http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Brake by Wire System용 Front Electro Mechanical Brake 개발
박승영(Seungyoung Park),박규식(Kyushik Park),김명준(Myoungjune Kim) 한국자동차공학회 2011 한국자동차공학회 학술대회 및 전시회 Vol.2011 No.11
Brake by Wire system is different from conventional hydraulic brake system that is consist of caliper, pipe, and hydraulic pumps. Electro Mechanical Brake is used for braking component for BBW. BBW includes EMB determines driver’s demand for braking through electric sensors on brake pedal and makes optimum braking torque by current control of EMB. It is essential technology for hybrid and electric vehicle to reduce fuel consumption and to improve vehicle safety. MANDO already tested vehicles equipped Hybrid Brake System has conventional hydraulic calipers for front wheel for safety from electric fails and EMB for rear wheel. We identified rear EMB performance for braking and some functions for vehicle safety. But BBW is more effectively to improve driving safety and fuel consumption than HBS. And it is important to make a front wheel EMB for EV, HEV and green vehicle. This study designed EMB for front wheel using experiences and experimental data of rear wheel EMB and made proto samples for vehicle test and confirmed basic performance.
불균형 웹 어플리케이션 공격 탐지를 위한 CNN 기반 저복잡도 판정 신뢰도 추정
박승영(Seungyoung Park),김한성(Hansung Kim),정태준(Taejoon Jung) Korean Institute of Information Scientists and Eng 2020 정보과학회논문지 Vol.47 No.9
As web application attacks have been rapidly increasing and their types have been diversified, there are limitations on detecting them with the existing schemes. To resolve this problem, the detection techniques using machine learning such as the convolutional neural network (CNN) have been proposed. However, the confidence on the decision error sample in these techniques has been unreliable. To estimate more reliable decision confidence, the Monte-Carlo batch normalization (MCBN) technique combined with the CNN has been proposed. In particular, the CNN performs multiple decisions on a given evaluation sample using multiple mini-batches containing it. Then, its decision confidence estimate is obtained by averaging the multiple decision results. However, it requires too large of a computational load. The reason is that each mini-batch comprises randomly selected (M-1) training samples and only one evaluation sample, when the mini-batch size is M. In this paper, we propose a reduced complexity decision confidence estimation scheme for imbalanced web application attack detection. Specifically, the proposed scheme reduces the computational load by up to M times compared to the MCBN scheme. Also, at the estimation process, the ratio of normal and attack samples in the mini-batch should be maintained the same as that of the training process. To achieve this, we found which class size was small by performing a temporal decision on the evaluation samples. Then, the small class was over-sampled using the training samples to maintain the ratio. Our experimental results showed that the performance improved, and the reliability estimation performance was not significantly degraded compared to the MCBN scheme.
스마트팜 제어 데이터 유무에 따른 딥러닝을 이용한 내부 온·습도 예측 알고리즘의 정확성 평가
조라훈 ( Lahoon Cho ),박승영 ( Seungyoung Park ),김대현 ( Daehyun Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1
최근 국내에서 스마트팜과 빅데이터 및 인공지능 기술을 연계하려는 다양한 연구가 진행되고 있다. 빅데이터 및 AI기술을 스마트팜 내 환경제어와 연계하기 위해서는 정확성 높은 내부 환경 예측이 필요하다. 딥러닝을 활용하여 정확성이 높은 시설 내부 환경 예측을 위해서는 시설의 내ㆍ외부 환경데이터 뿐만 아니라 제어데이터가 수반되어야 한다. 하지만 현재 국내 시설농가에서 환경데이터와 제어데이터를 모두 확보할 수 있는 농가는 일부에 불과하다. 본 연구는 충청북도 진천에 위치한 약 2000평 규모의 파프리카 스마트팜에서 저장된 2021년 환경데이터 및 제어데이터와 GPT 신경망을 활용하여 온실 내부 온·습도를 예측하는 딥러닝 알고리즘을 개발하였다. 학습은 실제 농장 데이터와 출력값의 MSE(mean square errㆍr)를 최소화하는 것을 목표로하여 진행되었다. 제어변수에 따른 알고리즘의 정확성 평가를 위하여 외부습도, 창문 개폐율, 커튼 개폐율, 난방수 온도&난방펌프 작동유무를 각각의 하나의 제어변수로 설정하여 총 4가지의 제어데이터 유무에 따른 16가지 경우의 알고리즘을 구성 및 학습을 진행하였다. 학습을 통해 시설 내부 온ㆍ습도 예측값과 실제값 간의 결정계수(R-square)를 통해 결과를 나타내었고 이를 비교분석하였다. 제어데이터를 포함하지 않고 외기, 광량을 입력, 내부 온ㆍ습도를 출력으로 한 기본모델의 온습도 예측 결과는 각각 0.90, 0.68로 나타났다. 이는 모든 학습 결과의 R2 평균값인 온도 0.89, 습도 0.63과 유사하게 나타나는 것을 확인하였다. 이를 통해 스마트 팜의 제어데이터 없이 기본적인 환경데이터만을 활용하여도 정확성 있는 내부 온ㆍ습도 예측이 가능한 것을 확인하였다.
Multitier 웹 어플리케이션 환경에서 악의적인 SQL Query 탐지를 위한 HTTP Request - SQL Query 매핑 기법
서영웅(Yeongung Seo),박승영(Seungyoung Park) Korean Institute of Information Scientists and Eng 2017 정보과학회논문지 Vol.44 No.1
The continuously growing internet service requirements has resulted in a multitier system structure consisting of web server and database (DB) server. In this multitier structure, the existing intrusion detection system (IDS) detects known attacks by matching misused traffic patterns or signatures. However, malicious change to the contents at DB server through hypertext transfer protocol (HTTP) requests at the DB server cannot be detected by the IDS at the DB server’s end, since the DB server processes structured query language (SQL) without knowing the associated HTTP, while the web server cannot identify the response associated with the attacker’s SQL query. To detect these types of attacks, the malicious user is tracked using knowledge on interaction between HTTP request and SQL query. However, this is a practical challenge because system’s source code analysis and its application logic needs to be understood completely. In this study, we proposed a scheme to find the HTTP request associated with a given SQL query using only system log files. We first generated an HTTP request-SQL query map from system log files alone. Subsequently, the HTTP request associated with a given SQL query was identified among a set of HTTP requests using this map. Computer simulations indicated that the proposed scheme finds the HTTP request associated with a given SQL query with 94% accuracy.
GPT 알고리즘을 이용한 시설온실 내부 온ㆍ습도 예측 알고리즘 개발 및 검증
조라훈 ( Lahoon Cho ),박승영 ( Seungyoung Park ),김대현 ( Daehyun Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
전 세계적으로 지속적인 인구 증가로 인한 식량 부족 문제를 해결하기 위해 빅데이터와 인공지능(AI)을 접목한 스마트 농업에 대한 관심이 높아지고 있다. 시설재배 시 적절한 내부 환경 조절은 질병 예방, 수확량, 에너지 사용 등 농가 수익과 밀접한 관련이 있으므로 중요한 요소이다. 그러나 작물의 상태, 종류, 외기 등 다양한 요인으로 적절한 환경조성을 하는 것은 어려운 일이다. 따라서 본 연구에서는 3개 온실(진천 파프리카, 평창 파프리카, 진주 토마토)의 환경 및 제어 데이터와 GPT 알고리즘을 활용하여 시설 내부환경(온ㆍ습도)을 예측할 수 있는 모델을 개발하였고, 이를 LSTM 알고리즘과 비교분석을 통해 검증하였다. 모델개발을 위한 학습은 실제 농장 데이터와 출력값의 MSE(mean square error)를 최소화하는 것을 목표로 진행되었다. 학습 검증을 위해 시설 내부 온ㆍ습도 예측값과 실제값 간의 결정계수(R-square)를 통해 결과로 나타내었다. GPT 알고리즘을 기반으로 한 예측 모델의 경우 3개 온실에서 온ㆍ습도의 R2 평균값이 각각 0.92, 0.65로 나타났다. 또한 LSTM 모델 대비 온ㆍ습도 모두 정확도가 약 4%p 높게 나타나 GPT 기반 예측 모델의 성능이 높게 나타남을 확인하였다. 제어 데이터를 환기, 커튼, 난방 및 냉방으로 분류 후 이를 8가지 경우로 나누었다. 각 온실마다 8가지 상이한 입력값을 기준으로 학습을 진행하여 결과를 분석하였다
진동과 CAN 데이터를 통한 차량 브레이크 패드의 상태 진단 모델 연구와 차량 예지보전에 대한 고찰
유병욱(Byungwook Yoo),오명근(Myunggeun Oh),박승영(Seungyoung Park),조범래(Bumrae Cho) 한국자동차공학회 2023 한국자동차공학회 부문종합 학술대회 Vol.2023 No.5
자율주행 그리고 차량공유 시대의 도래로 자동차 PdM의 필요가 부상하고 있다. 하지만 이제껏 PdM이 적용된 다른 산업들과는 다르게, 자동차의 주변환경은 변화의 폭이 크고 고사양의 데이터 수집 인프라를 활용하기 어렵다. 본 논문은 현시점 자동차의 주요 구성요소 중 데이터 취득 및 분석이 가장 용이한 브레이크 패드를 연구하여, AI에 의한 차량 상태 모니터링과 건전성 예측의 가능성을 검토한다. 브레이크 패드의 동역학에 관련된 CAN 데이터, 그리고 차량에 가속도센서를 장착하여 수집한 제동 시의 0~250Hz 대역 진동 3축 성분 STFT 값을 학습 데이터로 사용했다. 모델은 LGBM, XGBoost, 딥러닝 기법을 조합하여 앙상블 학습했다.