http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
무선 센서네트워크에서 동적 예비 클러스터 헤드를 이용한 효율적인 토폴로지 관리 방안에 관한 연구
김재현,이재용,김석규,도윤미,박노성,Kim Jae-Hyun,Lee Jai-Yong,Kim Seog-Gyu,Doh Yoon-Mee,Park No-Seong 한국통신학회 2006 韓國通信學會論文誌 Vol.31 No.6B
무선 애드 혹/센서 네트워크에서 제안된 일반적인 클러스터링 기반의 계층적 토폴로지 관리 기법들은 빈번한 토폴로지 변화에 따라 자주 클러스터링을 재구성하게 되고 네트워크 관리에 필요한 오버헤드가 증가하게 된다. 본 논문에서는 이러한 재클러스터링 문제와 부하 분산을 위하여 동적 예비 클러스터 헤드 기법을 사용하는 멀티 흡클러스터링 알고리즘을 제안한다. 제안하는 기법은 이동성과 전원 레벨로 구성된 가중치 맵을 사용하여 예비 클러스터 헤드를 선출하고 멀티 홉 클러스터를 구성한다. 클러스터 헤드는 이러한 가중치 맵과 임계값을 사용하여 헤드의 역할을 예비 클러스터 헤드에게 넘겨주게 된다. 실험결과, 제안하는 알고리즘이 네트워크의 오버헤드를 줄이고 부하 분산을 제공하며, 토폴로지 변화에 무관하게 적절한 클러스터와 멤버를 관리할 수 있음을 확인하였다. As the topology frequently varies, more cluster reconstructing is needed and also management overheads increase in the wireless ad hoc/sensor networks. In this paper, we propose a multi-hop clustering algorithm for wireless sensor network topology management using dynamic pre-clusterhead scheme to solve cluster reconstruction and load balancing problems. The proposed scheme uses weight map that is composed with power level and mobility, to choose pre-clusterhead and construct multi-hop cluster. A clusterhead has a weight map and threshold to hand over functions of clusterhead to pre-clusterhead. As a result of simulation, our algorithm can reduce overheads and provide more load balancing well. Moreover, our scheme can maintain the proper number of clusters and cluster members regardless of topology changes.
IoE 환경에서 공장에너지 관리를 위한 빅시맨틱 시스템 설계
권순현 ( Soon-hyun Kwon ),이좌형 ( Joa-hyoung Lee ),김선혁 ( Seon-hyeog Kim ),이상금 ( Sang-keum Lee ),신영미 ( Young-mee Shin ),도윤미 ( Yoon-mee Doh ),허태욱 ( Tae-wook Heo ) 한국정보처리학회 2022 한국정보처리학회 학술대회논문집 Vol.29 No.1
기존 IoE 환경에서 수집데이터는 특정 서비스를 위한 도메인 지식과 연계되어 서비스를 제공한다. 하지만 수집되는 데이터의 유형이 다양하고, 정적인 지식베이스가 상황에 따라 동적으로 변화하는 IoE 환경에서는 기존의 지식베이스 시스템을 통하여 원활한 서비스를 제공할 수 없었다. 따라서, 본 논문에서는 IoE 환경에서 발생하는 대용량/실시간성 데이터를 시맨틱으로 처리하여 공통 도메인 지식베이스와 연계하고 기존의 지식베이스 추론 방법과 기계학습 기반 지식 임베딩 기법을 통하여 지식 증강을 유기적으로 진행하는 빅시맨틱 시스템을 제시한다. 제시한 시스템은 IoE 환경의 멀티모달(정형, 비정형) 데이터를 수집하고 반자동적으로 시맨틱 변환을 수행하여 도메인 지식베이스에 저장하고, 시맨틱 추론을 통해 지식베이스를 증강 시키며 증강된 지식베이스를 포함한 전체 지식베이스를 정형 및 반정형 사용자 쿼리를 통해 지식정보를 사용자에게 제공한다. 또한, 기계학습 기반 지식임베딩 기법을 통해 학습·예측을 함으로써, 기존의 지식베이스를 증강하는 기능을 수행한다. 본 논문에서 제시한 시스템은 공장내의 에너지 정보를 수집하여 공정 및 설비 상태 및 운영정보를 바탕으로 실시간 제어를 통한 에너지 절감 시스템인 공장 에너지 관리 시스템의 기반 기술로 구현될 예정이다.