http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
다중 연속질의에서 슬라이딩 윈도우 집계질의 최적화를 위한 선형 자원공유 기법
백성하(Seong-Ha Baek),유병섭(Byeong-Seob You),조숙경(Sook-Kyoung Cho),배해영(Hae-Young Bae) 한국정보과학회 2006 정보과학회논문지 : 데이타베이스 Vol.33 No.6
스트림 처리기는 다수의 연속질의에서 제한된 자원을 효율적으로 이용하기 위하여 자원공유기법을 이용한다. 기존의 기법은 계층구조를 유지하여 집계질의를 처리한다. 그래서 삽입연산은 계층구조 재구성 비용이 필요하다. 또한 검색연산은 서로 다른 슬라이딩 윈도우 크기에 속하는 집계정보 검색비용이 필요하다. 그래서 본 논문에서는 보다 빠른 질의 처리를 위해 선형 자료구조를 사용한다. 제안기법은 팬(Pane)크기 결정단계와 팬 생성단계, 팬 삭제단계로 구성된다. 팬 크기 결정단계는 정확한 집계정보를 유지하기 위한 최적 팬 크기를 결정하는 단계이며, 팬 생성단계는 스트림 버퍼로부터 팬 크기만큼의 데이타에 대한 집계정보를 저장하는 단계이다. 팬 삭제단계는 더 이상 연속질의가 사용하지 않는 팬을 삭제하는 단계이다. 제안 기법은 선형 자료 구조를 이용하므로 계층구조를 이용하는 자료 구조에 비해 자원을 적게 사용한다. 또한 스트림 데이타가 입력되어도 팬 크기에 해당하는 집계정보만 계산하면 되므로 집계정보 삽입비용이 감소하고, 서로 다른 슬라이딩 윈도우 크기에 대해서도 선형검색으로 집계정보 검색비용이 감소한다. 성능평가를 통하여 제안기법이 적은 메모리 사용 결과를 보였으며, 질의 처리 속도가 증가하였다. A stream processor uses resource sharing method for efficient of limited resource in multiple continuous queries. The previous methods process aggregate queries to consist the level structure. So insert operation needs to reconstruct cost of the level structure. Also a search operation needs to search cost of aggregation information in each size of sliding windows. Therefore this paper uses linear structure for optimization of sliding window aggregations. The method comprises of making decision, generation and deletion of panes in sequence. The decision phase determines optimum pane size for holding accurate aggregate information. The generation phase stores aggregate information of data per pane from stream buffer. At the deletion phase, panes are deleted that are no longer used. The proposed method uses resources less than the method where level structures were used as data structures as it uses linear data format. The input cost of aggregate information is saved by calculating only pane size of data though numerous stream data is arrived, and the search cost of aggregate information is also saved by linear searching though those sliding window size is different each other. In experiment, the proposed method has low usage of memory and the speed of query processing is increased.
군집화를 통해 추출한 AI 학습용 분광 스펙트럼 데이터 기반 유해화학물질 판독 모델
유성민(Seong-Min Ryoo),김연진(Yeon-Jin Kim),조숙경(Sook-Kyung Cho),백성하(Sung-Ha Baek),김경배(Gyeong-Bae Kim) 한국통신학회 2024 韓國通信學會論文誌 Vol.49 No.8
유해화학물질 사고는 소량이라도 주변에 큰 영향을 미칠 수 있기에 사고 발생 시 해당 화학물질을 신속하게 식별하고 적절히 대응하는 것이 매우 중요하다. 기존의 화학물질판독 연구는 화학물질 센서 및 영상정보를 활용하였으나, 화학물질 센서를 기반으로 한 방법은 센서가 없는 경우 적용이 어려우며, 영상정보를 기반으로 한 방법은 물질의 색상이 동일하거나 무색인 경우에 탐지가 어려운 문제점이 있다. 따라서 본 논문에서는 동일한 색상이나 무색의 유해화학물질을 구분할 수 있도록 분광 스펙트럼 데이터를 이용한 새로운 AI 기반 유해화학물질 판독 시스템의 인공지능학습데이터 구축 기법 및 유해화학물질 판독 모델을 제안한다. 제안된 인공지능학습데이터 구축 기법은 원시 분광 스펙트럼 데이터에 군집화를 통한 데이터 추출 방법을 적용하여 데이터 추출의 정확도를 향상시켰다. 또한, 추출한 데이터를 기반으로 물질의 분광 스펙트럼 데이터의 특성을 반영해서 랜덤 포레스트 알고리즘을 활용해 구현한 유해화학물질 판독 모델을 제안하였고, 자체 실험을 통해 모델의 성능을 검증했다. 본 논문에서 제안된 인공지능기반 유해화학물질 판독 시스템은 시각적 특징이 없는 유해화학물질 사고 발생 시에도 신속한 판독이 가능함으로써 선제적 대응을 통해 화학 사고의 피해를 줄일 수 있을 것으로 기대된다. Hazardous chemical incidents can have a significant impact on the surroundings even with small quantities involved. Therefore, it is crucial to swiftly identify the chemical substance involved in an incident and respond appropriately when such incidents occur. Conventional studies on chemical substance identification have utilized chemical sensors and visual information. However, methods based on chemical sensors are challenging to apply when sensors are unavailable, and approaches relying on visual information face difficulties in detecting substances with identical or colorless characteristics. Therefore, this paper proposes a novel artificial intelligence-based hazardous chemical detection system using spectral spectrum data to address the challenge of distinguishing hazardous chemicals with the same color or those that are colorless. The paper introduces a technique for constructing artificial intelligence training data and a hazardous chemical detection model based on spectral spectrum data. The proposed artificial intelligence training data construction method improved the accuracy of data extraction by applying clustering to raw spectral spectrum data for extraction. Additionally, based on the extracted data and reflecting the characteristics of material spectral spectrum data, we proposed a hazardous chemical detection model implemented using the random forest algorithm. We validated the performance of the model through in-house experiments. The AI-based hazardous chemical detection system proposed in this paper is expected to minimize the damage from chemical incidents through rapid identification, even in cases where hazardous chemicals lack visual characteristics, enabling proactive response measures.