$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

상황 인식 기반 해양 디지털 선박 상황 진단 시스템 구현 및 설계
A Design and Implementation of Digital Vessel Context Diagnosis System Based on Context Aware 원문보기

한국통신학회논문지. The Journal of Korea Information and Communications Society. 네트워크 및 서비스, v.35 no.6B, 2010년, pp.859 - 866  

송병호 (목포대학교 중점연구소) ,  최명수 (목포대학교 중점연구소) ,  권장우 (경원대학교 컴퓨터공학과) ,  이성로 (목포대학교 정보전자공학과)

초록
AI-Helper 아이콘AI-Helper

예기치 못한 상황에 의한 선박 내 화재나 선체 파손 등 긴급 상황 발생 시에 대형의 해난 사고가 발생할 수 있다. 특히, 해수와 직접적으로 접촉하는 선체는 파도와 조류 등에 의해 다양한 저항과 흔들림 운동의 영향을 받게 되는 데 이를 고려한 선박 USN 미들웨어와 선박 내 상황 인식을 기반으로 한 시스템이 필요할 것이다. 이에 본 논문에서는 해양 디지털 선박의 무선 센서를 이용하여 수집된 위험 상황 정보를 분석하는 시스템을 제안하였으며, 센싱된 데이터를 분석하기 위하여 역전파 신경망을 설계하였다. 위험 상황별로 각 300개의 데이터 집합을 사용하여 역전파 신경망을 실험한 결과 화재 위험 상황에 대해서는 96%의 정확도를 가졌고 선체 위험 상황에 대해서는 약 88.7%의 정확도를 나타냈다. 제안된 시스템은 시스템의 정확도를 개선하기 위하여 전방향 에러 정정 시스템(LDPC)을 구현하였고 진단된 결과는 CDMA 방식으로 전송하여 해양 디지털선박 상황 모니터링 시스템을 구현했다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Digital vessels can occur large a disaster at sea because vessels in fire and collision in case of certain unforeseen circumstances. In this paper, We propose digital vessel context monitoring system through risk analysis. We propose environment information analysis system using wireless sensor that...

주제어

#Context aware   #USN   #Digital Vessel   #Backpropagation Algorithm   #LDPC  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이러한 장점 때문에 디지털 선박을 위한 선박USN 관련 연구가 최근에 활발히 이루어지고 있으며 국내에서는 2(X)1 년부터 해양수산부 주관으로 해양안전종합정보시스템 (GICOMS: General Information Center on Maritime Safety and Security) 사업을 추진하고 있다. GICOMS는 IT 기술을 활용하여 범국가적 해양재난안전관리 체제를 확립하고 선박 모니터링을 통한 정보 인프라 구축 및 해양 안전 정보서비스를 제공하는 것을 목적으로 한다.
  • 본 논문에서는 5개의 무선 센서를 배치하여 디지털 선박의 상태를 인식하는 실험을 진행하였다. 수집된 데이터는 HOST PC로 전송이 되며 JAVA로 구현된 LDPC 디코더 블록을 통과한 후 오실로스코프 상에서 각각의 채널을 통해 들어오는 데이터를 확인 할 수 있다 센서로부터 획득한 300개의 온도 습도, 조도 입력데이터를 이용하여 화재 위험 상황을 분석하였고 선박의 기울기 데이터와 뒤틀림 데이터를 이용하여 선체 위험 상황을 분석하였다 화재 위험 상황에 대한 데이터 분류 기준은 표 3과 같이 위험 정도를 4가지 상태로 분류하였다.
  • 본 논문에서는 선박 환경을 고려하여 시스템에서 화재 위험 상황과 선체 위험 상황을 인식하여 위험 상황에 대처하는 것이 목적이다 기존의 다양한 학습 알고리즘이 있지만 본 실험에서 이용한 데이터는 온도 조도 습도, 기울기, 뒤틀림 데이터로써 비선형 데이터 구조로 이루어져 있어서 다층 퍼셉트론 구조로 비선형 판별 문제를 해결할 수 있는 역전파 알고리즘을 이용한다. 역전파 알고리즘은 은닉층의 가중치를 조절해 학습함으로써 다른 학습 알고리즘에 비해 높은 정확도를 얻을 수 있다.
  • 이에 본 논문에서는 선박의 위험 상황을 시스템에서 상황 정보의 수집 및 교환을 통해 인식하고 해석 및 추론과 같은 처리 과정을 거쳐 위험 상황에 대처하고자 시스템을 제안하였다.
  • 및 바람과 조류에 의한 선박의 흔들림을 측정해야 함을 알 수 있다. 이에 본 절에서는 선박의 위험 상황을 분석하기 위해서 선박의 기울기와 뒤틀림을 측정하는 방법에 대해서 기술한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (9)

  1. 김재양, 정선태, 임준석, 박종원, 홍기용, 임용곤, "디지털 선박을 위한 선박 통합화 네트워크 설계 및 구현", 한국해양정보통신학회논문지, 제9권, 제6호, p.1202-1210, 2005.10. 

    원문보기 상세보기

  2. Weilian Su, Ozgur B. Akan, and Erdal Cayirci, "Communication Protocol for Sensor Networks", Wireless Sensor Network, Kluwer Academic Publisher, pp.21-50, 2004. 

  3. M.R Endsley, "Theoretical underpinnings of situation awareness", Lawrence Erlbaum Associates, Publishers, Mahwah, New Jersey, pp.3-32, 2000. 

  4. Mahony R.E. and Williamson R.C., "Prior Knowledge and Preferential Structures in Gradient Descent Learning Algorithms", Journal of Machine Learning Research, Vol.1, pp.311-355, 2001. 

  5. R.G. Gallager, "Low-density parity-check codes", IRE Trans. Inform. Theory, Vol. IT-8, pp.21-28, Jan. 1962. 

  6. Yoshio K. and Keith W. and Ian Mc., "Forecasting Nonlinear Time Series with Feed-Forward Netral Networks(A Case Study of Canadian Lynx Data)", Journal of Forecasting, pp.105-117, 2005 

  7. Simon Haykin, "Netral Network (Acompre hensive foundation)," Prentice Hall International, pp.161-172, 1999 

  8. Kevin R. Farrell, Richard J. Mammone, and Khaled T. Assaleh., "Speaker Recognition Using Neural Networks and Conventional Classifiers.", IEEE Transactions of Speech and Audio Processing, Vol.2, No.1, Jan, 1994. 

  9. Go, J., Han, G., Kim, H. and Lee, C., "Multigradient: a new neural network learning algorithm for pattern classification", IEEE Transactions on Geoscience and Remote Sensing, 39, pp.986-993, 2001. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로