• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 추계학술발표논문집 (상)
• /
• pp.469-472
• /
• 2000

인터넷 사용자의 급속한 증가와 전자 상거래의 발전은 다양한 시스템 및 네트워크의 설계 및 관리를 매우 복잡하게 변화시켰다. 본 연구에서는 인터넷/ 인트라넷과 같은 분산 망에서의 서비스 보장을 위해 종단 시스템(End-to-End System)에서의 QoS(Quality of Service) 지원과 QoS 제어 메커니즘을 분석하여 분산 망에서의 종단 사용자(End-User)를 위한 QoS 정책 관리 구조를 제안하였다. 이 구조는 종단 호스트 모델과 네트워크 모델의 통합 지원 구조로 구성되며, 각 모델의 해당 자원에 대한 서비스를 구분하여 사용자 정책을 관리하며, 분산 망에 대해서는 단위 네트워크의 QoS 관리 서버를 통하여 종단 시스템간의 QoS 정책을 관리하게 된다. 본 논문에서 제안한 구조는 분산 망에서의 종단 사용자 정책을 관리하는데 있어 응용 서비스 고유의 특성을 보장하며 사용자 정책에 따른 서비스 자원을 통합 관리할 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (2)
• /
• pp.354-356
• /
• 1998

축약 분산 기억 장치는 적응적 문제 해결 능력과 하드웨어화의 용이성으로 인해 현실성이 있는 신경망의 한 모델로 주목받고 있다. 그러나 다층 인식자의 개별 뉴론이 선형의 결정 함수로 해 공간을 이분하고 그들이 다양하게 결합하므로써 일반적인 문제 해결 능력을 갖는데 비해, 축약 분산 기억 장치의 뉴론은 해 공간에서 자신을 중심으로 한 일정 반경 영역을 안과 밖으로 이분하고 이들을 단순하게 합하므로 해 공간이 크기 관계를 갖는 경우 비효율적인 모델로 된다. 본 논문에서는 이러한 축약 분산 기억 장치의 특성과 그 원인을 규명하고 해결 방안으로써 개선된 축약 분산 기억 장치를 제안한다. 아울러 새로운 모델의 적용 예를 ATM 호 수락 제어 과정을 통해 보인다.

• 한국정보과학회논문지:데이타베이스
• /
• 제28권1호
• /
• pp.95-103
• /
• 2001

본 논문에서는 분산된 준구조적 데이터에 대한 질의 처리 문제를 다룬다. 분산된 준구조적 데이터는 루트가 있고 간선에 레이블이 있는 그래프 모델로 표현될 수 있으며, 그래프의 조드들은 한 사이트 또는 여러 사이트들에 위치할 수 있다. 분산된 준구조적 데이터의 효율적인 검색을 위해 ‘질의 단축 및 확산’ 방법에 기반을 둔 질의 처리 모델을 제안한다. 이 방법은 사용자 질의가 사이트 내부에서 단축되고 다른 사이트로 분산되는 과정을 통해 데이터를 검색한다. 또한, 제안된 모델에 필요한 알고리즘들을 제시하고 정확성을 증명한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 춘계학술발표대회
• /
• pp.549-552
• /
• 2008

부하를 분산하여 시스템 자원의 효율성을 제고하여 시스템의 안정성을 향상하고자 하는 연구는 부하분산 에이전트 이용, 네트워크 트래픽의 동적 감시를 통한 부한 분산, 클러스트 환경을 이용한 부하분산, Queue를 통한 트랜잭션을 제어에 의한 부하 분산 등이 있다. 또한 어플리케이션 부문은 프로그램 로직 단순화 및 SQL 최적화 등을 실시하여 부하를 경감하는 연구가 진행 되고 있다. 그러나 어플리케이션 부문의 튜닝을 실시하기 위한 대상 프로그램의 선정 및 튜닝 실시 후 사후 관리 방법에 대한 연구는 활발히 이루어지지 않았다. 따라서 본 논문은 시스템 부하 개선을 위한 튜닝 대상 프로그램 선정 모델을 제시하고, 이를 실 업무에 적용하여 본 연구 모델의 실용성을 검증 하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (3)
• /
• pp.649-651
• /
• 2001

지난 수년간 인터넷의 대중화와 급속한 성장으로 분산 애플리케이션에 대한 관심이 증대되었다. 오늘날 분산 애플리케이션을 보다 쉽게 개발하기 위한 미들웨어로 CORBA와 Java RMI가 널리 사용되고 있다. 기존의 이러한 객체지향 미들웨어 정은 분산 환경은 분산 소프트웨어 컴포넌트와 분산 애플리케이션의 향상된 이식성, 상호운용성 그리고 재사용성 등을 제공하지만, 신뢰성과 고가용성의 지원은 이루어지고 있지 않다. 본 논문에서는 견고한 자바 서버 객체 그름을 지원하는 그룹통신 모델을 설계하여 분할 가능한 분산환경에서 신뢰성자 고가용성이 요구되는 분산 애플리케이션의 개발을 지원하고자 한다. 제안된 시스템은 중복된 서버 객체로 구성된 그름을 다루는 분할가능 그룹통신 서비스와 서버 객체 그름을 단일 서버 객체처럼 그룹의 메소드를 호출하는 투명한 클라이언트 호출 기법으로 구성된다.

• Tribology and Lubricants
• /
• 제7권2호
• /
• pp.28-35
• /
• 1991

3원통/링 마모시험기를 사용하여 윤활유 공급하에서 미끄럼 마모시험을 수행하였다. 엔진유에 첨가되는 대표적 첨가제인 ZDDP, 청정제, 분산제의 첨가제 3종과 모델 산호물로서 유성제인 스테아린산을 선택하여, 그 배합유의 마모방지특성을 조사하였다. 청정제 및 분산제 각각의 첨가에 의해 마모방지특성은 향상되었으나, 청정제 및 분산제를 동시에 첨가할 경우 마모방지성능의 향상효과는 없어졌다. 또한, 모델산화물인 스테아린산의 첨가로 인하여 ZDDP의 마모방지작용은 나빠지나, 청정분산제가 그 악영향을 억제하는 작용을 한다.

• 한국대기환경학회:학술대회논문집
• /
• 한국대기환경학회 2000년도 춘계학술대회 논문집
• /
• pp.291-293
• /
• 2000

대기 연구자들은 대기오염의 일반적인 현황과 대기오염 유발의 근본 원인 파악, 저감 대책 등에 대한 연구를 활발히 수행하고 있다 하지만 이러한 연구들 중에서 대기오염의 근본 원인을 파악하기 위한 오염원 (Source) 추정 연구는 국내외적으로 매우 미진하다. 대기질의 평가와 예측은 분산모델과 수용방법론을 이용하는데, 분산모델에 내재되어 있는 한계성과 제약점 때문에 수용체에서 오염물질의 특성을 분석한 후, 오염원의 기여도를 평가하는 수용방법론이 지속적으로 개발되고 있다. (중략)

• 한국지능시스템학회논문지
• /
• 제22권5호
• /
• pp.549-554
• /
• 2012

본 논문에서는 추정 분산 제약을 갖는 비선형 이산시간에 대한 최적의 퍼지 필터에 대한 내용을 다루고자 한다. 필터를 설계할 때, 추정오차의 분산값은 필터의 성능이 결정하는 변수중 하나다. 이런 분산값에 더욱 강인한 필터를 설계하고자, 분산 제약 조건을 주어 필터를 설계하고자 한다. 먼저, 비선형 모델을 Tagaki-Sugeno 퍼지 모델을 이용하여 선형 모델로 변형한 후, 이 모델을 기반으로 선형 필터를 디자인한다. 이때 필터설계 과정 중 필터의 각 파라미터값을 구하기 위해 상태 추정오차 값은 평균제곱에 제한되며, 상태오차의 정상상태 분산값은 각각의 미리 정한 상한 제한 값 보다 작은 조건에서 필터를 설계하여 선형행렬부등식과 대수 이차 행렬부등식을 이용하여 파라미터값을 구한다. 이렇게 설계된 퍼지 필터는 트럭트레일러 시뮬레이션을 통해 설계 과정과 성능을 보여준다.

• 디지털콘텐츠학회 논문지
• /
• 제8권3호
• /
• pp.309-314
• /
• 2007

분산형 데이터마이닝을 위해 의사결정나무 알고리즘은 분산형 협업 환경에 적합하도록 변환되어야 한다. 본 논문에서 제시된 분산형 데이터마이닝 시스템은 각각의 사이트에서 부분적인 데이터를 위한 데이터마이닝 작업을 수행할 수 있는 에이전트와 여러 에이전트들의 협업을 통해 최종적인 의사결정나무 모델을 완성할 수 있도록 에이전트들 간의 통신을 중재하는 미디에이터로 구성되어 있다. 분산형 데이터마이닝의 장점 중에 하나는 여러 사이트에 분산되어 있는 대량의 데이터를 분산 처리하므로 데이터마이닝의 소요시간을 현저하게 줄일 수 있다는 점이다. 그러나 각 사이트들에 존재하고 있는 에이전트들 간의 통신에 부하가 과도하게 걸린다면, 효율적인 시스템으로의 활용도가 낮아질 것 이다. 본 논문은 에이전트들 간에 의사결정나무 모델의 전송량을 최소로 할 수 있는 방법론에 초점을 맞추었다.

• 한국컴퓨터교육학회 학술대회
• /
• 한국컴퓨터교육학회 2017년도 하계학술대회
• /
• pp.201-204
• /
• 2017

빅 데이터의 시대가 도래하면서 이전보다 데이터로부터 유의미한 정보를 추출하는 것에 대한 연구가 활발하게 진행되고 있다. 딥러닝은 텍스트, 이미지, 동영상 등 다양한 데이터에 대한 학습을 가능하게 할 뿐만 아니라 높은 학습 정확도를 보임으로써 차세대 머선러닝 기술로 각광 받고 있다. 그러나 딥러닝은 일반적으로 학습해야하는 데이터가 많을 뿐만 아니라 학습에 요구되는 시간이 매우 길다. 또한 데이터의 전처리 수준과 학습 모델 튜닝에 의해 학습정확도가 크게 영향을 받기 때문에 활용이 어렵다. 딥러닝에서 학습에 요구되는 데이터의 양과 연산량이 많아지면서 분산 처리 프레임워크 기반 분산 학습을 통해 학습 정확도는 유지하면서 학습시간을 단축시키는 사례가 많아지고 있다. 본 연구에서는 범용 분산 처리 프레임워크인 아파치 스파크에서 데이터 병렬화 기반 분산 학습 모델을 활용하여 모바일 빅 데이터 분석을 위한 딥러닝을 구현한다. 딥러닝을 구현할 때 분산학습을 통해 학습 속도를 높이면서도 학습 정확도를 높이기 위한 모델 튜닝 방법을 연구한다. 또한 스파크의 분산 병렬처리 효율을 최대한 끌어올리기 위해 파티션 병렬 최적화 기법을 적용하여 딥러닝의 학습속도를 향상시킨다.