• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.481-483
• /
• 2002

본 논문에서는 데이터 결합 영역에서 문서값을 정규화 하는 기법과 결합함수에 따라 용어가중치 결합이 검색성능에 어떤 영향을 미치는가를 분석하였으며, 특히 용어가중치 결합이 실질적으로 효율적인가를 성능 향상률 측면과 검색시스템의 효율성 측면에서 검증하고, 성능이 향상된 용어가중치 결합의 특징을 분석하였다. 실헙결과 대부분의 장어가중치 결합은 문서값 정규화 기법과 실험집단에 관계없이 높은 성능 향상률을 보이지 않았다. 특히 단일가중치고 높은 검색성능을 보였던 상위 가중치 알고리즘들은 다른 가중치 알고리즘과 결합할 경우 두드러진 성능 향상률을 보이지 않았다. 검색시스템의 효율성 측면에서 용어가중치 결합을 평가한 결과 문헌 내 단어빈도를 최대단어 빈도로 정규화한 가중치 알고리즘이 코사인 정규화 기법을 적용한 가중치 알고리즘들과 결합될 때 5개 실험집안에서 최적 단일가중치 보다 2% 이상 높은 성능을 보였다. 이는 서로 다른 특성을 지니는 용어가중치 알고리즘들이 장단점을 보완하여 검색성능을 향상시킨 수 있다는 것을 의미한다. 그러나 용어가중치 결합의 효율성은 컬렉션과 가중치 알고리즘의 특성에 의존적이었으며, 비록 각 용어가중치 결합의 성능이 높게 나타날지라도 최적의 성능을 보인 달일가중치와 비교하면 그 성능 차이가 미미하거나 낮아서 대부분의 용어가중치 결합이 실질적으로 효과적이지 못하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제26권6호
• /
• pp.683-692
• /
• 1999

관계형 데이터베이스 시스템에서 결합 연산자는 데이터베이스 질의를 구성하는 연산자들 중 가장 많은 처리시간을 요구한다. 따라서 이러한 결합연산자를 효율적으로 처리하기 위해 많은 병렬 알고리즘들이 소개되었다. 그 중 하이브리드 해쉬 결합 알고리즘은 가장 우수한 것으로 알려져왔다. 그러나 이 알고리즘은 여러 노드로 데이터를 분할하는 과정에서 데이터의 편중 문제가 발생하며, 이는 전체 시스템의 성능을 크게 저하시키게된다. 본 논문에서는 이러한 데이터 편중문제를 해결한 변형된 하이퍼퀵 정렬을 이용한 병렬 결합 알고리즘을 non-equijoin을 위한 알고리즘으로 확장하였다. 또한 T805로 연결된 하이퍼큐브 구조 시스템에서 시뮬레이션하여 얻은 결과를 수치 계산적 비용모델의 결과와 비교를 통해 변형된 하이퍼 퀵 정렬을 이용한 병렬 결합 알고리즘의 성능을 분석하고 , 비용모델의 타당성을 입증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• pp.814-816
• /
• 2003

오늘날 핵산과 단백질의 결합체에 관한 자료가 PDB(Protein Data Bank)와 같은 공공 데이터베이스에 급속도로 증가되고 있고 하나하나의 자료 자체도 많은 양의 데이터를 가지고 있기 때문에 더 이상 수작업으로 이를 분석하기란 거의 불가능할 뿐 아니라 정확도에 많은 문제가 있다. 그래서 본 연구에서는 방대한 생물학 자료를 효율적으로 분석하기 위해 자동화된 알고리즘을 개발하여 수작업에 의존하던 기존방식을 개선하였다. 이 알고리즘으로 51개의 RNA와 단백질간의 결합구조로 구성된 Dataset과 129개의 DNA와 단백질 간의 결합구조로 구성된 Dataset 분석하여 각각의 경우에 있어서의 결합성향과 결합유형을 찾아내었다. 이러한 본 연구의 결과가 아직 구조가 밝혀지지 않은 단백질-핵산간의 결합부위를 예측하는 알고리즘 개발에 기초 자료로 이용될 수 있다. 신약을 개발하는 과정에서 표적단백질의 결합부위를 예측하는데 활용될 수 있을 것이다.

• 한국정보과학회논문지:시스템및이론
• /
• 제30권3_4호
• /
• pp.117-129
• /
• 2003

본 논문에서는 하이퍼큐브 시스템에서 결합 연산을 효율적으로 처리할 수 있는 향상된 병렬 결합 알고리즘을 제안한다. 새로운 알고리즘은 릴레이션 R을 처리함에 있어 하이퍼큐브 구조에 적합한 방송 알고리즘을 사용함으로써 하이퍼큐브 구조에 최적인 병렬 결합 알고리즘을 보이게 된다. 또한 병렬화 성능의 최대 주안점인 부하균등 문제와 데이타 불균형으로 인한 과부하 문제를 완전히 해결하고 결집 효과의 특성을 수용함으로써 전체 성능이 향상된다. 새로운 알고리즘은 해쉬를 기반으로 하는 알고리즘에서 구현하기 어려운 non-equijoin 연산을 쉽게 구현할 수 있다는 장점을 가지며, 비용 모형을 통해 분석한 결과 기존의 병렬 결합 알고리즘들에 비해 보다 나은 성능을 나타냄을 확인한다.

• 대한전자공학회논문지TC
• /
• 제46권5호
• /
• pp.8-18
• /
• 2009

광대역가입자망으로 DOCSIS 기반 HFC 망을 고도화하기 위해 채널 결합 기법을 핵심기술로 하는 DOCSIS 3.0 표준안이 제시되었다. 본 논문에서는 DOCSIS 망에서 채널 결합 기법을 효율적으로 구현하기 위해 결합그룹 스케줄링과 채널 스케줄링으로 구성된 상향스트림 스케줄러를 설계하였다. 채널 결합 기능을 제공하는 CM들의 요구 대역을 결합 채널에 할당하기 위해 균등요구대역 할당알고리즘, 현재 할당된 요구대역 기반 요구대역 할당알고리즘, 그리고 이전 대역 할당 기반 요구대역 할당알고리즘 등 세 가지 결합그룹 스케줄링 알고리즘을 설계하여 제안하였다. OPNET을 이용하여 DOCSIS 3.0 MAC 시뮬레이션 모델을 구현하고, 제안한 알고리즘들을 적용하여 성능평가를 수행하였다. 성능평가를 통해 채널 결합 기법이 정상적으로 수행됨을 검증하였고, 스케줄링 알고리즘에 대한 비교평가결과 균등요구대역 할당알고리즘이 전송 지연과 데이터 전송량에 있어서 우수한 성능을 나타내었다. 또한 DOCSIS MAC 프로토콜에 대한 성능평가를 수행하였으며, DOCSIS 3.0 프로토콜이 DOCSIS 3.0 이전 프로토콜보다 대용량 데이터를 전송할 수 있음을 확인하였다.

• 산업기술연구
• /
• 제15권
• /
• pp.223-233
• /
• 1995

본 논문에서는 데이터 분포가 편재된 상황하에서 부하의 불균형과 버켓 오벌플로우 문제를 해결하기 위해 히스토그램 변환 기법을 이용한 데이터 분산 방법과 이를 기초로 한 병렬 결합 알고리즘을 제안한다. 제안된 알고리즘의 성능은 시뮬레이션과 하이퍼큐브형 병렬 컴퓨터 상에서 실험적인 방법에 의하여 분석되었다. 그 결과 제안된 알고리즘이 기본의 해쉬 결합 방법보다 우수함을 보인다.

• 한국경영정보학회:학술대회논문집
• /
• 한국경영정보학회 2008년도 춘계학술대회
• /
• pp.141-148
• /
• 2008

각종 인공지능 기법들을 활용하여, 주식시장의 흐름을 예측하려는 연구가 지금까지 많은 인공지능 및 금융공학의 연구자들에 의해 시도되어 왔으며, 그 결과 다양한 인공지능 기법들이 예측 방법론으로 제시되어 왔다. 이런 가운데 서로 다른 예측모형들이 산출하는 예측결과를 종합 - 보완하는 결합기법에 관련된 연구가 90년대 후반부터 오늘날까지 꾸준하게 발표되고 있다. 본 연구 역시 유전자 알고리즘 기반의 새로 인공지능 예측모형간 결합기법을 제시하고 있다. 다만, 기존의 연구모형들이 각 개별모형 결과의 상대적 가중치에 초점을 맞추고 있었다면, 본 연구의 제안모형은 등락을 판단하는데 활용되는 임계치까지 유전자 알고리즘을 이용해 동시에 최적화하도록 설계되어 있다는 점에서 차별화된다. 제안모형의 유용성을 검증하기 위해, 본 연구에서는 지난 1998년부터 2007년까지의 KOSPI 지수 등락 예측을 위해 구축된 로지스틱 회귀모형, 인공신경망, SVM모형의 결과들을 제안모형을 이용해 결합하였다. 그 결과, 예측력 향상에 본 연구의 제안모형이 기여 할 수 있음을 확인 할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.114-114
• /
• 2022

딥러닝의 학습 및 예측성능을 개선하기 위해서는 딥러닝 기법 내 연산과정의 개선과 함께 학습 및 예측에 사용되는 데이터의 전처리 과정이 중요하다. 본 연구에서는 딥러닝의 성능을 개량하기 위해 제안된 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형과 데이터 전처리 기법을 통해 댐의 수위를 예측하였다. 수위예측을 위해 Multi-Layer Perceptron(MLP), 메타휴리스틱 최적화 알고리즘인 Harmony Search(HS)와 딥러닝을 결합한 MLP using a HS(MLPHS) 및 Exponential Bandwidth Harmony Search with Centralized Global Search(EBHS-CGS)와 딥러닝을 결합한MLP using a EBHS-CGS(MLPEBHS)를 통해 댐의 수위를 예측하였다. 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형의 학습 및 예측성능을 개선하기 위해 학습 및 예측을 위한 자료를 기반으로 데이터 전처리기법을 적용하였다. 적용된 데이터 전처리 기법은 정규화, 수위구간별 사상(Event)분리 및 수위 변동에 대한 자료의 구분이다. 수위예측을 위한 대상유역은 금강유역에 위치한 대청댐으로 선정하였다. 대청댐의 수위예측을 위해 대청댐 상류에 위치하는 수위관측소 3개소를 선정하여 수위자료를 취득하였다. 각 수위관측소에서 취득한 수위자료를 입력자료로 설정하였으며, 대청댐의 수위자료를 출력자료로 설정하여 메타휴리스틱 최적화 알고리즘-딥러닝 모형의 학습을 진행하였다. 각 수위관측소 및 대청댐에서 취득한 수위자료는 2010년부터 2020년까지 총 11년의 일 단위 수위자료이며, 2010년부터 2019년까지의 자료를 학습자료로 사용하였으며, 2020년의 자료를 예측 및 검증자료로 사용하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제28권6호
• /
• pp.310-316
• /
• 2001

본 논문에서는 10N March 테스트 알고리즘에 기반한 내장된 이중 포트 메모리를 위한 효율적인 테스트 알고리즘을 제안하였다. 제안된 알고리즘은 각각의 포트에 대해 독립적으로 테스트 알고리즘을 적용함으로써 각각의 포트에 대해서 단일 포트 메모리 테스트 알고리즘을 적용하는 방법에 비해 시간 복잡도를 20N에서 8.5N으로 시간 복잡도를 줄였다. 그리고 제안된 알고리즘은 주소 디코더 고장, 고착 고장, 천이 고장, 반전 결합 고장, 동행 결합 고장을 모두 검출할 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 추계종합학술대회 B
• /
• pp.77-80
• /
• 2008

본 논문에서는 채널 결합 기법을 고려하여 DOCSIS 3.0 망에서 상향스트림 스케줄러를 설계하고 스케줄링 알고리즘을 제안하였다. 본 논문에서 제안하는 스케줄러는 Bonding Process Module, QoS Service Classifier, Upstream Scheduler, Framing Module 등으로 구성된다. 결합 채널에 대한 대역을 할당하기 위해 균등요구대역 할당알고리즘, 현재 요구대역할당을 고려한 요구대역 할당알고리즘, 이전 MAP의 대역 할당 정보를 고려한 요구대역 할당알고리즘을 제안하였다. 제안한 스케줄러 및 스케줄링 알고리즘의 성능을 비교평가하기 위해 OPNET 기반의 DOCSIS 3.0 시뮬레이션 모델을 개발하고, 시뮬레이션을 수행하였다. 성능평가 결과 CM에서 큐잉 지연과 CMTS에서 데이터 수신량 관점에서 균등요구할당 알고리즘이 우수한 성능을 나타냄을 확인할 수 있었다.