버블의 견인력을 이용한 유체 자가-조립 연구

임현승(Hyeonseung Im),이수민(Sumin Lee),안유민(Yoomin Ahn),하승모(Seung-mo Ha),정성환(Sunghwan Jung),이성호(Sungho Lee) 대한기계학회 2010 대한기계학회 춘추학술대회 Vol.2010 No.11

Fluidic self-assembly is attractive solution to overcome packaging and integration challenges. This paper shows a new method of fluidic self-assembly with bubble of drag force. We fabricated the Si wafer with Cu micro pattern of 650㎛ x 650㎛ using photo lithography. Solder balls are attached on the Cu micro pattern. In this experiments, we used the solder ball size of 400㎛, 500㎛ and 600㎛ to measure the effects of self-alignment and capillary force. Solder ball was made by Sn96.5/Ag3/Cu0.5. Experiment was carried out in the liquid GALDEN D40 at 230℃which is higher solder ball melting point. Capillary forces from molten solder ball can be used to bond micro-scale block (950㎛ x 950㎛) in a self-assembly process. Bubble made by tube size is 1mm and velocity is 0.11㎧.

스칼라 동시 프로그래밍

임현승(Hyeonseung Im) 한국정보과학회 2017 정보과학회지 Vol.35 No.3

재귀 모듈을 위한 구문 기반 타입 시스템

임현승(Hyeonseung Im),임정표(Jeongpyo Lim),박성우(Sungwoo Park) 한국정보과학회 2012 정보과학회 컴퓨팅의 실제 논문지 Vol.18 No.12

ML 모듈 시스템은 강력한 모듈화 프로그래밍과 데이터 추상화를 지원함에도 불구하고 재귀 모듈을 지원하지 못한다는 점이 단점으로 지적되어 왔다. 재귀 모듈을 이용하면 상호의존적이지만 개념적으로는 서로 분리된 소프트웨어 컴포넌트들을 각각 다른 모듈에 작성할 수 있기 때문에 코드의 재사용성을 더욱 증진시킬 수 있다. 이러한 중요성 때문에 재귀 모듈은 지난 10년 동안 프로그래밍언어 분야에서 깊이 있게 연구되어 왔으며, 그 결과 OCaml과 같은 언어에서 성공적으로 지원되고 있다. 그러나 기존연구는 복시 문제와 순환 타입 문제를 완벽하게 해결하지 못하여 한정된 재귀 모듈 프로그래밍 패턴만을 지원하는 한계점이 있다. 본 논문에서는 복시 문제와 순환 타입 문제를 해결하고 다양한 재귀 모듈 프로그래밍 패턴을 지원하는 타입 시스템을 제안한다. 제안된 타입 시스템은 프로그램 문법 기반으로 설계되어 실제 재귀 모듈 시스템을 구현하는데 손쉽게 이용될 수 있을 것으로 기대된다. Although the ML module system provides powerful support for modular programming and data abstraction, traditionally it does not support recursive modules. Due to the lack of recursive modules, ML programmers often have to consolidate conceptually separate mutually recursive definitions into a single module, thus compromising modular programming. In response, several authors have recently proposed recursive module extensions to ML, one of which is successfully implemented in OCaml. Type systems in previous proposals, however, fail to typecheck common patterns of recursive modules that are essential to the expressivity of the module system due to two technical challenges, namely the double vision problem and cyclic type definitions. In this paper, we propose a type system for recursive modules that solves the two technical challenges and typechecks common patterns of recursive modules. Our approach is purely syntactic and the definition of the type system is ready for use in an actual implementation.

XPath 후향축 표현식을 위한 타입 추론 기법

임현승 ( Hyeonseung Im ) 한국정보처리학회 2015 한국정보처리학회 학술대회논문집 Vol.22 No.1

XPath는 XML 문서를 탐색하고 필요한 부분을 추출하는데 유용한 W3C 표준 프로그래밍 언어이다. XPath를 기반으로 XSLT, XQuery와 같은 표준 언어가 정의되어 널리 사용되고 있으며, DTD, XML Schema, RelaxNG와 같은 타입 언어를 이용하여 XML 문서를 효과적으로 명세할 수 있음에도 불구하고, XPath 기반 XML 처리 프로그램을 위한 타입 검사 기법은 미비하다. 본 논문에서는 XPath 기반 프로그램을 위한 새로운 양상논리 기반의 타입 추론 기법을 제안한다.

재귀모듈 프로그래밍을 위한 타입시스템의 설계

임현승(Hyeonseung Im),임정표(Jeongpyo Lim),박성우(Sungwoo Park) 한국정보과학회 2012 한국정보과학회 학술발표논문집 Vol.39 No.1A

ML 언어에서 제공하는 모듈 시스템은 강력한 모듈화 프로그래밍과 데이터 추상화를 지원함에도 불구하고 재귀모듈을 지원하지 못한다는 점이 단점으로 지적되어 왔다. 재귀모듈을 이용하면 상호의존적이지만 개념적으로는 서로 분리된 소프트웨어 컴포넌트들을 각각 다른 모듈에 작성할 수 있기 때문에 코드의 재사용성을 더욱 증진시킬 수 있다. 이러한 중요성 때문에 재귀모듈은 지난 10년 동안 프로그래밍 언어 분야에서 깊이 있게 연구되어 왔다. 그러나 기존 연구는 복시문제와 순환타입문제를 완벽하게 해결하지 못하여 한정된 재귀모듈 프로그래밍 패턴만을 지원하는 한계점이 있다. 본 논문에서는 복시문제와 순환타입 문제를 해결하고 다양한 재귀모듈 패턴을 지원하는 타입시스템을 제안한다.

Coinductive Subtyping for Recursive and Union Types

임현승(Hyeonseung Im) Korean Institute of Information Scientists and Eng 2016 정보과학회논문지 Vol.43 No.12

생성 모델을 이용한 전력 수요량 예측

김희상(Heesang Kim),임현승(Hyeonseung Im),문양세(Yang-Sae Moon) 대한전기학회 2022 전기학회논문지 Vol.71 No.1

Recently, advanced metering infrastructure (AMI) has been deployed for power demand distribution and energy saving, and correspondingly traditional watt-hour meters installed in apartments and industrial sites are also being replaced with AMIs. Accordingly, power demand prediction using AMIs will become increasingly important to save electrical energy consumption. In this paper, we develop various deep learning-based electricity consumption prediction models using simple neural networks, convolutional neural networks, recurrent neural networks, and encoder-decoder-based generative models. To build prediction models, we use average power demand data collected from various home smart meters. Experimental results show that the generative model outperforms other deep learning-based models in terms of mean squared error, and we roughly explain why the generative model is better than other models by examining the activation layer output distributions.

딥 러닝 기반 휴먼 모션 디노이징

김성욱(Seong Uk Kim),임현승(Hyeonseung Im),김종민(Jongmin Kim) 한국전기전자학회 2019 전기전자학회논문지 Vol.23 No.4

본 논문에서는 어텐션 기법을 적용한 양방향 순환신경망을 이용하여 새로운 휴먼 모션 디노이징 방법을 제안한다. 본 방법을 이용하면, 단일 3D 깊이 센서 카메라에서 캡처된 노이즈가 포함된 사람의 움직임이 잘 교정된 자연스러운 움직임으로 자동 조정된다. 양방향 순환신경망에 어텐션 기법을 도입하면, 입력으로 들어온 움직임을 인코딩할 때 여러 자세 중에 더 중요한 자세가 있는 프레임에 더 높은 어텐션 가중치를 부여함으로써, 다른 딥 러닝 네트워크와 비교해 더 나은 최적화 결과와 더 높은 정확도를 보인다. 실험을 통해 본 논문에서 제시한 방법이 다양한 스타일의 움직임과 노이즈를 효과적으로 처리함을 확인하였으며, 제시한 방법은 모션 캡처 후처리 단계의 애플리케이션으로 충분히 사용 가능할 것으로 기대된다. In this paper, we propose a novel method of denoising human motion using a bidirectional recurrent neural network (BRNN) with an attention mechanism. The corrupted motion captured from a single 3D depth sensor camera is automatically fixed in the well-established smooth motion manifold. Incorporating an attention mechanism into BRNN achieves better optimization results and higher accuracy than other deep learning frameworks because a higher weight value is selectively given to a more important input pose at a specific frame for encoding the input motion. Experimental results show that our approach effectively handles various types of motion and noise, and we believe that our method can sufficiently be used in motion capture applications as a post-processing step after capturing human motion.

딥 러닝 기반 얼굴 메쉬 데이터 디노이징 시스템

노지현(Jihyun Roh),임현승(Hyeonseung Im),김종민(Jongmin Kim) 한국전기전자학회 2019 전기전자학회논문지 Vol.23 No.4

3차원 프린터나 깊이 카메라 등을 이용하면 실세계의 3차원 메쉬 데이터를 손쉽게 생성할 수 있지만, 이렇게 생성된 데이터에는 필연적으로 불필요한 노이즈가 포함되어 있다. 따라서, 온전한 3차원 메쉬 데이터를 얻기 위해서는 메쉬 디노이징 작업이 필수적이다. 하지만 기존의 수학적인 디노이징 방법들은 전처리 작업이 필요하며 3차원 메쉬의 일부 중요한 특징들이 사라지는 문제점이 있다. 본 논문에서는 이러한 문제를 해결하기 위해 딥 러닝 기반의 3차원 메쉬 디노이징 기법을 소개한다. 구체적으로 본 논문에서는 인코더와 디코더로 구성된 컨볼루션 기반 오토인코더 모델을 제안한다. 메쉬 데이터에 적용하는 컨볼루션 연산은 메쉬 데이터를 구성하고 있는 각각의 정점과 그 주변의 정점들 간의 관계를 고려하여 디노이징을 수행하며, 컨볼루션이 완료되면 학습 속도 향상을 위해 샘플링 연산을 수행한다. 실험 결과, 본 논문에서 제안한 오토인코더 모델이 기존 방식보다 더 빠르고 더 높은 품질의 디노이징된 데이터를 생성함을 확인하였다. Although one can easily generate real-world 3D mesh data using a 3D printer or a depth camera, the generated data inevitably includes unnecessary noise. Therefore, mesh denoising is essential to obtain intact 3D mesh data. However, conventional mathematical denoising methods require preprocessing and often eliminate some important features of the 3D mesh. To address this problem, this paper proposes a deep learning based 3D mesh denoising method. Specifically, we propose a convolution-based autoencoder model consisting of an encoder and a decoder. The convolution operation applied to the mesh data performs denoising considering the relationship between each vertex constituting the mesh data and the surrounding vertices. When the convolution is completed, a sampling operation is performed to improve the learning speed. Experimental results show that the proposed autoencoder model produces faster and higher quality denoised data than the conventional methods.

Implementing Structural Operational Semantics in Python

지수환(Suhwan Ji),임현승(Hyeonseung Im) Korean Institute of Information Scientists and Eng 2018 정보과학회논문지 Vol.45 No.11