소프트웨어중심세상

알림마당

HOME · 알림마당 · 자료실

자료실

[AGSC2019-1] 전시과제요약-자기주도연구
  • 글쓴이 관리자
  • 작성일 2019-05-31 16:27:08
  • 조회수 360
첨부파일 AGSC2019-1 과제요약-자기주도연구.pdf
구분연구
위치301
교과목자기주도연구1
담당교수강경란
이름장지석
프로젝트 명IoT 환경에서의 QUIC 네트워크 프로토콜 적용
프로젝트요약오늘날 4차 산업혁명에 대한 관심이 높아지고 있고, 사물인터넷(IoT)에 대한 관심도 높아지고 있다. 또한 IoT 기기의 수가 기하급수적으로 증가하고 있다. IoT 기기는 신뢰할 수 있는 연결인 TCP를 기반으로 작동하는 기기다. 서버에 대한 수많은 노드가 연결을 보내고 받을 때 TCP를 통해 전송하면 리소스가 낭비될 수도 있다. IoT 기기에서는 TCP가 접속할 때마다 필요한 3way-handshake 나 연결이 장시간 지속되는 동안 데이터 전송이 거의 없는 상황이 있을 수가 있기 때문이다. 이에 최근 구글이 개발한 QUIC 프로토콜을 IoT 환경에 적용하면 많은 장점이 있다. HOL-blocking을 피할 수 있고, handshake delivery도 피할 수 있다. 새로운 암호화 메커니즘을 적용하여 보안에도 안정적이다. 본 연구는 IoT 환경에 QUIC 프로토콜을 적용할 때의 시나리오를 설정하고, ns-3 시뮬레이터를 통해 데이터 이동 및 지연 시간을 확인하고, 표와 그래프로 도식화하여 표시되는 결과를 분석한다.
구분연구
위치302
교과목자기주도연구2
담당교수고정길
이름김택림
프로젝트 명Reducing Cache Misses Caused by Context-Switch Using Prefetch Control and CAT
프로젝트요약본 연구는 context-switch에 의해 발생하는 cache miss를 줄여 성능을 높이는 데에 목적이 있다. 현대 컴퓨터 아키텍처에서 cache는 중요한 역할을 하며 이는 CPU와 메모리 사이의 병목현상을 줄인다. 하지만 cache의 한정된 크기 때문에 메모리 intensive한 워크로드의 경우 많은 cache miss가 발생하며, 데이터를 메모리로 부터 fetch하는 데에 긴 latency가 발생한다. 실제로 cache miss를 줄이기 위해 hardware prefetcher가 사용되지만 이는 메모리 요청이 발생될 때에만 진행된다. 따라서 본 연구에서는 context-switch와 같은 system event에 따른 prefetch가 가능한지 알아본다. 또한 Intel CAT를 사용하여 context-switch로 인한 cache miss를 줄일 수 있는지 탐색한다.
구분연구
위치303
교과목자기주도연구1
담당교수김상훈
이름박찬영
프로젝트 명데이터 특성 구분과 Prefetch를 위한 ML 기법 연구
프로젝트요약본 연구는 Big Data를 저장하고 데이터를 Block 단위로 처리하는 Storage를 대상으로 한다. 자주 참조됐거나 앞으로 참조될 예정인 Data는 Hot Storage에 저장하고 거의 참조되지 않은 Data는 Cold Storage에 저장하는 ML 기법을 연구한다. 또한 Data Prefetch를 위해 데이터를 분석하고 LSTM을 사용해 다음 Block I/O를 예측한다. 기존의 데이터 분포는 시간이 지남에 따라 변하기 마련이므로 변화하는 Storage Trace를 지속적으로 반영하면서 위 기능을 수행하기 위한 방법론을 함께 연구한다. 또한 데이터 분포도가 변화하면 Hot/Cold Data Classification을 위한 Threshold와 Prefetch를 위한 LSTM을 다시 학습해야하기 때문에 이를 자동화한 모델을 구현하는 것이 기존 연구 대비 차이점이다. 이 과정에서 정확도가 높고 지속적인 학습을 위한 빠른 Transfer Learning 이 가능한 모델을 구현한다.
구분연구
위치304
교과목자기주도연구1
담당교수노병희
이름이정은
프로젝트 명SDN Controller에서 최적의 경로를 찾아주는 알고리즘
프로젝트요약SDN기술은 사용하여 멀리있는 서버까지 가장 빨리 가는 경로를 계산하여 데이터 전송 속도를 높이고, 사용자에게는 빠르고 고품질의 서비스를 제공하는 것이다. 구글과 같은 전 세계로 서비스를 제공하는 회사에서 처음으로 적용하여 데이터 전송 성능을 크게 향상시켰다. SDN의 동작 방법과 논문자료를 연구하고, SDN Controller에서 최적의 네트워크 경로를 찾는 알고리즘에 대해 연구한다. 시뮬레이터를 통해 기존의 알고리즘과 새로운 알고리즘을 비교 분석하여 성능 향상된 새로운 알고리즘을 고안한다.
구분연구
위치305
교과목자기주도연구1
담당교수안정섭
이름정진우
프로젝트 명Serverless Computing 에 대한 성능 분석
프로젝트요약현재 Serverless Computing은 Cloud computing paradigm을 만들었다. Cloud Service의 인기에 따라 Serverless Computing에 대한 관심도 높아졌다. 이런 Serverless Computing에는 대표적을 Faas를 말한다. FaaS는 한 application을 함수 단위로 서비스를 제공한다. Service에 대한 요청이 들어왔을 때, 이 Serverless platform은 해당 요청에 대한 처리를 위해 독립적인 실행 환경을 할당하여 처리를 해줌으로써 다른 application이나 function의 영향을 받지 않는다. 이런 환경을 Container를 사용하여 제공해준다. 또한 Serverless는 service로 부터의 지연시간을 줄이기 위하여 network edge로 많이 넘어가는 추세이다. 하지만, edge data center는 core 보다 적은 자원을 가지기 때문에 높은 자원 효율성을 필요로 한다. 그러하여 Serverless Computing은 자원효율을 높이기 위해 오랫동안 사용하지 않은 Container는 종료시켜 자원 확보를 한다. 하지만 이런 메커니즘에는 Overhead가 발생한다. 처음 Container를 시작시키는 데에 약간의 delay가 발생하기 때문이다. 이런 현상을 Cold Start라고 부른다. 이런 Cold Start를 막기 위하여 Container를 down하기 직전에 상태를 저장하고 이후 해당 Container의 요청이 들어왔을 때 저장 상태의 image file을 restore 해서 실행하는 것이 Container를 처음 부터 실행하는 것보다 빠를 것이라는 생각에 Container Checkpoint에 대해 분석 했다. 현재 Checkpoint를 하기 위해서 어떤 조건이 필요하며, 어떤 작업을 수행하는지 그리고 어느 부분에서 시간이 오래걸리는지 분석하고 있다.
구분연구
위치306
교과목자기주도연구1
담당교수오상윤
이름방성호
프로젝트 명HPC 클러스터 파일 시스템들의 성능 향상 기법 분석
프로젝트요약HPC 클러스터에서 사용하는 파일 시스템과 파일 시스템에 적용되는 I/O 성능 향상 기법들은 전체 HPC 클러스터에서 사용되는 응용의 중요한 성능요소로서 작용한다. 본 논문에서는 고성능 컴퓨팅에서 사용되는 Hadoop Distributed File System(HDFS), Lustre 그리고 HDFS와 Lustre를 기반으로 이종 storage 환경에 적용하기 위해 제안된 Triple-H 파일 시스템을 I/O 성능 향상 기법 관점에서 분석한 결과를 제시한다.
구분연구
위치308
교과목자기주도연구1
담당교수최영준
이름김학준
프로젝트 명RL-based Jamming mitigation in ad-hoc network
프로젝트요약Ad hoc 네트워크는 전형적인 무선 네트워크의 한 형태로써 네트워크의 자유로운 배치 면에서 상당히 효율적이다. 따라서 ad hoc 네트워크는 재난 망을 빠르게 구축하기 위한 응급 상황이나 군사 환경을 비롯해서 다양한 분야에서 사용되고 있다. 하지만 네트워크의 통신은 무선으로 이루어지기 때문에 외부의 공격과 보안에 취약하다는 단점을 갖고 있다. 따라서 이 연구는 무선 네트워크의 일종인 ad hoc network에서 흔히 발생하고 있는 보안 문제 중의 하나인 jamming attack을 머신 러닝을 통해 해결하고자 한다. 다른 노드와 원활한 통신을 위해 ad hoc 네트워크에 속한 모든 노드를 부여된 다수의 채널 중 jamming attack의 영향을 받고 있는 채널로부터 회피할 수 있도록 학습이 이루어진다. 하지만 네트워크 통신에 지도 학습이나 비지도 학습과 같은 일반적인 머신 러닝을 도입하기 위해서는 네트워크의 topology 유형이나 jammer의 유형 등 네트워크 환경의 영향을 주는 요소가 복잡하기 때문에 네트워크 상태를 정의하는 데 비현실적으로 많은 양의 데이터가 필요하다. 또한 네트워크 내에서의 통신은 목표 지점에 전송할 수 있는 최적의 경로를 설계하는 것이 목표이므로 순차적인 의사 결정이 필요하다. 따라서 이 연구에서는 모든 노드가 agent가 될 수 있도록 네트워크 환경과 상태, action, reward를 포함한 parameter를 적절히 정의해서 머신 러닝의 일종인 강화학습을 사용한다. 이 연구의 진행을 위한 네트워크 환경은 NS-3(Network simulator-3)에서 구성되며 이 네트워크 환경은 OpenAI GYM 모듈을 통해 실질적인 학습이 이루어진다.
구분연구
위치309
교과목자기주도연구1
담당교수한경식
이름최혜지
프로젝트 명소방 VR환경 구축을 위한 HCI기반 필수요소 파악
프로젝트요약최근 가상현실(VR, Virtual Reality) 기술에 대한 관심이 높아지면서 이를 실무에 적용하는 사례가 증가하고 있으며, 소방본부에서도 가상현실 시스템을 도입함으로써 화재 진압과 같은 현실에서 진행하기 어려운 훈련에 대한 실현 가능성의 조짐을 보이고 있다. 그러나 현재 시행되고 있는 가상현실 기술기반 소방 훈련은 짧은 시간에 극적인 효과가 나타나 현실감이 떨어지는 등 그 대상이 되는 소방관에 대한 이해는 미미한 상태다. 본 연구에서는 인간-컴퓨터 상호작용(Human-Computer Interaction)관점에서 신임 소방관들을 대상으로 사용자 조사를 통해 소방관들이 느끼는 긴장감 유발 요소를 분석하고 가상현실 시스템의 기본 방향성 설정을 위한 기반마련을 제시한다.
구분연구
위치310
교과목자기주도연구1
담당교수황원준
이름이정필
프로젝트 명이미지 분류 성능 향상
프로젝트요약ILSVRC 2017 우승 논문인 squeeze and excitation의 성능을 향상시키는 프로젝트
구분연구
위치311
교과목자기주도연구1
담당교수강경란
이름최지원
프로젝트 명TCP CUBIC의 성능 비교 분석 및 성능 향상 방안에 대한 연구
프로젝트요약현재 리눅스에서 쓰이는 TCP CUBIC라는 혼잡 제어 알고리즘은 완벽한 알고리즘이 아니다. 이번 연구에서는 TCP CUBIC이 다른 TCP 혼잡 제어 알고리즘에 비해 가지는 성능을 비교 분석 하고, 최종 목표는 TCP CUBIC의 성능을 향상시키는 것이다. CUBIC 논문의 기본 설정값은 실험을 통해 얻어진 단순한 값일 뿐, 최상의 성능을 내지 않는다.
성능을 확인하기 위해서는 ns3 네트워크 시뮬레이터를 사용한다. 시간에 따른 cwnd의 변화를 보며 각 알고리즘의 성능을 확인할 수 있다.
구분연구
위치312
교과목자기주도연구1
담당교수김민구
이름김도현
프로젝트 명심층 신경망에서의 효율적이고 안정적인 Pruning 기법에 대한 연구
프로젝트요약심층 신경망은 많은 분야에서 좋은 성능을 보여주고 있으나, 학습에 필요한 파라미터의 수가 많아 저 사양 디바이스에서의 이용은 한계가 있다. 저 사양 디바이스에 적합하도록 심층 신경망의 파라미터 수를 줄이는 방법 중 하나로 반복적인 가지치기 기법이 있다. 반복적인 가지치기 기법은 학습과 Connection을 가지치기(Pruning)하는 과정을 반복하여 파라미터의 개수를 줄이면서도 정확도 손실을 최소화한다. 하지만, 만약 가지치기 과정을 진행하던 중에 심층 신경망에서 중요한 Connection이 제거된다면 이 Connection은 더 이상 심층 신경망의 예측에 관여하지 않기 때문에 큰 정확도 손실을 가져올 수 있다. 본 연구에서는 이러한 문제를 해결하기 위해 반복적인 가지치기 기법을 수행할 때 바로 직전에 나온 결과만을 이용하여 가지치기를 진행하는 것이 아니라, 더 이전 과정에서 나온 결과도 같이 고려하는 방법을 제안한다. 이를 통해서 신경망에서 한 번 제거가 된 Connection이라도 더 이전 과정의 결과물에 의해 다시 신경망에 포함될 수 있으며, 최종적으로 중요한 Connection이 제거될 확률을 낮추어 성능을 향상시킨다.
구분연구
위치313
교과목자기주도연구1
담당교수김민구
이름박혜진
프로젝트 명에이전트 기반의 일정관리 챗봇 설계
프로젝트요약챗봇은 대화형 인터페이스 상에서 규칙 또는 인공지능으로 유저와 인터렉션 하는 서비스로써 여러분야에 많이 활용되고 있다. 그중, 개인비서로써 활용되는 챗봇은 도메인이 넓어 인공비서의 본 목표인 일정관리에 대한 서비스 범위, 응답 수준등이 제한적이며 대국민 활용도와 만족도가 높지 않다. 본 프로젝트는 쳇봇 도메인을 개인일정관리로 한정한 후 일정을 계층화 시켜 Context별로 필요한 정보를 수집하여 개선된 일정관리 챗봇을 제공하고자 한다. 일정관리 챗봇은 Entity를 통해 Context를 인식하고, 해당 Context의 Goal을 만족하는 Action이 무엇인지 판단하여 동작한다. 구축과정에서는 고급 자연어 이해와 머신러닝을 이용한 효율적 작동이 가능한 구글 AI플랫폼,Dialogflow와 구글 캘린더 API를 활용하였다.
구분연구
위치314
교과목자기주도연구1
담당교수김상훈
이름전현빈
프로젝트 명분산 블록 스토리지의 커뮤니케이션 층의 최적화
프로젝트요약요즘 블록단위로 파일을 전송하고 저장하는 시스템이 많다. 이러한 특성을 가진 분산 블록 스토리지의 에뮬레이터인 서버와 클라이언트 구조를 구현하고 서버끼리 통신하는 층을 구현했다. 이에 대해 속도를 최적화하는 여러가지 방법을 테스트해보는 연구이다. 코드는 리눅스를 기반으로하는 c언어 코드이고 소켓 프로그래밍으로 연결된 형태이다. 에뮬레이터의 서버 코드는 다중의 클라이언트가 접속하기에 수월한 epoll 기법을 활용한다. 클라이언트는 파일을 읽거나 쓰는 일을 할 수 있고 블록 단위로 진행된다. 또한 서버간의 커뮤니케이션 층은 accept()와 connect() 함수들의 연결로 이뤄지는데 서버의 특정 번호에 대해서 자신보다 작으면 accept()를 하고 크면 connect()를 해서 연결한다. 이렇게 연견된 층에서 여러 파일의 전송을 동시에 하면 과부하가 걸리는 것을 방지하기 위해 realy 식으로 전송한다. 이때 파일의 전송을 multitheaded 방식으로 병렬화해서 전송함으로써 속도를 줄일 수 있다. 이때 어떻게 병렬화하는지가 속도를 좌우할 수 있기때문에 이에 대한 연구를 진행하고 있습니다.
구분연구
위치315
교과목자기주도연구1
담당교수안정섭
이름전지원
프로젝트 명Software Defined Hybrid Memory
프로젝트요약클라우드 컴퓨팅은 memory-intensive workload를 처리하기 위해 큰 용량의 메모리가 필요하다. 그러나 DRAM의 높은 비용과 기술적인 문제 때문에 DRAM의 도입에는 한계점이 존재한다. 이 때문에 최근에는 다양한 종류의 메모리 노드를 DRAM과 함께 구성하는 Heterogeneous Memory System으로 서버의 확장성을 높이는 해결책이 주목받고 있다. 특히 NVM(Non-Volatile Memory)은 DRAM보다 적은 Bandwidth와 큰 Capacity를 가지고 있어서 DRAM을 캐시처럼 사용하고 NVM을 메인 메모리처럼 사용한다면 cost 대비 latency와 throughput의 향상이 있을 것이다.
본 연구는 실제 NVM이 구축되지 못한 환경에서 진행되기 때문에 Linux kernel의 cgroup과 memhog를 사용해서 메모리 노드 하나를 가상의 NVM으로 구성한다. memory-intensive benchmark를 실행한 후 page들의 hotness를 분석하고, 자주 접근되는 page들은 Fast memory, 자주 접근되지 않는 page들은 Slow memory로 migrate 시키는 Memory Policy와 Mechanism을 개선하는 방안을 제시한다.
구분연구
위치316
교과목자기주도연구1
담당교수오상윤
이름황재진
프로젝트 명분산 브로커 환경에서 publish / subscribe 구조의 확장성 개선을 위한 알고리즘 연구
프로젝트요약대규모 환경에서 publish / subscribe 구조 시스템은 확장성에 문제를 가지고 있었다. 하나의 broker에 많은 subscription들이 몰리는 경우 broker를 가지고 있는 서버에 과부하가 발생하기 때문이다. 이번 연구에서는 많은 subscription이 몰리는 broker에서 다른 broker로 subscription을 재분배하는 알고리즘을 제안한다. 서버에 threshold를 두 개 두어 첫 번째 threshold까지 메모리가 찬다면 그 서버에 있는 broker에서 가장 가입자 수가 적은 subscription을 선택하고 아직 첫 번째 threshold에 도달하지 않은 broker들을 선택하여 first-fit 알고리즘으로 그 subscription을 재분배한다. 가장 가입자 수가 적은 subscription을 선택하는 이유는 subscription이 재분배되는 과정 동안은 해당 subscription에 등록된 subscriber들은 메시지를 받을 수 없기에 이런 피해를 최소화하기 위함이다. 만약 모든 모든 서버가 첫 번째 threshold에 도달했다면 그 후로 들어오는 subscription은 best-fit 알고리즘 메모리를 효율적으로 활용하면서 subscription을 재분배한다.
구분연구
위치317
교과목자기주도연구1
담당교수이석원
이름이제호
프로젝트 명감정 분석과 맞춤형 서비스를 위한 온톨로지 기반의 챗봇 시스템
프로젝트요약사람의 감정은 우리의 의사결정과 기분, 사회적인 상호작용에 있어 중요한 역할을 한다. 자연어 처리(NLP)와 기계 학습의 발전 덕분에 우리는 챗봇과 자연스러운 대화가 가능해졌지만, 대부분의 챗봇 애플리케이션을 비롯한 에이전트 시스템은 사용자의 감정 상태를 고려하지 않는다. 본 연구의 목표는 사용자의 감정 상태를 분석하고 모니터링하여 사용자의 감정에 따른 서비스를 제공할 수 있는 온톨로지 기반의 챗봇 시스템을 구축하는 것이다. 사용자의 감정 상태를 다양한 리소스로부터 인식하기 위해, 사용자의 사회적인 상호작용과 주변 환경 요소 등을 고려할 수 있을 것이다. 또한 이 시스템은 인간의 감정 도메인을 위한 온톨로지 기반의 지식 베이스를 갖춤으로써, 잘 정의된 감정 온톨로지로 사용자의 감정을 보다 지능적으로 파악할 수 있고 감정과 관련된 다른 도메인의 지식을 연계시켜 사용자의 감정 기록에 따른 맞춤형 서비스(심리 치료, 교육, 추천서비스 등)를 제공할 수 있다. 본 연구에서는 구글의 챗봇 플랫폼인 다이얼로그 플로우(dialogflow)를 통해 챗봇을 만들고, 사용자의 무드에 따른 뮤직비디오를 추천해주는 구체적인 시나리오를 통해 온톨로지 기반 챗봇을 구현하고 보여주려 한다.
구분연구
위치318
교과목자기주도연구1
담당교수이정태
이름정다원
프로젝트 명AUTOSAR 설계 모델 검증 분석 방법 개발
프로젝트요약자동차 산업에서 소프트웨어의 중요성이 증대함에 따라 실시간 제약조건을 만족하면서 재사용성을 높이는 AUTOSAR라는 표준의 중요성이 대두되고 있다. 본 연구에서는 AUTOSAR의 Application software layer에서 디자인하는 소프트웨어 컴포넌트 간의 RTE를 통한 통신을 검증할 수 있는 방법 및 시나리오를 제시하고자 한다. AUTOSAR 표준이 재사용성을 증가를 보증함에 가장 중요한 역할을 차지하는 것은 RTE layer이다. 따라서 AUTOSAR 설계의 검증을 위해 소프트웨어 컴포넌트 간의 통신의 종류를 RTE 이벤트를 기준으로 나누어 테스트 케이스를 분류하고 분류된 테스트 케이스를 통해 검증이 필요한 소프트웨어 컴포넌트의 특징을 제공하여 설계 단계에서 검증이 가능할 수 있도록 하는 것을 목표로 한다.
구분연구
위치319
교과목자기주도연구1
담당교수이환용
이름서성원
프로젝트 명머신러닝을 이용한 작곡 스타일 변조
프로젝트요약음악에 대한 연구는 여러 종류가 있지만 그 중에서 흥미로운 것은 머신러닝을 이용해 컴퓨터에게 학습시킨 내용을 기반으로 악보를 새로이 작성할 수 있다는 것이다. 사람도 이해하는 데 긴 시간 학습이 필요한 악보의 이해와 이를 통한 작곡이 가능한 것은 컴퓨터가 기존의 악보의 패턴을 학습하기 때문이다.
즉, 사람이 사용하는 오선지에 기반한 악보를 재처리 하여 컴퓨터가 이해할 수 있는 데이터 스타일로 바꾸고, 이에 대한 학습을 시킨다. 이후 학습된 데이터를 통하여 학습을 위해 주어진 악보와 유사한 스타일의 악보를 작성하는 것이다.
이번 프로젝트는 이러한 악보 스타일 변화를 위하여 LSTM을 이용한 학습모델을 구현할 것이다. 그 후 모델에 유사성 있는 포크 음악 곡들의 코드를 대입하여 학습시킨 다음, 기존에 학습한 곡과 다른 곡의 일부를 대입하였을 때, 학습한 곡들을 기반으로 하여 대입한 곡을 어떠한 방향으로 수정하여 작곡할 것인지 관찰하고 분석하고자 한다.
구분연구
위치320
교과목자기주도연구1
담당교수최영준
이름임진희
프로젝트 명인공지능을 활용한 자율주행용 통신자원 관리
프로젝트요약여러가지 입력 파라미터들(velocity, position, neighbors...)을 CNN모델에 학습시켜 나오는 결과데이터에 따라서 가장 효율적인 파라미터를 구할 수 있다. 그 후, 결과데이터로 얻은 최적의 파라미터로 CNN모델을 학습시켜 얻은 slot index 데이터를 통해서 효율적인 자율주행 자원할당을 가능하게 한다.
구분연구
위치321
교과목자기주도연구1
담당교수최영준
이름안우일
프로젝트 명A Q-learning on multiple-QoS aware MAC protocol in VANET.
프로젝트요약자율주행 자동차가 안전하게 운행되기 위해서는 차량 간 통신이 효율적으로 빠르게 이루어져야 하며, 차세대 무선 차량 네트워킹 기술로서 VANET(Vehicle Ad-hoc Network)가 존재한다.
차량 간 전송되는 여러 packet들에는 전송에 대한 우선순위가 존재하게 된다. 많은 Network에서는 MAC Layer에서 각 packet의 우선순위에 따라 Contention window의 크기를 다르게 설정하여 QoS를 보장하려 노력하고 있다. 하지만 많은 packet들이 전송될 때, QoS를 보장하기가 더 어려워지는 문제점이 존재한다.
이에 강화학습의 한 일종인 Q-Learning을 사용하여 네트워크 상황에 따라 유연하게 Contention window의 크기를 조절하여 네트워크 성능을 향상시킬 수 방법을 연구해본다.
구분연구
위치323
교과목자기주도연구1
담당교수고정길
이름주찬형
프로젝트 명Motion Artifact 영향에 의한 Noisy-ECG 데이터 검출 알고리즘
프로젝트요약생체신호 ECG 데이터에는 인간의 움직임으로 인한 Motion artifact Noise가 발생한다. 센서로 수집되는 ECG 데이터를 관측하여 정확한 의료적 진단을 시행해야 함에 불구하고, 이러한 생체 신호 데이터들은 환자의 움직임으로 인해 쉽게 noise에 노출될 수 있다. 본 연구는 ECG data의 feature를 선별, 이를 기반으로한 머신러닝 알고리즘을 적용해 Clean ECG data와 Noisy ECG data를 분류하여 Motion artifact noise를 자동으로 detect하는 시스템을 고안하는 것을 목적으로 한다.
구분연구
위치324
교과목자기주도연구2
담당교수김민구
이름조대하
프로젝트 명한국어 텍스트 분류를 위한 워드 임베딩 기법의 로컬 분석과 글로벌 분석 비교 연구
프로젝트요약최근 자연어 처리 분야에 있어 딥러닝을 사용하여 많은 연구들이 이루어지고 있다. 딥러닝 기법에 적용하기 위해 단어 임베딩 방식으로 Word2Vec을 사용하는 경우가 빈번하다. 단어 임베딩 과정에서 로컬 분석과 글로벌 분석의 비교에 대한 영어 연구는 많지만, 이를 한국어에 적용한 연구는 많지 않다. 본 논문에서는 인터넷 포털 사이트인 네이버에서 뉴스 기사를 수집하고, 수집한 뉴스 기사를 사용하여 만든 Word2Vec 모델로 로컬 분석, 기존에 만들어진 한국어 위키피디아 Word2Vec 모델로 글로벌 분석을 적용하여 Convolutional Neural Network로 뉴스 기사 주제 분류 모델을 각각 구축하여 성능을 비교했다. 그 결과, 로컬 분석을 적용한 뉴스 기사 주제 분류 모델이 더 좋은 성능을 보이는 것을 확인하였다.
구분연구
위치325
교과목자기주도연구1
담당교수이정태
이름박준혁
프로젝트 명AUTOSAR모델 검증 시뮬레이터를 위한 Adapter기반 HLA 시뮬레이션 환경 설계
프로젝트요약AUTOSAR의 VFB모델 설계 이후, IB모델링까지 완료하고 코드를 개발하기 이전, 모델 구조의 검증을 위한 시뮬레이터를 설계한다. 시뮬레이션을 이용하여 AUTOSAR컴포넌트의 내부 로직이 구현되있지 않더라도, 컴포넌트간의 포트-인터페이스 연결관계나 AUTOSAR이벤트 호출 시퀀스와 같은 모델단계에서 검증되어야 하는 요소들에 대한 검증을 수행할 수 있게 하는 것이 목표이다. AUTOSAR모델의 HLA 환경으로의 이식을 위한 HLA시뮬레이션 환경 구축법을 연구하고, 이식성을 높이기 위해 시뮬레이션을 구동하는 HLA RTI와 무관하게 RTI가 AUTOSAR RTE의 기능을 수행할 수 있도록 지원하는 HLA Adapter를 설계한다.
구분연구
위치326
교과목자기주도연구2
담당교수최영준
이름박신혁
프로젝트 명네트워크 침입탐지를 위한 RNN기반 예측
프로젝트요약본 연구는 산업 IoT 환경에서 네트워크 침입 탐지를위한 RNN 기반 예측에 관한 연구이다. 침입 탐지는 다음 패킷을 추정하고 실제 패킷으로 거리 측정을 측정하고 점수를 매기고 정상 패킷인지 비정상 패킷인지를 구별하는 비정상 탐지 방법을 사용합니다.
향후 작업은 IP 확장, 데이터 확장 및 기타 성능 향상을 찾는 데 중점을 둘 것입니다. 또한, 이전의 패킷 비교 방법과 평균 측정 방법을 비교하여 성능이 향상되었음을 보여주고 현재 진행률 연구의 성능을 보여줍니다.
구분연구
위치327
교과목자기주도연구2
담당교수한경식
이름백승원
프로젝트 명스마트폰 사용데이터를 기반으로한 사용자 w ell being 측정 모델 개발
프로젝트요약현대 사회의 많은 사람들은 부정적인 감정의 부작용(수면 방해, 집중력 저하)을 완화 하기 위하여, 개개인의 well-being(SWB)을 개선하려는 경향이 있다. 본 연구는 개인의 SWB를 향상시키고, 개선하기 위한 모델을 개발하는데에 목표를 두었다. 특히 본 연구에서는 4개월동안 80명의 학생으로 부터 수집된 스마트폰 센서 데이터를 활용하여 개인의 스마트폰 사용 패턴을 파악하고, 기록된 사용자의 SWB응답을 예측하는 Regression, LSTM 모델을 생성하였다. 모델의 결과를 활용하여, 스마트폰 사용으로부터 추론할 수 있는 SWB에 영향을 미치는 요소를 파악하고, 사용자의 SWB를 높일 수 있는 시기와 방법을 찾아내어, 사용자에게 feedback을 주는것을 본 연구의 최종목적으로 설정하고 연구를 진행하였다.
구분연구
위치328
교과목자기주도연구1
담당교수한경식
이름이주연
프로젝트 명비디오 데이터를 통한 감정 데이터 수집 및 기계학습 모델 개발
프로젝트요약Emotional computing market이 성장함에 따라, text data에 대한 감정 분석이 주목을 받고 있다. 많은 text data의 감정 분석에 대한 연구가 존재하지만 이들은 label된 감정의 신뢰성에 대한 문제를 가진다. 본 연구에서는 미국 TV show, Modern Family의 영상을 이용하여 reliable emotional data set을 얻은 후, 분류 모델로 학습시켜 일상 대화에 대한 감정을 7가지로 분류한다. 이 data set은 영상을 자른 이미지에서 화자를 찾고, 그 화자의 얼굴에 대한 감정을 face api로 얻은 후, 구간을 이용하여 대사와 감정을 mapping하여 만들어진다. 이 data set과 human labeling 방식을 사용하여 만들어진 기존의 emotional data set을 비교하여 본 연구의 data set이 더 좋음을 증명한다.
구분연구
위치329
교과목자기주도연구2
담당교수한경식
이름김치헌
프로젝트 명온라인 커뮤니티 데이터 기반 정신질환 예측 모델링 및 시각화
프로젝트요약급격한 사회의 발전과 더불어 현대인의 정신건강을 만연해지는 개인 및 이기주의와 커뮤니케이션의 부재로 인해 점차 피폐해져가고 있다. 따라서, 최근 정신질환과 관련하여 많은 연구들이 진행 중이다. 정신질환이라고 판별되는 사람의 데이터를 통해 상당 수의 연구들이 진행되는데, 이 때 '정신질환자' 라고 판별되는 데이터 중 상당 수가 SNS 기반 데이터이다. 특히 트위터 데이터를 많이 사용하곤 하는데, 트위터 프로필에 본인 스스로가 정신질환자 라는 키워드 하나만을 가지고 신뢰성이 있는 데이터로 취급하는 것을 확인하였다. 이에 '해당 데이터의 신뢰성을 정량적으로 파악해보자' 라는 주제로 프로젝트를 진행하게되었다. 본 프로젝트에서는 트위터 데이터보다 훨씬 신뢰성이 높은 '정신질환자 인증이 필요한 커뮤니티' 의 데이터를 수집 후 모델링하여, 실제 트위터 데이터가 얼만큼의 정확성을 나타내는 지를 시각화할 예정이다. 시각화 기법은 웹사이트를 이용하여 진행할 예정이고, 그래프 및 워드클라우드를 통해 좀 더 가시적인 확인이 가능하도록 할 예정이다. Vue.js와 Flask, sqlite3를 통해 구현할 예정이다.
구분연구
위치330
교과목자기주도연구2
담당교수황원준
이름강상연
프로젝트 명물체 검출을 위한 YOLO기반 경량화 알고리즘
프로젝트요약실제 TV에서 특정 object dectection을 위해 딥러닝 기술을 접목하고자 합니다. 이를 위해선 소프트웨어가 아닌 SOC칩(System-on-a-chip)으로 변형하여 딥러닝 네트워크 연산을 수행되어야 합니다.
하지만 네트워크를 학습해 나감으로써 딥러닝 필터로 인해 데이터 차원이 늘어나, 많은 메모리가 필요로됩니다. PC와 달리 TV 자체에서 속도등의 문제로 인해 이러한 높은 차원의 영상 처리 연산을 할 수 없는 문제가 있습니다.
이러한 문제점을 해결하고자, 딥러닝 알고리즘 SOC化를 위하여 경량화된 YOLO 기반의 네트워크 제시합니다. 경량화된 네트워크는 Pascal VOC data에서 학습되어 집니다.
또한 기존의 네트워크와 비교하여 경량화된 네트워크가 성능이 비슷함을 증명합니다.
목록





이전글 [AGSC2019-1] 전시과제요약-ICT융합캡스톤디자인
다음글 [AGSC2019-1] 전시과제요약-자기주도프로젝트