디지털 라이브러리[ 검색결과 ]
멀티 스레드 기반 ROS 2 응용을 위한 실시간 스케줄링 프레임워크
http://doi.org/10.5626/JOK.2025.52.1.1
물리 세계에서 동작하는 로봇 응용의 실시간 성능은 중요하다. 로봇 응용은 로봇 운영 체제(Robot Operating System) 2 위에서 수십 또는 수백 개의 태스크들로 구성되며, 센싱부터 제어까지의 종단간 지연 시간이 길어지면, 출력으로 생성되는 모션이 지연되어 물리적인 사고를 일으킬 수 있다. 본 논문은 프로세스 그래프를 대상으로 제안된 확률적 지연 시간 분석 방법을 스레드 그래프를 대상으로 적용하는 것을 가능하게 만드는 실시간 스케줄링 프레임워크를 제안한다. 제안하는 프레임워크는 전역적 스케줄 테이블을 참조하여 주기값이 같은 콜백 함수들을 하나의 그룹으로 묶고, 각 그룹마다 전담 스레드를 배정함으로써 스레드 그래프를 만들어낸다. 그리고 각 스레드를 테이블이 정하는 CPU 코어에 고정한 상태에서 FIFO로 스케줄한다. 본 논문은 제안하는 프레임워크를 Autoware 측위 파이프라인에 적용하여 이 프레임워크 아래서 확률적 지연 시간 분석이 가능함을 확인한다.
자동 편집을 이용한 개체명 말뭉치 확장
http://doi.org/10.5626/JOK.2023.50.1.11
자연언어처리 분야에서 말뭉치는 기계학습이나 심층학습을 위한 필수 자원이다. 한국어 개체명 말뭉치의 경우, 미국이나 일본이나 중국 등에 비해 잘 정제된 개체명 말뭉치가 부족한 실정이다. 현재 수행되고 있는 대부분의 개체명 말뭉치 구축 작업은 수작업이나 반자동으로 진행되고 있으며 이 경우에는 많은노력과 비용이 소요된다. 본 논문에서는 새롭게 말뭉치를 구축하는 것이 아니라 기존에 존재하는 적은 양의 말뭉치를 자동으로 확장하는 방법을 제안한다. 제안된 방법은 기존 말뭉치에 포함된 단어를 자동 편집(대체(substitution), 삽입(insertion), 삭제(deletion))을 이용해서 말뭉치를 확장한다. 단순한 단어를 편집하는 것은 확장된 말뭉치가 부자연스럽거나 다양성이 다소 부족할 수 있으므로 확률 표집을 적용하여 이 문제를 해결하였다. 본 논문에서는 확장된 말뭉치를 이용해서 개체명 인식기에서 성능이 향상됨을 확인할 수 있었다.
다트 던지기 기법을 사용한 개선된 격자구조 샘플링
http://doi.org/10.5626/JOK.2021.48.5.527
본 논문은 다트 던지기 기법을 통하여 샘플링 영역을 결정하는 격자구조 샘플링 방식을 제안한다. 영상처리, 컴퓨터 그래픽스 등 다양한 분야에서 활용되는 확률적 샘플링 기법은 샘플이 균일한 랜덤분포를 가질수록 고품질의 이미지를 생산한다. 이 중 블루노이즈의 특성을 가진 패턴은 낮은 주파수 영역을 제거하며 계단 현상 문제를 해결하는데 중요한 역할을 한다. 다만 이 특성을 가진 패턴은 샘플링 생성 부하가 높아 격자구조 샘플링과 같은 패턴이 제안되었으나 격자 구조로 인하여 랜덤성이 낮다. 본 논문은 격자구조에서 샘플링 영역을 다트 던지기 기법을 통해 결정하여 랜덤성을 높이는 방식을 제안한다. 샘플링 영역을 무작위로 샘플링할 영역을 결정한 후 그 영역 내에서 랜덤하게 샘플의 위치를 결정한다.
자율주행 컴퓨팅 시스템을 위한 확률적 응답시간 분석
http://doi.org/10.5626/JOK.2021.48.5.486
본 논문은 자율주행차를 위한 컴퓨팅 시스템의 센싱부터 제어까지의 종단간 응답시간을 확률적으로 분석하는 기법을 기술한다. 종단간 응답시간은 차량 응답성을 평가하는 지표로서, 차량 안전을 보장하는 다양한 지표들을 유도하는데 활용될 수 있다. 예를 들어, 장애물 센싱부터 차량 정지를 위한 제어까지의 종단간 응답 시간이 주어지면, 차량 안전을 위해서 요구되는 차량 속도의 상한을 정의할 수 있다. 또한, 제안하는 분석은 차량 응답성을 개선하기 위해서 컴퓨팅 자원을 얼마나 투입해야 하는지를 판단하기 위해서도 활용될 수 있다. 본 논문은 ERF(Earliest Release First) 스케줄링을 사용하고 태스크마다 CPU를 고정적으로 지정하여 실행한다는 가정 하에서 안전한 분석 방법을 제안하고, 오픈소스 자율주행 스택 오토웨어(Autoware)의 응답성 분석 결과를 제시한다.
IoT 시스템의 시스템 행위를 예측하기 위한 확률 프로세스 대수
http://doi.org/10.5626/JOK.2020.47.3.247
특정 불확실한 상황에서 IoT 시스템의 예측 가능성을 모델링할 필요가 있다. 확률 프로세스 대수는 이러한 불확실성을 다루기 위해 확률 개념을 기반으로 IoT 시스템 행위의 예측 가능성을 모델링할 수 있다. 예를 들어, PAROMA, PACSR 등과 같은 확률 속성을 포함하는 여러 프로세스 대수들이 있다. 그러나 이러한 프로세스 대수들은 단순한 이산 모델이나 지수 모델에만 기반을 두고 있기 때문에 IoT 시스템을 분석하는데 한계가 있다. 이러한 프로세스 대수들의 한계를 다루기 위해, 본 논문은 dTP-Calculus라고 하는 새로운 프로세스 대수를 제시한다. dTP-Calculus는 복잡한 불확실성을 가진 스마트 IoT 시스템에 네 가지의 확률 모델을 적용할 수 있는 기능을 제공한다. 본 논문에서 제시하는 접근 방법의 실용성을 입증하기 위해 dTP-Calculus를 사용하여 IoT 시스템을 모델링하기 위한 SAVE라고 하는 도구가 개발되었다.
스마트 기기를 이용한 다단계 퓨전 행위인지 프레임워크
http://doi.org/10.5626/JOK.2018.45.9.950
관성센서 기반 행위인지 연구는 여러 센서를 신체에 부착하는 방식에서 스마트 기기의 출현 이후로 최소한의 센서만을 이용하는 방향으로 변화되었다. 본 논문에서는 최소한의 센서를 활용한 행위인지를 위하여 일반적으로 쉽게 구할 수 있는 스마트폰과 스마트워치를 사용하여 일상생활 행위를 중심으로 한 다단계 퓨전 행위인지 프레임워크를 제안한다. 제안하는 프레임워크에서는 데이터 퓨전(Data Fusion), 특징퓨전(Feature Fusion), 결정 퓨전(Decision Fusion)을 모두 사용하며, 결정 퓨전에서는 일반적으로 사용되는 다수결 투표(Majority Voting) 방식 혹은 가중 투표 방식(Weighted Voting)이 아닌 사후확률(Posterior Probability)에 기반한 퓨전 방식을 사용하여 정확도와 신뢰도를 높였다. 실험은 확률 방식의 사용 여부 및 각각의 퓨전을 사용/미사용 했을 때의 성능을 비교하여 제안하는 방식의 우수성을 입증하였다.
복부 CT 영상에서 다중 아틀라스 기반 형상 및 밝기값 정보를 사용한 신실질 자동 분할
http://doi.org/10.5626/JOK.2018.45.9.937
부분신장절제술 후 절제술을 수행한 반대쪽 신장의 보상성 비대를 예측하기 위해 신실질을 분할하는 것이 필요하다. 본 논문에서는 복부 CT 영상에서 다중 아틀라스 기반 형상 및 밝기값 정보를 사용한 신실질 자동 분할 방법을 제안한다. 첫째, 볼륨 기반 유사 정합 및 밝기값 기반 유사도 측정을 통해 유사 아틀라스를 선정한다. 둘째, 볼륨 기반 유사 정합 및 아틀라스 기반 어파인 정합의 단계적 정합 및 밝기값 기반 제한된 지역적 가중투표를 통해 신실질을 분할한다. 셋째, 밝기값의 분포가 훈련 영상과 달라 분할이 제대로 되지 않는 데이터에 대해 가우시안 혼합 모델 기반 다중 임계치 기법을 통한 피질 분할 및 형상확률맵을 이용한 수질 분할 방법을 선택적으로 수행한다. 제안방법을 통한 분할 결과와 수동 분할 결과 간 다이스 유사계수는 91.34%로, 다중 투표 기법을 통한 분할 및 지역적 가중투표를 통한 분할 방법대비 다이스 유사계수가 각각 18.19%, 1.35% 향상되었다.
주제 추출을 위한 맵리듀스 기반의 사전확률 최적화 알고리즘
http://doi.org/10.5626/JOK.2018.45.5.478
대용량 테스트 문서에서 의미 있는 정보를 찾기 위한 다양한 주제 추출 알고리즘이 사용되고 있다. 주제 추출 알고리즘은 베이지안(Bayes) 확률 모델을 사용하기 때문에 사전확률 α와 β가 입력으로 주어져야 한다. 기존에는 주제 추출 알고리즘을 사용하기 위해 기본(default) 사전확률을 사용하거나, 주관적으로 그 값을 결정하였다. 본 연구에서는 주제 추출 알고리즘의 사전확률을 자동으로 결정해주는 맵리듀스 기반의 알고리즘을 제안하고 대용량 데이터에 대한 성능과 정확도를 크게 향상시켰다. 기존의 단일 쓰레드 알고리즘과 다르게, 제안된 맵리듀스 알고리즘은 입력된 데이터에 적합한 사전확률을 빠르게 찾고 주제 추출 알고리즘을 실행하여 정확한 주제를 추출할 수 있다. 본 연구의 실험 결과에 따르면, 제안 방안은 주제일관성과 성능 측면에서 기존 방안보다 우수함을 나타낸다.
확률파싱오토마타 모델
확률문법은 자연어처리에서 사용되며, 확률문법에 대한 구문분석의 결과인 파스는 문법의 확률을 그대로 보존해야 한다. 대표적인 구문분석방법인 LL 파싱과 LR 파싱의 확률파싱 가능성을 살펴볼 때 LL 파싱은 문법의 확률정보를 그대로 유지하는 반면에 LR 파싱은 그렇지 않다. 확률문법과 확률파싱오토마톤과의 관계에 관한 기존 연구로 확률보존조건을 충족하는 오토마톤의 특성에 관한 연구는 진행된 바 있다. 그렇지만, 현재로서는 확률보존조건을 충족하는 오토마톤 생성모델에 관해서는 알려진 바가 없다. 본 논문에서는 단일상태파싱오토마타에 기반한 확률파싱오토마타 모델을 제안한다. 제안 모델로부터 생성되는 오토마톤은 확률보존조건을 보장하기에 별도의 확률파싱 가능 여부를 테스팅하는 단계가 불필요하고, 별도의 확률 함수를 정의하지 않아도 된다. 또한 매개인자를 적절하게 선택하여 효율적인 오토마톤의 생성이 가능하다.
리팩토링을 위한 소프트웨어 메트릭의 베이지안 네트워크 기반 확률적 관리
최근 지능형 스마트 디바이스의 눈부신 발전과 사용으로 개발 단계의 소프트웨어 결함 관리의 중요성이 부각되고 있다. 효과적 결함 관리를 위해 소프트웨어 메트릭을 토대로 많은 결함 예측 모델 연구가 수행되고 있지만, 결함 예측 모델 연구 성과가 널리 확산되지는 못하고 있다. 본 논문에서는 결함 존재 유무에 관한 이진적 결함 예측 모델의 제약을 극복할 수 있도록, 베이지안 네트워크 기반 확률적 소프트웨어 메트릭 관리 방법을 제안한다. 제안 모델은 소프트웨어 메트릭을 활용하여 베이지안 네트워크를 구성하고, 이를 토대로 베이지안 추론을 수행하여 리팩토링을 위한 개선점을 식별할 수 있는 모델이다. 코드리팩토링을 통해 소스 코드가 개선되면 관련 메트릭 측정값 또한 변하게 된다. 제안 모델은 리팩토링을 통한 메트릭의 개선으로 얻을 수 있는 결함 제거 효과를 확률 값으로 제시해준다. 따라서 이진 값 형태의 확정성을 극복할 수 있으며, 불확정적인 확률 값으로 의사결정의 유연성을 확보할 수 있을 것이다.
