http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
배상중,김민규,정회경,Bae, Sangjung,Kim, Mingyu,Jung, Hoekyung 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.6
Generative adversarial networks are methods of generating images by opposing two neural networks. When generating the image, randomly generated noise is rearranged to generate the image. The image generated by this method is not generated well depending on the noise, and it is difficult to generate a proper image when the number of pixels of the image is small In addition, the speed and size of data accumulation in data classification increases, and there are many difficulties in labeling them. In this paper, to solve this problem, we propose a technique to generate noise based on random noise using real data. Since the proposed system generates an image based on the existing image, it is confirmed that it is possible to generate a more natural image, and if it is used for learning, it shows a higher hit rate than the existing method using the hostile neural network respectively. 생성적 적대 신경망(GAN, Generative Adversarial Network)은 두 개의 신경망을 대립하여 이미지를 생성하는 방법이다. 이미지를 생성할 때 랜덤으로 생성한 노이즈를 재배열하여 이미지를 생성하는데 이러한 방법으로 생성된 이미지는 노이즈에 따라 생성이 잘 이루어지지 않고, 이미지의 픽셀이 적은 경우 제대로 된 이미지를 생성하기 어렵다는 문제점이 발생할 수 있다. 또한 데이터 분류에서 데이터가 쌓이는 속도와 크기가 증가되는데 이들을 라벨링하는 데는 많은 어려움이 있다. 본 논문에서는 이를 해결하기 위해 랜덤으로 생성하던 노이즈에 실제 데이터를 사용하여 노이즈를 생성하고 이를 기반으로 이미지를 생성하는 기법을 제안한다. 제안하는 시스템은 기존에 있는 이미지를 기반으로 하는 이미지를 생성하는 것이므로 좀 더 자연스러운 이미지의 생성이 가능하다는 것을 확인하였고 이를 학습에 이용할 경우 기존의 생성적 적대 신경망을 사용한 방법보다 더 높은 적중률을 보임을 확인하였다.
정대진,김재윤,배상중,정회경,Jeong, Daejin,Kim, Jaeyoon,Bae, Sangjung,Jung, Hoekyung 한국정보통신학회 2019 한국정보통신학회논문지 Vol.23 No.1
최근 실험실에서 사용하는 시약장은 IoT 기반 다양한 센서들을 활용하여 내부 환경을 실시간으로 측정하고 사용자들에게 서비스를 제공한다. 센서 데이터를 수집한 후 서버 내에서 위험상황을 식별하고 기기들에게 동작 명령을 전송하게 된다. 이와 같은 중앙 집중형 관리시스템은 여러 대의 시약장에서 측정되는 센서 데이터들을 전송받고 처리하게 될 경우 시약장의 수가 증가할 때마다 데이터 처리 속도가 점차 증가하게 되는 문제가 발생할 수 있다. 이를 해결하기 위해 본 논문에서는 중앙 집중형이 아닌 분산 환경에서 시약장 내부 환경을 분석하여 위험상황의 식별 및 기기 제어를 수행할 수 있는 분산 제어가 가능한 분산 IoT 센서 기반 실험실 안전관리 시스템에 대해 연구한다. 이와 같이 분산형 제어가 가능한 센서 모듈을 이용한 시약장 내부 환경 제어 통해 위험상황에 대한 식별 및 대처를 자동으로 진행함으로써 기존의 시약장과 실험실을 관리하는 시스템들보다 신속한 대처 및 안전관리가 이루어졌음을 확인하였다. Storage cabinet in a lab in these days measures various environmental factors in real-time with IoT sensors. Preexisting system collects sensor data, analyze a risk and then command other equipment. Such centralized control system tends to have an issue with of speed slowing down. It's because when there are more storage cabinets, there are more data to process. In order to solve this issue, this report addresses decentralized IoT sensor based lab safety control system. It can analyze internal state of storage cabinet to identify any hazardous situations and effectively control them. Such decentralized control system using sensor modules for internal environment of the cabinet storage and automated control algorithm based on administrator's log history can manage any hazardous situations by automated control of environment factors of inside a lab. It would allow users to deal with a hazard if it happens. Even better, it can prevent it to happen from the beginning.