선진국 고령 인력의 활용 방안에 대한 사례 연구

차주형,나석희,정민근 대한산업공학회 2006 대한산업공학회 춘계학술대회논문집 Vol.2006 No.5

국내 치과의사의 근골격계질환 실태 조사

차주형,유태범,최화순,이재봉,김명기,정민근,정철현,Cha, Joo-Hyoung,Ryu, Tae-Beum,Choi, Hwa-Soon,Lee, Jai-Bong,Kim, Myeng-Ki,Chung, Min-K.,Jeong, Cheol-Hyun 대한인간공학회 2007 大韓人間工學會誌 Vol.26 No.2

Dentists are known to be highly exposed to the musculoskeletal disorders (MSD). The present study investigated the prevalence of MSD among Korean dentists and association between their MSD and physical workload. In addition, work-related causes of high physical workload were identified and needs of dentists were collected for improvement of dental instrument and environment. Four types of questionnaires including the Nordic questionnaire were used to investigate body troubles, physical workload, causes of physical workload, and improvement priority of dental components. A total of 104 dentists in Seoul were participated in the survey. Neck trouble (82%) was the most prevalent in the participated dentists and shoulder (68%) and low back trouble (56%) followed, while low back trouble was reported to be most common in previous western studies. The body troubles were related to the physical workload of the corresponding body parts, although they were not associated with personal characteristics. Most dentists selected 'to keep direct view inside patient's mouth' and 'no support of the hand with dental instruments' as causes of awkward and strenuous work postures. They wanted design improvement for some components in their operating room such as operating light and arrangement of workplace.

이기종 멀티코어 CPU에서 프로파일 기반 딥 러닝 연산 최적화 기법

차주형,권용인,이제민 대한전자공학회 2023 전자공학회논문지 Vol.60 No.7

Recently, there has been a growing demand to apply deep learning in embedded environments. In constrained embedded environments, heterogeneous multicore CPU architectures like Arm's big.LITTLE are widely utilized to efficiently carry out deep learning computations. Although Arm provides Arm Compute Library (ACL) for optimal deep learning operations, it does not fully leverage the potential of hardwares with the big.LITTLE structure. This paper proposes a profile-based search method for automatically determining the optimal execution kernel and schedule for each hardware. Experiments were conducted on Tinker Edge R, Odroid N+, and Snapdragon 865 HDK boards using AlexNet, VGG16, MobileNetV2, and GoogleNet models. In all cases, the proposed method improved performance up to 266% compared to existing methods. Through the results of this research, we expect to enable cost-effective, low-power, and high-performance execution of deep learning in embedded devices. 최근 임베디드 환경에서 딥 러닝을 적용하고자 하는 요구가 증가하고 있다. 임베디드와 같은 제한적인 환경에서 딥 러닝 연산을 효율적으로 수행하기 위해서 Arm의 big.LITTLE과 같은 이기종 멀티코어 CPU 아키텍처가 널리 활용되고 있다. Arm은 딥 러닝 연산을 최적으로 수행하기 위해 Arm Compute Library(ACL)를 제공하고 있지만, big.LITTLE 구조를 가진 하드웨어의 잠재력을 충분히 활용하지는 못하고 있다. 본 논문은 각 하드웨어에 최적인 실행 커널과 스케줄을 자동으로 결정하기 위한 프로파일 기반 탐색 방법을 제안한다. 실험은 Tinker Edge R, Odroid N+, Snapdragon 865 HDK 보드에서 AlexNet, VGG16, MobileNetV2, GoogleNet 모델을 대상으로 진행하였으며, 모든 경우에서 제안된 방법이 기존의 방법보다 최대 266% 성능 향상을 보임을 확인하였다. 본 연구의 결과를 통해 임베디드 기기에서 저비용, 저전력, 고성능의 딥 러닝 수행이 가능할 것으로 기대한다.

효과적인 차량 선적을 위한 공간 배치의 최적화 기법

차주형,최진석,배유수,우영운,Cha, Joo Hyoung,Choi, Jin Seok,Bae, You Su,Woo, Young Woon 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.2

이 논문에서는 차량 운반선에서 선적 계획과 하적 계획에 따른 차량 선적을 효과적으로 진행하기 위하여, 선박 내 데크에 차량을 효율적으로 배치하는 최적화 기법을 제안하였다. 이를 위해, 선박의 공간 정보를 나타내는 XML 데이터의 변환, 병합 및 분할 알고리즘, 유전자 알고리즘을 활용하였으며, 또한 최적화된 차량 배치 결과를 시각화하는 기능까지 구현하였다. 기존의 전형적인 유전자 알고리즘에서 사용되는 선택, 교차, 변이, 엘리트 보존 등의 기법들을 활용하였으며, 특히 차량의 선적을 위한 선박 공간을 병합 및 분할하는 기법을 함께 제안하여 차량 배치 최적화 기법을 제안하였다. 실험 결과, 기존의 유전자 알고리즘만으로 최적화하기 힘든 부분에 제안한 병합 및 분할 기법을 적용하는 것이 최적화 과정에 효과적이었음을 확인할 수 있었다. 또한, 시각화 기법을 통해 차량 배치 결과를 도면 형태로 보여줌으로써 배치 결과의 효율성을 전문가가 쉽게 판단할 수 있도록 하였다. In this paper, we proposed an optimization technique for efficiently placing vehicles on decks in a vehicle-carrying ship to efficiently handle loading and unloading. For this purpose, we utilized the transformation method of the XML data representing the ship's spatial information, merging and branching algorithm and genetic algorithm, and implemented the function to visualize the optimized vehicle placement results. The techniques of selection, crossover, mutation, and elite preservation, which are used in the conventional genetic algorithms, are used. In particular, the vehicle placement optimization method is proposed by merging and branching the ship space for the vehicle loading. The experimental results show that the proposed merging and branching method is effective for the optimization process that is difficult to optimize with the existing genetic algorithm alone. In addition, visualization results show vehicle layout results in the form of drawings so that experts can easily determine the efficiency of the layout results.

유전자 알고리즘을 이용한 효과적인 영상 생성 기법

차주형,우영운,이임건,Cha, Joo Hyoung,Woo, Young Woon,Lee, Imgeun 한국정보통신학회 2019 한국정보통신학회논문지 Vol.23 No.8

본 논문에서는 유전자 알고리즘을 이용하여 기존 영상과 유사한 영상을 자동으로 생성하는 두 가지 방법을 제안하였다. 실험은 각각의 제안된 방법을 사용하여 두 가지 크기 ($256{\times}256$, $512{\times}512$)의 흑백 영상과 컬러 영상에서 수행되었다. 실험 결과, 전체 영상을 분할된 서브 영상으로 구분하여 모델링한 후 진화하는 기법이 전체 영상을 단일 유전자로 모델링하여 진화한다는 것보다 훨씬 정교하고 진화 속도도 빠르다는 것을 확인할 수 있었다. 따라서 향후 기존 영상과 유사한 영상을 생성하거나 다른 영상으로부터 합성된 영상을 신속하고 자연스럽게 학습하기 위해서는 영상을 분할하여 유전자를 모델링 하는 기법을 이용하여 유전자 모델링, 선택, 교차, 돌연변이 기법 등을 신중하게 결정해야 할 필요가 있다. In this paper, we proposed two methods to automatically generate color images similar to existing images using genetic algorithms. Experiments were performed on two different sizes($256{\times}256$, $512{\times}512$) of gray and color images using each of the proposed methods. Experimental results show that there are significant differences in the evolutionary performance of each technique in genetic modeling for image generation. In the results, evolving the whole image into sub-images evolves much more effective than modeling and evolving it into a single gene, and the generated images are much more sophisticated. Therefore, we could find that gene modeling, selection method, crossover method and mutation rate, should be carefully decided in order to generate an image similar to the existing image in the future, or to learn quickly and naturally to generate an image synthesized from different images.

프랑스에 살고 있는 교포 친구에게

차주형 한국국어교육학회 1996 세계가 한동네 Vol.1996 No.-

단일 ISA 이기종 멀티 코어 구조를 위한 프로파일 기반 ArmCL 최적 스케줄 탐색

차주형(Joo Hyoung Cha),이주빈(Jubin Lee),권용인(Yongin Kwon) 대한전자공학회 2022 대한전자공학회 학술대회 Vol.2022 No.11

ARM Cortex-A 아키텍처에서 머신 러닝 연산을 가속화하기 위해 ArmCL을 제공하고 있다. ArmCL은 이기종 코어 구조에서 Big 코어의 수만큼 쓰레드를 생성하여 병렬 연산하고 있어 모든 CPU 자원을 활용하지 못한다. 본 논문에서는 Big 코어만 활용하는 기존 ArmCL 스케줄러를 대체하여 모든 CPU 자원을 활용하는 스케줄러 구현과 최적화 방법을 소개한다. 실험 결과 기존 ArmCL과 비교하였을 때 연산 성능이 최대 39% 향상이 되는 것을 확인했다.

딥러닝을 활용한 위험 지역 예측 기법

차주형(Joo Hyoung Cha),김성희(Sung-Hee Kim),우영운(Young Woon Woo) 한국정보통신학회 2020 한국정보통신학회 종합학술대회 논문집 Vol.24 No.2

이기종 컴퓨팅과 복수 신경망 추론 환경에서 높은 처리량을 위한 스케줄러 관한 연구

차주형(Joo Hyoung Cha),박제만(Jeman Park),권용인(Yongin Kwon) 한국통신학회 2023 한국통신학회 학술대회논문집 Vol.2023 No.2

인공지능 교육을 위한 멀티 플랫폼 오목 프로그램 설계

차주형(Joo Hyoung Cha),우영운(Young Woon Woo) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.2

본 논문은 프로그래밍의 기초 교육을 이수한 개발자가 빅데이터와 인공지능을 학습하기 위해, C/C++언어로 프로그래밍을 할 수 있는 인공지능 교육서비스에 대해 다룬다. 또한 개발 환경에 따른 맞춤형 개발 환경 구성 시스템과 사용자가 인공지능 구현하여 테스트하는 방법에 대해 설명한다. 이 외에도 다양한 내부 파라미터 조작을 통해 인공지능에 미치는 영향을 확인할 수 있는 기능을 갖추고 있다. 향후 네트워크 통하여 언어의 제약이 없는 인공지능 교육 서비스 개발이 가능할 것으로 예상한다. This paper deals with AI education service that enables developers who have completed basic programming education to program in C/C++ language in order to learn big data and artificial intelligence. In addition, a customized development environment configuration system according to the development environment and how the user implements and tests artificial intelligence are explained. And also it has a function to check the effect on artificial intelligence through manipulation of various internal parameters. It is expected that it will be possible to develop artificial intelligence education services without language restrictions through networks in the future.