http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
7가지 상태를 이용한 SIP 인터넷 전화연결 시스템 설계 및 구현
신용경(YongKyoung Shin),김상욱(SangWook Kim) 한국정보과학회 2007 정보과학회 컴퓨팅의 실제 논문지 Vol.13 No.5
SIP은 IP 전화 통신에서 통신 셋업을 위해 사용되는 주요 프로토콜 중 하나다. SIP을 통한 통신은 사용자 요구에 따라 다양한 상태가 필요하다. 본 논문은 기존의 SIP 프로토콜을 이용하여 전화연결시 사용자의 요구에 따라 수시로 변하는 상태를 7가지로 정의하고, 객체 지향적인 시스템 설계에 따라 각 상태를 전이하는 이벤트를 두어 개발자 관점에서 SIP 프로토콜을 이용한 새로운 응용서비스를 개발하고자 할 때 객체지향적인 시스템 설계를 할 수 있다. 상용망에서 RFC 3261에서 제시하는 Call-Setup과정을 따라 인터넷 전화연결 시스템을 설계하면 예외처리 및 과다한 트래픽이 발생하여 시스템 오류를 불러올 수 있다. 이 경우에 시스템의 State를 보고 예상된 이벤트일 경우 정형화된 처리루틴으로 대처하고, 그렇지 않을 경우도 예외상황을 효율적으로 처리할 수 있다. 이벤트 처리루틴은 FSM으로 설계 및 구현하였다. The Session Initiation Protocol (SIP) is one of the major protocols used in call-setup over IP telephony. The SIP-signaled calls use many-sided states according to a request of user. In this paper, we suggest seven states and some events that help developers to design and implement new applications efficiently. And they enable an object-oriented design of the system. If you design the call-setup procedure only by the processing model suggested in RFC 3261 over commercial network, a fatal error may occur in the system because of heavy data traffic or unpredicted exception cases. However, according to the suggested seven states, if they are predefined events in the current system state, the standardized processing routine is executed. Otherwise, they can be processed by the exception routine in system. All event processing routines are designed and implemented using Finite State Machine (FSM).
End-to-end Convolutional Neural Network Design for Automatic Detection of Influenza Virus
Junghwan Lee,Heesang Eom,Yuli Sun Hariyani,Cheonjung Kim,Yongkyoung Yoo,Jeonghoon Lee,Cheolsoo Park 대한전자공학회 2021 IEIE Transactions on Smart Processing & Computing Vol.10 No.1
Owing to the high mortality rate of influenza diseases, the early examination and accurate detection of the influenza virus are crucial for preventing potential tragedies. This paper reports the design of a highly reliable machine learning classifier for automatic detection of the influenza virus based on an image of its detection kit. Convolutional neural networks (CNNs), currently the most reliable image classifiers, were designed for the images of an influenza detection kit, and their hyperparameters were fine-tuned using an architecture search algorithm, Bayesian optimization, and hyperband (BOHB). With an overall accuracy of 90.14%, the designed and optimized 2DCNNs algorithm successfully separate the influenza virus from normal using the detection kit images.