pISSN : 1226 - 4717 / eISSN : 2287 - 3880
발행기관 : 한국통신학회
발행기관 : 한국통신학회
한국통신학회 논문지는 1976년부터 발행되고 있으며, 정보통신 분야에서 가장 오래된 역사를 가지고 있는 국문/영문 혼용 논문지입니다. 정보, 통신, 네트워크 및 융합 기술에 관련된 주제를 다루는 전문 학술지로 정보, 통신, 네트워크 및 융합 기술에 관련된 새로운 개념, 이론, 기술과 응용까지 논문에서 다루는 주제에 따라 일반논문(Part A (AI for ICT Applications), Part B (Communications Systems), Part C (Networks and Computings), Part D (Services Applications and Emerging Topics), Part E (ICT Convergence), Part F (System Implementation)), 특집논문으로 분류하여 연간 400여 편의 논문이 발행되고 있습니다.
Indexed in
Publishing with
우수논문 (48권 11호, 11월 2023)
BLE 애드혹 망을 통한 편대비행 구현이상연 전지훈 이강복 |
|
| 무인 이동체을 이용한 드론이나 로봇은 다양한 분야에서 사용되고 있으며 특히 통신 인프라가 설치되어있지 않거나 파괴된 재난 안전과 군사 분야에서 편대 및 군집 비행에 관한 관심이 높아지고 있다. 편대 및 군집 비행으로 인명 탐색 또는 정찰 같은 임무를 한정된 자원을 가진 무인 이동체 간의 협력으로 더 넓은 지역을 탐색하거나짧은 시간 내에 임무를 마칠 수 있는 이점이 있다. 통신 인프라가 설치되어있지 않은 지역 또는 통신 인프라가파괴된 재난 상황에... | |
음원 분리 및 자동 채보 학습을 활용한 음악 유사성 분석 시스템 구현구연우 이재호 |
|
| 기존의 음악 유사성 분석 방식은 보편적으로 모든 악기와 오디오 채널이 포함된 혼합 음악 데이터를 기반으로진행되는 특성이 있기에, 템포가 빠른 댄스 장르의 음악을 느리게 편곡하여 발라드 장르로 변경하는 등 원곡에서의 장르 혹은 가창자 등에 변화가 발생할 경우 자동 표절 판별이 난해하다. 이러한 기존 유사성 분석 방식의 개선을 위해 본 논문에서는 기존 연구에서 제안한 음악 유사성 분석 시스템의 전체 구조를 기반으로 적합한 오픈소스를 탐색하고, 이를... | |
최근 발간 목록 (48권 11호, 11월 2023)
The Channel Uncertainty of Warden on Disguised Full-Duplex Covert Communications
Jihwan Moon
In this paper, we investigate a covert communications system that consists of a source node communicating with a disguised full-duplex (FD) destination node. Supposedly receive-only, the destination node covertly transmits confidential messages to a hidden receiver while avoiding the surveillance of a warden node. Our specific focus is on the impact of the channel uncertainty of the warden node from the perspective of the destination node on covert communications. We take the expected minimum detection error probability (DEP) at the warden node into consideration and obtain the optimal public data rate and transmit power to maximize the covert rate. Numerical results verify that the covert rate increases as the availability of the channel state information (CSI) improves and highlight the importance of optimization regardless of the level of CSI based on comparisons with baseline schemes.
처프 대역 확산 시스템에서 처프율 부정합에 따른 성능 분석
A Vision-Based Ranging Algorithm Combining Monocular Camera and Laser for Indoor Positioning
Nan Yin Yuxiang Sun Zhengyang Zou Jae-soo Kim
The core issue for indoor positioning is reducing the ranging error. The traditional Time-of-Flight (ToF) method has errors caused by time error calculation, and the Received Signal Strength Indicator (RSSI) method requires huge calculation and data collection. Moreover, the vision-based binocular ranging method has poor performance in dark environments. Therefore, considering the above weaknesses, we designed a hybrid device based on a Monocular Camera and four Lasers (MC4L), which uses four lasers to mark the target object and record the irradiation spot with a high-definition monocular camera. Due to the angle between the laser emitter and the base, the center point and laser irradiation area will change with distance. We can obtain the corresponding relationship between the irradiated area and real distance by a logarithmic regression algorithm.
In addition, we propose a new indoor positioning algorithm based on the MC4L device to control the error within 2.4 cm.
모델 포이즈닝 공격에 강건한 개인화 연합학습을 위한 부분 공유 알고리즘
박희원 김미르 권민혜
엣지 디바이스 기술의 발전과 상용화로 인해 방대한 양의 분산된 데이터가 증가하고 있으며, 이와 함께 연합학습은 분산된 데이터 환경에 적합한 인공지능 학습 기술로 활발히 연구되고 있다. 연합학습은 여러 디바이스에 위치한 데이터의 노출 없이 인공지능 모델을 학습할 수 있는 기술이다. 하지만 기존 연합학습 방식은 데이터 분포의특성이 상이한 디바이스가 학습에 참여할 시 개별 데이터에 최적화된 모델을 만들 수 없다는 점과 비잔틴 공격에취약하다는 한계가 있다. 이러한 한계점들을 극복하기 위하여 본 논문에서는 새로운 부분공유 알고리즘을 제안한다. 부분공유 알고리즘은 각 디바이스의 로컬 모델을 개인화 부분과 공유 부분으로 나눈 후 학습을 진행한다. 이는 각 디바이스가 개별 데이터 특성에 최적화된 모델을 만들 수 있게 하며, 잠재적인 공격으로부터 공유 부분만을노출함으로써 공격에 강건한 모델을 생성할 수 있다. 본 논문에서 실험을 통하여 제안하는 알고리즘의 개인화 측면과 공격에 대한 강건성 측면에 대한 성능이 다른 기존 연합학습 알고리즘보다 우수함을 확인하였다.
밀집된 LoRa 네트워크의 전송지연 및 전송효율 성능 검증
황건하 신경섭
현대 산업에서는 IoT가 기술의 발전과 함께 필수적인 요소로 자리잡고 있다. 그 중에서도 Low Power Wide Area Network으로서 각광받고 있는 LoRa는 저렴한 단말 비용, 비면허 대역 사용, 넓은 커버리지 등의 장점으로많은 관심을 받고 있다. 그러나 LoRa 단말의 증가는 통신 환경에 부정적인 영향을 미칠 수 있다. 본 논문에서는밀집된 LoRa 통신환경을 구성하여 단말의 증가와 전송 데이터의 증가가 실제 통신환경에 미치는 영향을 정량적으로 분석하였다. 이 연구를 통해 실제 환경을 반영하여 단말의 증가로 인해 통신 성능이 감소한다는 사실을 입증하였으며, 이는 향후 혼잡한 IoT 환경에 관한 연구에 근거 자료로 활용될 수 있을 것으로 기대된다
실용적 강화학습 기술 동향: 모방학습부터 오프라인 강화학습까지
이동수 엄찬인 최성우 김성관 권민혜
최근 강화학습의 패러다임은 온라인에서 오프라인으로 전환되고 있다. 이러한 변화는 시뮬레이션 기반 게임 과제에 국한된 온라인 강화 학습의 비실용성을 극복하기 위함이다. 본 논문에서는 사전 수집된 고정 데이터 세트를기반으로 정책을 학습하는 실용적인 강화학습 기술을 소개하고자 한다. 이러한 시도는 모방학습부터 시작되었고, 최근 각광받고 있는 오프라인 강화학습(offline reinforcement learning) 방식으로 발전하였다. 오프라인 강화학습에서는 본질적인 문제인 분포 이동(distributional shift)을 해결하기 위해 제안된 오프라인 강화학습 알고리즘들에 대해 소개하고자 한다. 마지막으로 해당 분야에서 현재 해결되지 않은 문제들과 한계에 대해 논의한다.
강화학습 기반 다차원 배낭 문제 해결에 대한 일반화 성능 향상 접근법
최요한 석영준 김주봉 한연희
조합 최적화 문제 중 하나인 배낭 문제는 NP-hard 문제로서 다항 시간 내에 최적해를 구하는 방법이 알려지지않은 문제이다. 이러한 배낭 문제에 대한 해결책은 물류 및 창고 관리, 제조 및 생산 계획, 자원 할당 및 스케줄링 등 여러 분야에서 활용될 수 있다. 최근 배낭 문제를 강화학습을 통해 해결하려는 시도가 있다. 하지만 여러연구가 배낭 문제의 물건 개수에 종속적인 방법들을 제안하여 주어진 물건의 개수가 바뀔 때마다 개별적으로 모델을 학습해야 한다는 단점을 가졌다. 본 논문은 배낭 문제가 가지는 규모 불변 특성을 활용하여 물건의 개수와무관한 마르코프 결정 과정과 신경망 구조를 제안한다. 결과적으로 배낭 문제를 확장한 문제인 다차원 배낭 문제를 물건의 개수와 관련 없이 학습 및 사용 가능한 방법을 제안하고 실험을 통해 성능을 테스트한다. 추가적으로제안하는 방법의 강점인 일반화 성능을 테스트하여 해당 방법이 확장성, 재사용성, 일반성을 가지는 것을 보인다.
Hybrid Smart Demand Responsive Public Transport System for Conventional Public Transport in City Metropolitan Area
Ali Aouto Ali Moallim Dong-Seong Kim
Providing quality public transportation is extremely expensive and unpredictable. Passenger demand across a metropolitan area can vary greatly with changes in population density and time of the day. Demand Responsive Transport (DRT) is an intermediate form of public transport that lies between a regular bus service and a personalized taxi service. DTR provides “on demand” transport to commuters with a fleet of vehicles operating in a shared-ride mode between pick-up and drop-off locations. However, DRT has been introduced as an alternative transport service, rather than as a substitute for conventional public transport. In this study, a hybrid smart DRT public-transport system has been proposed for integration into the conventional public-transport system. The proposed system is an intermediate stage to a fully driven DRT service. It combines the flexibility and reliability of DRT services with the fixed routes and time tables of a conventional public transport service, and has been implemented using cutting-edge technologies. Moreover, a simulation demonstrated that the system performed almost as effectively as the conventional public-transport system while passenger demand was at its highest. It outperformed the conventional public-transport system in case of low to moderate passenger demand.
펀드 위험등급 예측을 위한 머신러닝 기반 2단계 예측 모델 개발
김아람 박민호
금융 산업의 발전과 더불어 금융 투자 관련 범죄가 증가하자 금융당국은 2021년 금융소비자보호법을 시행해판매사의 펀드 설명의무를 강화했다. 설명의무 대상인 위험등급은 투자 상품의 위험을 직관적으로 파악할 수 있는중요한 지표이지만 관리가 소홀히 이루어져 왔다. 금소법 시행 이후 판매업계에서는 자체적으로 펀드 위험등급을검증하고 관리하는 시스템을 구축하고 있다. 본 논문은 해당 시스템의 일환으로 머신러닝을 활용한 펀드 위험등급2단계 예측 모델을 제안한다. 1단계에서는 금융 시계열 변동성 추정 모형인 GARCH 모형과 머신러닝 모델인LSTM, 두 모형을 결합한 GARCH(1,1)-LSTM 모형을 사용하여 결산일 시점의 1개월 변동성을 예측한다. 2단계에서는 1단계에서 추정한 변동성과 기타 중요 위험지표를 4가지 커널별 SVM 분류 알고리즘에 입력해 펀드 위험등급을 예측한다. 연구 결과 GARCH(1,1)-LSTM 결합 모형이 가장 높은 변동성 예측 성과를 보였으며 RBF 커널을이용한 다변량 SVM이 높은 위험등급 예측 정확도를 보였다.
객체 분할 정보를 활용한 선화 생성 모델의 성능 개선
최재웅 이재구
선화 생성 모델은 원본 사진을 선화 사진으로 스타일 전이(style transfer) 된 사진을 생성하는 모델이다. 기존선화 모델은 원본 사진에 대한 선화 쌍이 없더라도 선화를 추출하는데, 이를 위해 사진에 대한 의미론적(semantic) 정보와 기하학적(geometric) 정보를 학습한다. 특히 의미론적(semantic) 정보는 CLIP(contrastive language-image pretraining) 모델을 통해 학습하며 기하학적 정보를 위해 깊이 추정(depth estimation) 방법만을 사용하였다. 하지만, 사용된 깊이 추정의 경우, 깊이에 대한 정확한 값 정보가 부족하여 깊이 추정 방법을 통해 추정된 값을 생성하여 사용하기 때문에 선화 모델의 성능이 떨어질 수 있다. 따라서 본 논문은 정확한 기하학적 정보를 사용할 수있는 객체 분할(segmentation) 방법을 추가하여 선화 성능을 올리고자 한다. 실제 객체 분할 정보를 추가함으로써, 깊이 추정에 대한 정보가 상대적으로 부정확하다는 단점을 보완하였으며, 최종적으로 배경과 음영 등의 정보도 기하학적 정보를 통해 추가하였다. 결과적으로 제안 방법을 다양한 영역의 공개 사진 데이터 집합에 정성적, 정량적향상된 결과를 확인할 수 있었다.
pISSN : 1226 - 4717
eISSN : 2287 - 3880