http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
장문수 ( Moonsoo Jang ),허요섭 ( Yoseob Heo ),정현상 ( Hyunsang Chung ),박소영 ( Soyoung Park ) 한국산업융합학회 2021 한국산업융합학회 논문집 Vol.24 No.3
With global warming and pollution problems, accurate forecasting of the harmful gases would be an essential alarm in our life. In this paper, we forecast the emission of the five gases(SOx, NO<sub>2</sub>, NH<sub>3</sub>, H<sub>2</sub>S, CH<sub>4</sub>) using the time series model of ARIMA, the learning algorithms of Random forest, and LSTM. We find that the gas emission data depends on the short-term memory and behaves like a random walk. As a result, we compare the RMSE, MAE, and MAPE as the measure of the prediction performance under the same conditions given to three models. We find that ARIMA forecasts the gas emissions more precisely than the other two learning-based methods. Besides, the ARIMA model is more suitable for the real-time forecasts of gas emissions because it is faster for modeling than the two learning algorithms.
장문수(MoonSoo Jang),문미경(Mikyoung Moon) 한국컴퓨터정보학회 2012 한국컴퓨터정보학회 학술발표논문집 Vol.20 No.2
NFC(Near Field Communication)는 전자태그의 하나로 13.56Mz 주파수 대역을 사용하는 비접촉식 근거리 무선통신 모듈로 10cm의 가까운 거리에서 단말기 간 데이터를 전송하는 기술을 말한다. 본 논문에서는 헬스장을 이용하는 사용자의 운동에 도움을 줄 수 있는 NFC기반 스마트폰 애플리케이션의 개발내용에 대해 기술한다. 본 애플리케이션을 통해 NFC 탑재 디바이스를 가진 사용자는 헬스장을 이용할 때 단순 태그인식만으로 출석을 확인할 수 있고, 운동기구의 자세한 사용방법을 멀티미디어의 형태로 제공받을 수 있다. 또한 운동일지와 식단일지를 기록하고 이를 트레이너와 공유하게 함으로써 보다 체계적으로 운동을 꾸준히 할 수 있게 도움을 준다.
SaaS 환경에서 SLA 보장을 위한 명세 및 교환 방법
남태우,강태준,장문수,안영민,염근혁,Nam, Taewoo,Kang, Taejun,Jang, Moonsoo,An, Youngmin,Yeom, Keunhyuk 한국정보과학회 소프트웨어공학 소사이어티 2013 소프트웨어공학회지 Vol.26 No.2
클라우드 컴퓨팅 서비스를 제공하는 사업자는 이용자에게 신뢰성 있고 일관된 품질을 제공하기 위해서 SLA를 보장해야 한다. SLA(Service Level Agreement)는 서비스 사업자가 제공하는 서비스를 대상으로 가용성 등 일정한 서비스 수준을 보장하기 위해 맺는 서비스 사업자와 고객간의 계약이다. 클라우드 컴퓨팅은 다양한 클라우드 서비스의 IT 자원에 따라 IaaS, PaaS, SaaS 등으로 구분되는데 기존의 SLA는 물리적인 네트워크 환경에 대한 요소만 고려하고 있어서 제공되는 서비스의 품질 요소는 반영하기 어렵다. 본 논문에서는 SaaS 레벨에서의 SLA 명세를 위한 XML 스키마를 가지는 명세 언어와 이를 교환하기 위한 UDDI 기반의 교환 프로세스 및 아키텍처를 제안한다. 클라우드 환경에서 SaaS의 품질 요구사항은 제안한 명세 언어로 정의되고 품질 명세 저장소에 저장되며 교환 아키텍처를 기반으로 서비스 바인딩 시 교환된다. A cloud computing service provider must assure Service Level Agreement (SLA) to provide reliable and consistent quality of service to a user. The SLA is a contract between the user and the service provider that connects to assure constant level such as availability to target provided service. The cloud computing is classified into IaaS, PaaS, and SaaS according to IT resources of the various cloud service. The existing SLA is difficult to reflect quality factors of service because it only considers factors about the physical Network environment. In this paper, we suggest the UDDI-based interchange process with the architecture and the specification language having a XML schema for the SLA specification. The quality requirements of SaaS are defined by a proposed specification language in the cloud environment. It is stored in the repository of a quality specification and exchanged on during the service binding time based on the exchange architecture.
머신러닝 앙상블을 활용한 공압기의 전력 효율 최적화 시뮬레이션
김주헌 ( Juhyeon Kim ),장문수 ( Moonsoo Jang ),최지은 ( Jieun Choi ),허요섭 ( Yoseob Heo ),정현상 ( Hyunsang Chung ),박소영 ( Soyoung Park ) 한국산업융합학회 2023 한국산업융합학회 논문집 Vol.26 No.6
This study delves into methods for enhancing the power efficiency of air compressor systems, with the primary objective of significantly impacting industrial energy consumption and environmental preservation. The paper scrutinizes Shinhan Airro Co., Ltd.'s power efficiency optimization technology and employs machine learning ensemble models to simulate power efficiency optimization. The results indicate that Shinhan Airro's optimization system led to a notable 23.5% increase in power efficiency. Nonetheless, the study's simulations, utilizing machine learning ensemble techniques, reveal the potential for a further 51.3% increase in power efficiency. By continually exploring and advancing these methodologies, this research introduces a practical approach for identifying optimization points through data-driven simulations using machine learning ensembles.