• 한국통신학회논문지
• /
• 제36권7A호
• /
• pp.662-668
• /
• 2011

본 논문에서는 MANET (Mobile Ad hoc Network)를 위한 가장 대표적인 라우팅 프로토콜인 AODV (Ad hoc On-demand Distance Vector)와 OLSR (Optimized Link State Routing)의 성능을 노드 이동성 모델에 따라 분석한다. 노드의 이동성은 망 토폴로지의 변화를 일으키므로 라우팅 프로토콜의 성능에 많은 영향을 미친다. 따라서, MANET 라우팅 프로토콜의 성능을 정확하게 평가하기 위해서는 노드의 이동 패턴에 가장 적합한 이동성 모델을 사용하는 것이 무엇보다 중요하다. 본 논문에서는 기존 MANET 라우팅 프로토콜 성능분석에 가장 많이 사용되고 있는 random way point 모델과 최근에 실제 인간의 이동 패턴과 가창 유사하다고 발표된 Levy walk 모델을 기반으로 AODV와 OLSR의 성능을 ns-2 시뮬레이션을 통해 비교 분석한다.

• 한국통신학회논문지
• /
• 제37C권10호
• /
• pp.993-1003
• /
• 2012

본 논문은 워게임 모델과 통신 모델을 HLA/RTI를 이용하여 연동 시뮬레이션 함으로써 부대 전투력과 통신 시스템의 요구 성능을 상호 분석하는 방법을 제안한다. 전투 효과도의 분석은 통신 모델의 시뮬레이션을 통해 얻어진 통신 효과도을 반영하여 워게임 모델의 시뮬레이션을 통해 이루어진다. 통신 시스템의 요구 성능 분석은 워게임 모델의 시뮬레이션에 의해 만들어진 작전 시나리오 및 부대 정보를 이용하여 통신 모델의 시뮬레이션을 통해 이루어진다. 이를 위해 연대급 규모 방어 작전을 모델링 및 시뮬레이션 하였으며, 적군의 생존 비율과 아군의 FM 무전기 송신 출력이 상호 분석을 위한 분석 지수로 사용되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권8호
• /
• pp.689-696
• /
• 2007

소프트웨어의 개발 초기 단계에서 성능을 예측하는 기법은, 비 기능적 요구사항의 검증 및 소프트웨어의 성능을 향상시키기 위해 중요한 이슈가 되었다. 이를 위해 소프트웨어의 아키텍처를 수학적인 분석 모델로 변환시키는 기법들이 등장하게 되었다. 그러나 에이전트 기반 시스템을 개발하는 경우, 기존방법들은 에이전트 플랫폼의 성능을 정확하게 반영하지 못하기 때문에, 정확한 성능 예측 및 분석에 적용 할 수 없다. 본 논문에서는 정규화된 의미 기술언어를 이용하여 에이전트 기반 시스템 아키텍처의 성능을 예측하는 기법을 제안한다. 본 방식은 UML로 기술된 시스템의 아키텍처를 하드웨어 및 소프트웨어 플랫폼의 성능이 반영된 분석 모델로 변환시킨다. 성능 예측의 정확도를 평가하기 위해, 과거에 연구했던 전자상거래 시스템을 확장한 유비쿼터스 상거래 시스템 시나리오를 기반으로 프로토타입을 구현하여 성능을 측정하고 생성된 분석 모델로부터 측정된 성능 결과와 비교하였다. 그 결과 약 80%의 정확도를 보였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 추계학술대회
• /
• pp.44-45
• /
• 2019

최근 CNN 등 인공신경망은 최근 이미지 분류, 객체 인식, 자연어 처리 등 다양한 분야에서 뛰어난 성능을 보이고 있다. 그러나, 대부분의 분야에서 보다 더 높은 성능을 얻기 위해 사용한 인공신경망 모델들은 파라미터 수 및 연산량 등이 방대하여, 모바일 및 IoT 디바이스 같은 연산량이나 메모리가 제한된 환경에서 추론하기에는 제한적이다. 따라서 연산량 및 모델 파라미터 수를 압축하기 위한 딥러닝 경량화 알고리즘이 연구되고 있다. 본 논문에서는 임베디트 보드에서의 압축된 CNN 모델의 성능을 검증한다. 인공지능 지원 맞춤형 칩인 QCS605 를 내장한 임베디드 보드에서 카메라로 입력한 영상에 대해서 원 CNN 모델과 압축된 CNN 모델의 분류 성능과 동작속도 비교 분석한다. 본 논문의 실험에서는 CNN 모델로 MobileNetV2, VGG16 을 사용했으며, 주어진 모델에서 가지치기(pruning) 기법, 양자화, 행렬 분해 등의 인공신경망 압축 기술을 적용하였을 때 원래의 모델 대비 추론 시간 및 분류의 정확도 성능을 분석하고 인공신경망 압축 기술의 유용성을 확인하였다.

• 한국정보처리학회논문지
• /
• 제7권8S호
• /
• pp.2663-2671
• /
• 2000

본 논문에서는 ATM 교환기 TMN EMS의 성능 분석을 위한 큐잉 모델을 제시한다. ATM 교환기 관리를 위한 TMN 시스템은 관리자, 대행자, ATM 교환기 등이 계층적인 구조로 이루어져 있다. 관리자는 여러개의 대행자와 통신하며, 대행자는 ATM 교환기의 관리 기능을 대행한다. 우리는 EMS를 구성하는 관리자의 용량과 성능을 예측하기 위하여 큐잉 모델을 정의하였다. 이 모델을 통하여 EMS의 평균 서비스 시간과 용량을 예측할 수 있다.

• 한국산학기술학회논문지
• /
• 제20권12호
• /
• pp.663-670
• /
• 2019

터빈 사이클 보정 열 성능 분석은 발전소의 현재 성능을 결정하고 향상된 경제성 운전을 위해 요구된다. 본 연구에서는 신뢰성있는 성능 분석을 위해서 산업 표준인 ASME(American Society of Mechanical Engineers) PTC(Performance Test Code)를 기본으로 성능 분석에서 우선적으로 중요하게 적용되는 주급수 유량을 대상으로 영역별 판정 알고리즘을 개발하고 각 영역별로 현재의 터빈 사이클 성능을 추정하는 알고리즘을 개발하였다. 추정 알고리즘은 측정 상태량의 상관 관계를 기반으로 영역별로 형상 분류를 제시하고, 이를 기반으로 커널 회귀 모델을 이용하여 학습된 추정 모델을 구성하였으며, 커널 회귀 모델링의 우수성을 검증하기 위하여 신경 회로망 모델의 학습 결과와 비교하였다. 주급수 유량의 형상 특성에 따른 분류 및 추정 모델은 터빈 사이클에서 정확한 보정 열 성능 분석을 제공함으로써 성능 분석의 신뢰도를 증가시킬 수 있었으며 다른 성능 결정 변수에 대한 학습 및 검증 모델로 사용될 수 있다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.689-691
• /
• 2018

의존 구문 분석은 자연어 이해 영역의 대표적인 과제 중 하나이다. 본 논문에서는 한국어 의존 구분 분석의 성능 향상을 위해 Deep Bi-affine Network 와 스택 포인터 네트워크의 앙상블 모델을 제안한다. Bi-affine 모델은 그래프 기반 방식, 스택 포인터 네트워크의 경우 그래프 기반과 전이 기반의 장점을 모두 사용하는 모델로 서로 다른 모델의 앙상블을 통해 성능 향상을 기대할 수 있다. 두 모델 모두 한국어 어절의 특성을 고려한 자질을 사용하였으며 세종 의존 구문 분석 데이터에 대해 UAS 90.60 / LAS 88.26(Deep Bi-affine Network), UAS 92.17 / LAS 90.08(스택 포인터 네트워크) 성능을 얻었다. 두 모델에 대한 앙상블 기법 적용시 추가적인 성능 향상을 얻을 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.558-562
• /
• 2023

최근 ChatGPT의 등장으로 텍스트 생성 모델에 대한 관심이 높아지면서, 텍스트 생성 태스크의 성능평가를 위한 지표에 대한 연구가 활발히 이뤄지고 있다. 전통적인 단어 빈도수 기반의 성능 지표는 의미적인 유사도를 고려하지 못하기 때문에, 사전학습 언어모델을 활용한 지표인 BERTScore를 주로 활용해왔다. 하지만 이러한 방법은 사전학습 언어모델이 학습한 데이터에 존재하는 편향으로 인해 공정성에 대한 문제가 우려된다. 이에 따라 한국어 사전학습 언어모델의 편향에 대한 분석 연구가 필요한데, 기존의 한국어 사전학습 언어모델의 편향 분석 연구들은 사회에서 생성되는 다양한 속성 별 편향을 고려하지 못했다는 한계가 있다. 또한 서로 다른 언어를 기반으로 하는 사전학습 언어모델들의 속성 별 편향을 비교 분석하는 연구 또한 미비하였다. 이에 따라 본 논문에서는 한국어 사전학습 언어모델의 속성 별 편향을 비교 분석하며, 영어 사전학습 언어모델이 갖고 있는 속성 별 편향과 비교 분석하였고, 비교 가능한 데이터셋을 구축하였다. 더불어 한국어 사전학습 언어모델의 종류 및 크기 별 편향 분석을 통해 적합한 모델을 선택할 수 있도록 가이드를 제시한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.437-442
• /
• 2023

최근에 등장한 대규모 언어 모델은 다양한 언어 처리 작업에서 놀라운 성능을 발휘하고 있다. 그러나 이러한 모델의 크기와 복잡성 때문에 모델 경량화의 필요성이 대두되고 있다. Pruning은 이러한 경량화 전략 중 하나로, 모델의 가중치나 연결의 일부를 제거하여 크기를 줄이면서도 동시에 성능을 최적화하는 방법을 제시한다. 본 논문에서는 한국어 언어 모델인 Polyglot-Ko에 Wanda[1] 기법을 적용하여 Pruning 작업을 수행하였다. 그리고 이를 통해 가중치가 제거된 모델의 Perplexity, Zero-shot 성능, 그리고 Fine-tuning 후의 성능을 분석하였다. 실험 결과, Wanda-50%, 4:8 Sparsity 패턴, 2:4 Sparsity 패턴의 순서로 높은 성능을 나타냈으며, 특히 일부 조건에서는 기존의 Dense 모델보다 더 뛰어난 성능을 보였다. 이러한 결과는 오늘날 대규모 언어 모델 중심의 연구에서 Pruning 기법의 효과와 그 중요성을 재확인하는 계기가 되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.285-288
• /
• 2008

최근의 구문분석 연구는 컴퓨터 성능 향상과 사용 가능한 대량의 구문분석 말뭉치 증가, 견고한 기계학습 기법 개발 등에 힘입어 통계적인 모델 연구가 꾸준히 증가하고 있다. 본 논문에서는 기존에 개발된 다양한 기계학습 기법 중 ME(Maximum Entropy) 모델과 SVM(Support vector machine) 모델을 이용한 한국어 구문분석 방법을 제안한다. 국어정보베이스(KIBS) 구문분석 말뭉치를 가지고 실험한 결과 SVM 모델을 이용한 한국어 구문분석기가 기존의 확률 기반 통계적 한국어 구문분석기의 성능보다도 최대 1.84% 높은 87.46%의 의존관계 결정 정확률을 보였다. 추후 언어지식을 반영한 다양한 자질들을 이용할 경우 성능 향상이 기대된다.