간행물

한국정보처리학회> 정보처리학회논문지. 컴퓨터 및 통신시스템

정보처리학회논문지. 컴퓨터 및 통신시스템 update

KIPS Transactions on Computer and Communication Systems

  • : 한국정보처리학회
  • : 공학분야  >  전자공학
  • : KCI등재
  • :
  • : 연속간행물
  • : 월간
  • : 2287-5891
  • :
  • :

수록정보
수록범위 : 1권1호(2012)~10권3호(2021) |수록논문 수 : 449
정보처리학회논문지. 컴퓨터 및 통신시스템
10권3호(2021년 03월) 수록논문
최근 권호 논문
| | | |

KCI등재

1에지 컴퓨팅 환경에서의 상황인지 서비스를 위한 팻 클라이언트 기반 비정형 데이터 추상화 방법

저자 : 김도형 ( Do Hyung Kim ) , 문종혁 ( Jong Hyeok Mun ) , 박유상 ( Yoo Sang Park ) , 최종선 ( Jong Sun Choi ) , 최재영 ( Jae Young Choi )

발행기관 : 한국정보처리학회 간행물 : 정보처리학회논문지. 컴퓨터 및 통신시스템 10권 3호 발행 연도 : 2021 페이지 : pp. 59-70 (12 pages)

다운로드

(기관인증 필요)

초록보기

최근 사물인터넷의 발전으로 사용자 주변 상황을 인지하여 맞춤형 서비스를 제공하는 상황인지 시스템에 대한 관심이 증가되고 있다. 기존의 상황인지 시스템은 사용자 주위에서 생성되는 데이터를 분석하여 사용자 주변 상황을 표현하는 상황 정보로 추상화하는 기술이 사용되었다. 하지만 증가하는 사용자의 서비스 요구 사항에 따라 다양한 종류의 비정형 데이터의 사용이 증가하고, 사용자 주변에서 수집되는 데이터의 양이 많아지면서 비정형 데이터의 처리와 상황인지 서비스의 제공에 어려움이 있다. 이러한 사항은 딥러닝 응용에서 비정형 구조의 입력 데이터가 많이 사용되는 데서 찾아볼 수 있다. 기존 연구에서는 에지 컴퓨팅 환경에서 다양한 딥러닝 모델을 활용해 비정형 데이터를 상황 정보로 추상화하는 연구가 진행되었으나, 수집-전처리-분석 등과 같은 추상화 과정 간의 종속성으로 인해 제한된 종류의 딥러닝 모델만이 적용 가능하기 때문에 시스템의 기능적 확장성이 고려되어야 한다. 이에 본 논문은 에지 컴퓨팅 환경에서 딥러닝 기술을 활용한 비정형 데이터 추상화 과정의 기능적 확장성을 고려한 비정형 데이터 추상화 방법을 제안한다. 제안하는 방법은 데이터 처리가 분산되어 있는 에지 컴퓨팅 환경에서 수집과 전처리 과정을 수행할 수 있는 팻 클라이언트 기술을 사용하여 추상화 과정의 수집-전처리 과정과 분석 과정을 분리하여 수행하는 것이다. 또한 분리된 추상화 과정을 관리하기 위해 수집-전처리 과정을 수행하는 데 필요한 정보를 팻 클라이언트 프로파일로 제공하고, 분석 과정에 필요한 정보를 분석 모델 설명 언어(AMDL) 프로파일로 제공한다. 두 가지 프로파일을 통해서 추상화 과정을 독립적으로 관리하여 상황인지 시스템의 기능적 확장성을 제공한다. 실험에서는 차량 출입 통제 알림 서비스를 위한 차량 이미지 인식 모델을 대상으로 팻 클라이언트 프로파일과 AMDL 프로파일의 예제를 통해 시스템의 기능적 확장성을 보이고, 비정형 데이터의 추상화 과정별 세부사항을 보인다.


With the recent advancements in the Internet of Things, context-aware system that provides customized services become important to consider. The existing context-aware systems analyze data generated around the user and abstract the context information that expresses the state of situations. However, these datasets is mostly unstructured and have difficulty in processing with simple approaches. Therefore, providing context-aware services using the datasets should be managed in simplified method. One of examples that should be considered as the unstructured datasets is a deep learning application. Processes in deep learning applications have a strong coupling in a way of abstracting dataset from the acquisition to analysis phases, it has less flexible when the target analysis model or applications are modified in functional scalability. Therefore, an abstraction model that separates the phases and process the unstructured dataset for analysis is proposed. The proposed abstraction utilizes a description name Analysis Model Description Language(AMDL) to deploy the analysis phases by each fat client is a specifically designed instance for resource-oriented tasks in edge computing environments how to handle different analysis applications and its factors using the AMDL and Fat client profiles. The experiment shows functional scalability through examples of AMDL and Fat client profiles targeting a vehicle image recognition model for vehicle access control notification service, and conducts process-by-process monitoring for collection-preprocessing-analysis of unstructured data.

KCI등재

2데이터 예측을 위한 텐서플로우 기반 기계학습 알고리즘 비교 연구

저자 : Qalab E. Abbas , 장성봉 ( Sung-bong Jang )

발행기관 : 한국정보처리학회 간행물 : 정보처리학회논문지. 컴퓨터 및 통신시스템 10권 3호 발행 연도 : 2021 페이지 : pp. 71-80 (10 pages)

다운로드

(기관인증 필요)

초록보기

기계학습에서 정확한 데이터 예측을 위해서는 적절한 인공신경망 알고리즘을 선택해야 한다. 이러한 알고리즘에는 심층 신경망 (DNN), 반복신경망 (RNN), 장단기 기억 (LSTM) 네트워크 및 게이트 반복 단위 (GRU) 신경망등을 들 수 있다. 개발자가 실험을 위해, 하나를 선택해야 하는 경우, 각 알고리즘의 성능에 대한 충분한 정보가 없었기 때문에, 직관에 의존할 수 밖에 없었다. 본 연구에서는 이러한 어려움을 완화하기 위해 실험을 통해 예측 오류(RMSE)와 처리 시간을 비교 평가 하였다. 각 알고리즘은 텐서플로우를 이용하여 구현하였으며, 세금 데이터를 사용하여 학습을 수행 하였다. 학습 된 모델을 사용하여, 세금 예측을 수행 하였으며, 실제값과의 비교를 통해 정확도를 측정 하였다. 또한, 활성화 함수와 다양한 최적화 함수들이 알고리즘에 미치는 영향을 비교 분석 하였다. 실험 결과, GRU 및 LSTM 알고리즘의 경우, RMSE(Root Mean Sqaure Error)는 0.12이고 R2값은 각각 0.78 및 0.75로 다른 알고리즘에 비해 더 낳은 성능을 보여 주었다. 기본 심층 신경망(DNN)의 경우, 처리 시간은 가장 낮지만 예측 오류는 0.163로 성능은 가장 낮게 측정 되었다. 최적화 알고리즘의 경우, 아담(Adam)이 오류 측면에서 최고의 성능을, 처리 시간 측면에서 최악의 성능을 보여 주었다. 본 연구의 연구결과는 데이터 예측을 위한 알고리즘 선택시, 개발자들에게 유용한 정보로 사용될 것으로 예상된다.


The selection of an appropriate neural network algorithm is an important step for accurate data prediction in machine learning. Many algorithms based on basic artificial neural networks have been devised to efficiently predict future data. These networks include deep neural networks (DNNs), recurrent neural networks (RNNs), long short-term memory (LSTM) networks, and gated recurrent unit (GRU) neural networks. Developers face difficulties when choosing among these networks because sufficient information on their performance is unavailable. To alleviate this difficulty, we evaluated the performance of each algorithm by comparing their errors and processing times. Each neural network model was trained using a tax dataset, and the trained model was used for data prediction to compare accuracies among the various algorithms. Furthermore, the effects of activation functions and various optimizers on the performance of the models were analyzed The experimental results show that the GRU and LSTM algorithms yields the lowest prediction error with an average RMSE of 0.12 and an average R2 score of 0.78 and 0.75 respectively, and the basic DNN model achieves the lowest processing time but highest average RMSE of 0.163. Furthermore, the Adam optimizer yields the best performance (with DNN, GRU, and LSTM) in terms of error and the worst performance in terms of processing time. The findings of this study are thus expected to be useful for scientists and developers.

KCI등재

3귀농·귀촌 의사결정요인에 관한 AHP 분석 연구: 이주지역 선택 결정요인을 중심으로

저자 : 이원석 ( Won Suk Lee ) , 장상현 ( Sang-hyun Jang ) , 최주원 ( Joowon Choi ) , 신용태 ( Yongtae Shin )

발행기관 : 한국정보처리학회 간행물 : 정보처리학회논문지. 컴퓨터 및 통신시스템 10권 3호 발행 연도 : 2021 페이지 : pp. 81-92 (12 pages)

다운로드

(기관인증 필요)

초록보기

한국 농업·농촌의 고령화 현상과 농업인구의 감소가 점차 심화됨에 따라 귀농·귀촌을 통한 인구 유입이 절실한 상황이다. 이를 위해서는 귀농·귀촌 희망자가 의사결정 시에 도움을 받을 수 있는 정보 부족 등이 해결해야 할 가장 중요한 문제점으로 조사되었다. 따라서 본 연구를 통해 귀농·귀촌 이주지역 선택 시 요구되는 정보(결정요인)를 알아보기 위해 관련 전문가를 대상으로 AHP 분석을 위한 설문조사를 하였다. AHP 분석 결과 1차계층의 3개 항목 중에는 “경제적 요인”의 중요도가 가장 높게 나타났으며, 2차 계층에서는 “주택 및 토지가격”, “대도시 접근성 및 교통”, “주거정보” 등이 중요도가 높은 것으로 나타났다. 이러한 연구 결과가 향후 귀농·귀촌 희망자들의 의사결정을 체계적으로 지원하기 위한 정보시스템에 반영되어 직.간접적으로 도움이 되고, 궁극적으로는 고령화가 진행되고 있는 한국 농업·농촌이 활성화되고 발전하는데 있어 기여할 수 있게 되기를 희망한다.


As the aging population of Korean agriculture and rural areas and the decline of the agricultural population are gradually deepening, the influx of population through returning to farming and rural areas is urgently needed. To this end, the most important problems to be solved were the lack of information that would help those who want to return to farming or rural areas when making decisions. Therefore, a survey was conducted for AHP analysis on related experts to find out the information (decision factors) required when selecting a return-to-farm or return-to-country migration area through this study. The AHP analysis showed that "Economic factors" were the most important among the three items in the primary class, while "Housing and land prices", "Metropolitan accessibility and traffic" and "Residential information" were the most important in the secondary class. The results of these studies are reflected in the information system to systematically support the decision-making of those who wish to return to farming or rural areas.It is hoped that it will be indirectly helpful and ultimately contribute to the revitalization and development of Korean agriculture and rural areas, which are aging.

1
권호별 보기
가장 많이 인용된 논문

(자료제공: 네이버학술정보)

가장 많이 인용된 논문
| | | |
1연안해역에서 석유오염물질의 세균학적 분해에 관한 연구

(2006)홍길동 외 1명심리학41회 피인용

다운로드

2미국의 비트코인 규제

(2006)홍길동심리학41회 피인용

다운로드

가장 많이 참고한 논문

(자료제공: 네이버학술정보)

가장 많이 참고한 논문

다운로드

2미국의 비트코인 규제

(2006)홍길동41회 피인용

다운로드

해당 간행물 관심 구독기관

한라대학교 고려대학교 한국방송통신대학교 중앙대학교(서울) 숭실대학교
 43
 23
 18
 13
 13
  • 1 한라대학교 (43건)
  • 2 고려대학교 (23건)
  • 3 한국방송통신대학교 (18건)
  • 4 중앙대학교(서울) (13건)
  • 5 숭실대학교 (13건)
  • 6 한양대학교 (11건)
  • 7 연세대학교 (10건)
  • 8 성균관대학교 (9건)
  • 9 영남대학교 (8건)
  • 10 전남대학교 (7건)

내가 찾은 최근 검색어

최근 열람 자료

맞춤 논문

보관함

내 보관함
공유한 보관함

1:1문의

닫기