인천대학교 인디고클랫폼 인천대학교 기술지원허브

아동지능역량진단 결과 및 도서-지능역량 예측 모델 기반 도서 추천 시스템 - 거대언어모델 협력적 도서-지능척도 예측 AI모델 - 다중추천전략기반 도서 추천 모듈

무인항공기 지원 네트워크를 운영하기 위한 기술이 개시된다. 일실시예에 있어서, 적어도 하나의 사용자 기기 및 상기 적어도 하나의 사용자 기기 각각으로부터 데이터를 수신하는 무인항공기 및 상기 무인항공기를 무선 전력 충전하는 충전국을 포함하는 시스템에서, 전자 장치가 상기 시스템의 동작을 결정하는 방법은 제한 조건을 설정하는 단계; 및 상기 설정된 제한 조건을 충족하면서 상기 무인항공기의 충전에 소요되는 에너지를 최소화하는 상기 시스템의 동작을 결정하는 단계를 포함하고, 상기 제한 조건은 상기 적어도 하나의 사용자 기기 각각으로부터 수집되는 데이터의 양에 대한 제한 조건 및 상기 무인항공기가 유지해야할 최소한의 배터리 에너지 레벨 제한 조건 중 적어도 하나를 포함하고, 상기 시스템의 동작은 복수의 경로점들을 포함하는 상기 무인항공기의 경로, 상기 경로에 포함된 선분 각각에 대한 비행 시간, 상기 적어도 하나의 사용자 기기에 대한 스케줄링, 및 상기 무인항공기의 충전에 관한 스케줄링 중 적어도 하나를 포함할 수 있다.

스마트닉(SmartNIC)을 활용하여 실시간 악성 트래픽 차단을 통해 주요 데이터 유출을 막는 기술로 스마트닉 내에 있는 Arm을 활용하여 호스트의 부하를 최소한으로 낮추면서 수 마이크로 초 내에 악성 트래픽을 차단할 수 있음

무선충전에서 하모닉 EMI를 줄이기 위한 고조파 상쇄 인버터이다.

무인항공기 지원 네트워크를 운영하기 위한 기술이 개시된다. 일 실시예에 있어서, 대상 공간에 위치하는 적어도 하나의 사용자 기기에 대해 통신 서비스를 제공하는 공중 기지국의 비행 경로를 전자 장치에 의해 결정하는 방법은 지형 특징 정보를 획득하는 단계; 및 상기 획득된 지형 특징 정보를 기초로 커버리지 영역을 최대화하는 비행 경로를 결정하는 단계를 포함할 수 있다.

무인항공기 지원 네트워크를 운영하기 위한 기술이 개시된다. 일실시예에 있어서, 지상 기지국, 공중 기지국 및 상기 공중 기지국의 중계를 통하여 지상 기지국으로부터 데이터를 수신하는 복수의 사용자 기기들을 포함하는 시스템에서 전자 장치가 상기 공중 기지국의 비행 경로, 빔 파라미터, 및 자원 할당을 결정하는 방법은 요구 조건 - 각 사용자 기기의 최소 요구 데이터 전송률 조건을 포함함 - 을 설정하는 단계; 및 상기 설정된 요구 조건을 충족하면서 상기 복수의 사용자 기기들의 수신 데이터 전송률 합계를 최대화하기 위한 상기 공중 기지국의 비행 경로, 빔 파라미터, 및 자원 할당을 결정하는 단계를 포함할 수 있다.

무인항공기 지원 네트워크를 운영하기 위한 기술이 개시된다. 일실시예에 있어서, 복수의 기기 쌍들 - 해당 기기 쌍에 포함된 소스 기기 및 목적지 기기는 무인항공기의 중계를 통해 OFDMA 기반 통신을 수행함 - 및 상기 무인항공기를 포함하는 시스템에서 전자 장치가 상기 무인항공기의 비행 경로 및 무선 자원 할당을 결정하는 방법은 요구 조건 - 상기 복수의 기기 쌍들 각각의 최소 요구 단대단 처리량(end-to-end throughput) 조건을 포함함 - 을 설정하는 단계; 및 상기 설정된 요구 조건을 충족하면서 상기 복수의 기기 쌍들의 단대단 처리량들의 합계를 최대화하기 위한 상기 무인항공기의 비행 경로 및 무선 자원 할당을 결정하는 단계를 포함할 수 있다.

거대 언어 모델인 LLM을 활용하여 PROMPTING을 사용하여 CAD 모델을 STEP-BY-STEP으로 생성하는 방법에 대한 발명

차량의 동역학적 모델에 영향을 미치는 요소는 매우 다양함 : 차량의 질량, 관성 모멘트, 차체, 섀시(Shassis), 서스펜션(Suspension), 파워트레인, 타이어 특성 등 또한, 동일한 종류의 차량이라도 차량의 부품이 노후화된 정도에 따라 동역학적 모델에 차이가 발생할 수 있음 또한, 동일한 차량이라도 주행 환경(우천, 노면의 젖은 정도 등)에 따라 동역학적 특성이 달라질 수 있음 보통 이상적인 환경에 대한 가정을 적용하고 동역학적 모델을 수학적으로 모델링 하는 경우에는 위의 다양한 요소들을 모두 고려하기 어려우며, 따라서 실제 운전 시나리오들에서 자율주행 차량을 정확히 모델링 하는 것은 어려움 (여기서 모델링이라 함은 차량의 동역학적 특성을 표현하는 수식 및 파라미터를 설정하는 것을 의미) 여러 상황에서 반복적인 테스트를 수행하고 획득한 데이터에 기반하여 모델링을 하는 접근 방법도 존재하나, 이는 시간적, 비용적, 공간적 한계가 존재함 다양한 조건에서 차량의 동역학적 특성을 효과적으로 반영할 수 있는 모델을 효율적으로 생성해내는 방법이 필요한 상황임 본 발명은 차량의 자율주행 데이터에 기반하여 동역학적 모델을 추정할 수 있는 방법을 제안함 구체적으로 자율주행 logging data를 활용해서 차량의 동역학적 모델을 생성(추정)하고, 이를 평가할 수 있는 방법을 제안함

(Abstract) 이 논문은 문서 제목에서 생성된 의사 레이블을 활용하는 비지도 키프레이즈 생성(UKG)을 위한 새로운 접근 방식인 제목 구문 생성(TPG)을 소개합니다. 이전 UKG 방법은 코퍼스에서 모든 구문을 추출하여 구문 뱅크를 구축한 다음, 구문 뱅크에서 문서와 관련된 후보 부재 키프레이즈를 뽑아 의사 레이블을 생성합니다. 그러나, 우리는 문서 제목을 문서 본문에서 분리할 때, 문서 본문에 포함되지 않은 상당 수의 구문이 제목에 포함되어 있다는 것을 관찰했습니다. 이 관찰에 기반하여, 우리는 문서 제목에서 추출한 구문을 사용하여 의사 레이블을 생성하는 효과적인 방법을 제안합니다. 우리는 이러한 의사 레이블(TPG)을 사용하여 BART를 초기 훈련시키고, 그 다음에 소량의 인간 주석이 달린 데이터에 대한 지도 학습 세분화(LRFT)를 수행합니다. 다섯 개의 벤치마크 데이터셋에서의 실험 결과는 우리의 방법이 더 적은 레이블 데이터를 사용함에도 불구하고 기존의 저자원 키프레이즈 생성 접근 방식들을 능가함을 보여주며, 부재 키프레이즈 생성에서의 강점을 보여줍니다. 게다가, 우리의 모델은 TPG만을 사용하여 훈련되었고, 어떠한 레이블 데이터도 사용하지 않았음에도 불구하고, 구문 뱅크를 사용하는 이전 UKG 방법보다 우월함을 보여주며, 제목을 활용하는 것의 효과성을 강조합니다.