 평균이동절차(Mean Shift Procedure)와 결정적 어닐링 EM(Deterministic Annealing EM) 알고리즘을 결합한 새로운 칼라영상분할 알고리즘을 제안한다. 먼저 칼라영상을 혼합모형으로 표현할 때 혼합모형의 수와 각 모형들의 최대값(Mode)의 위치를 결정하는데 평균이동절차를 사용한다. 그리고 혼합모형으로 다변량 가우시안 혼합모형(Gaussian Mixture Model)을 가정하고, 이들 가우시안 확률모형의 모수인 평균벡터와 공분산행렬을 추정하는데 결정적 어닐링 EM 알고리즘을 사용하였다. 실험 결과들은 제안된 알고리즘의 전반 부분인 평균이동절차가 혼합모형의 각 성분의 수와 최대값의 위치를 결정하는데 매우 효율적인 방법임을 보여주고 있으며 또한 알고리즘의 후반 부분인 결정적 어닐링 EM 알고리즘이 혼합모형의 모수들에 대한 전역적 최적 추정량을 제공할 수 있는 최적의 추정방법임을 보이고 있다. 끝으로 다양한 칼라영상분할 실험을 통하여 새롭게 제안된 알고리즘이 칼라영상분할을 자율적으로 수행할 수 있는 가장 효율적인 알고리즘임을 보였다.

We present an unsupervised segmentation algorithm combining the mean shift procedure and deterministic annealing Expectation Maximization (DAEM) called MS-DAEM algorithm. We use the mean shift procedure to determine the number of components in a mixture model and to detect their modes of each mixture component. Next, we have adopted the Gaussian mixture model (GMM) to represent the estimate the parameters of the GMM that represents the multi-colored objects statistically. The experimental results show that the mean shift part of the proposed MS-DAEM algorithm is efficient to determine the number of components and initial modes of each component in mixture models. And also it shows that the DAEM part provides a global optimal solution for the parameter estimation in a mixture model and the natural color images are segmented efficiently by using the GMM with components estimated by MS-DAEM algorithm.