• Electronics and Telecommunications Trends
• /
• v.22 no.5
• /
• pp.12-23
• /
• 2007

유비쿼터스 사회에서는 언제, 어디서나 네트워크에 연결하여 다양한 형태의 실감 정보를 제공 받아 더욱더 풍요로운 삶을 누릴 수 있을 것이다. 이것은 음성인식 및 영상합성 생성기술, 입체 영상/음향 입?출력기술, IT-NT-BT 기술융합의 가속화로 지능형 실감형 정보처리는 물론 휴먼정보 등의 다양한 정보처리가 가능한 유비쿼터스 휴대 단말기에 의해서 실현될 것이다. 휴대 단말기에서 반도체는 약 $40{\sim}50%$의 비중을 차지하는 가장 중요한 부품이며, 다양한 지능형 실감형 정보를 처리하기 위하여 막대한 양의 데이터를 처리할 수 있는 저전력 고성능 반도체 SoC 개발이 필수적이다. 본고에서는 휴대 단말기에 사용되는 SoC 기술 및 재구성형 프로세서 기술 동향을 파악함으로써, 유비쿼터스 단말기에서 필수적으로 사용될 반도체 SoC 기술의 발전 방향에 대해서 전망해 보았다.

• Korea Information Processing Society Review
• /
• v.11 no.2
• /
• pp.33-41
• /
• 2004

언제, 어디서, 어떤 장치를 사용하더라도 정보의 검색이나 접근이 가능해지는 유비쿼터스 환경이 가시화되고 있어, 음성을 사용한 사용자 인터페이스의 중요성이 증대하고 있다. 음성인식, 합성, 화자인증 등 음성 등의 음성처리엔진의 기술 수준이 상용화 단계에 접어들고, 이동 중과 같이 모니터 등 시각적 인터페이스의 사용이 용이하지 않은 상황에서도 정보 접근기 요구가 증대함에 따라 음성은 정보시스템 의 중요한 인터페이스로 자리매김 하고 있다. 음성정보기술은 인간의 가장 자연스러운 상호작용 수단인 음성을 이용하여. 시스템에 명령을 내리고, 시스템의 명령 수행 결과를 음성으로 전달하는 음성을 이용한 정보 시스템 인터페이스를 구현하기 위 한 기술을 의미한다. 또한, 음성정보시스템은 음성을 이용한 사용자인터페이스가 가능한 정보시스템을 뜻하며, (그림 1)과 같이 음성처리엔진, 사용자 접속망, 사용자 프로파일 및 음성응용시스템으로 구성된다.(중략)

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.1181-1183
• /
• 2011

자연어 처리에서 큰 걸림돌 중의 하나는 용어의 표현 다양성이라 할 수 있다. 용어들은 시제, 단수/복수 형태, 경우에 따라서는 동일한 의미의 다른 용어로 대체되어 사용될 수 있으며, 이러한 용어의 사용은 동일한 의미를 다르게 해석하는 원인이 되기도 한다. 이에 본 연구에서는 다양한 형태의 용어들을 하나의 표준화된 형태로 정규화 하는 방법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.809-810
• /
• 2009

컴퓨터 시스템의 프로세스 종류는 크게 벡터 시스템과 스칼라 시스템의 두 가지 방식으로 나눌 수 있다. 이는 명령어 처리 방식을 구분한 것으로서 벡터 시스템은 명령어의 처리를 벡터 파이프라인 방식으로 수행한다. 이러한 벡터 시스템은 일반 명령어를 처리할 때는 명령어 실행을 벡터화하여 처리하기 때문에 속도가 향상되지만 반면에 컴파일을 수행할 때는 일반 명령 처리장치에서 스칼라 형태로 처리되기 때문에 그 처리 속도가 저하된다. 이러한 벡터 시스템에서의 컴파일 속도를 개선하기 위하여 별도의 크로스 컴파일러를 사용하는데, 이 때 별도의 크로스 컴파일 서버의 사용을 자동화하여 편리하게 사용할 수 있도록 구성하였다. 벡터 방식은 주로 Cray, NEC, Fujitsu 등의 컴퓨터에 채용하고 있으며 현재 KISTI에서 보유하고 있는 NEC 컴퓨터는 벡터 시스템이다. 본 연구는 크로스 컴파일러 서버를 구축하고 이 서버를 이용하여 자동적으로 크로스 컴파일을 함으로서 사용자는 기존의 일반 컴파일 방식과 동일하게 이용할 수 있기 때문에 사용하기 편리하고 NEC 메인 시스템에 부하를 주지 않으면서 컴파일 속도의 성능 향상을 가져오는 구성 방법을 제시한다.

• Electronics and Telecommunications Trends
• /
• v.24 no.4
• /
• pp.41-54
• /
• 2009

인터넷 서비스 데이터량의 지속적인 증가로 대량의 원시 데이터로부터 정보를 가공 처리하는 과정, 체계화된 정보의 저장 관리 및 유용한 정보를 추출하기 위한 분석 등에 분산 컴퓨팅 기술을 적용하는 움직임이 활발히 진행되고 있다. 기존의 RDBMS 기술, MPI 분산 처리 기술 등은 대규모 데이터 처리 환경에 적용하기에는 운영 환경, 기능/성능면에서 확장성 혹은 고비용 문제가 따른다. 그러므로 저가의 서버들로 구성된 대규모 클러스터 환경을 기반으로 분산 컴퓨팅 기술을 적용한 새로운 시스템들이 대규모 데이터 처리를 요하는 인터넷 서비스 응용에 이용되고 있다. 이를 기반으로 바이오인포매틱스, 과학 시뮬레이션, 비즈니스 인텔리전스 등 다른 응용 영역으로 확대하여 클라우드 서비스로 제공하려는 비즈니스 모델이 제시되고 있다. 본 논문에서는 이와 같은 분산 컴퓨팅 기술을 적용한 대규모 데이터 저장 관리 및 처리 기술 동향을 조사하고 클라우드 기반 서비스로의 발전 방향을 서술한다.

• Annual Conference on Human and Language Technology
• /
• 1999.10d
• /
• pp.9-9
• /
• 1999

• Journal of Information Management
• /
• v.17 no.3
• /
• pp.33-45
• /
• 1984

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.50-52
• /
• 2023

ML/DL과 같은 AI의 연구가 HPC 환경에서 수행되면서 데이터 병렬화, 분산 학습 및 대규모 데이터 세트를 처리를 위한 요구사항이 급격히 증가하였다. 또한, 병렬처리 연산에 특화된 가속기 기반 이기종 아키텍처 환경 변화로 I/O 처리에 고대역폭, 저지연의 스토리지 기술을 필요로 하고 있다. 본 논문에서는 고집적의 병렬 컴퓨팅 환경에 고성능 HPC, AI 애플리케이션을 처리하기 위한 티어링 스토리지 기술을 논한다. 나아가 실제 고성능 NVMe 기반의 플래시 티어링 계층 구성에서 액세스 패턴에 따른 데이터 처리 환경을 구축하고 성능을 검증한다. 이로써 다양한 사용자 어플리케이션의 I/O 패턴을 특성에 맞게 지원할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.556-559
• /
• 2007

하나의 시스템을 다수의 사람들이 작업을 할 경우 한정된 자원을 각각의 작업에 효율적으로 배분하기 위하여 작업관리 시스템을 이용한다. IBM 시스템은 작업관리 시스템으로서 주로 LoadLeveler를 사용하고 있다. 작업관리 시스템은 작업을 처리할 수 있는 여러가지의 큐를 가지고 있으며, 큐는 시스템의 특성과 구성 그리고 사용자 작업의 패턴에 따라서 설계되어진다. 본 논문에서는 LoadLeveler에서 작업을 실행할 때 긴급한 작업을 우선적으로 처리할 수 있는 큐를 만들기 위하여 preemption 기능을 이용하여 구성하고, 해당 큐로 작업을 선점하여 실행하면서 각각 작업들의 메모리 사용 변화와 그에 따른 작업 처리 성능을 분석하고 방법을 연구하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.207-210
• /
• 2008

(비)구조화된 격자 상에 정의된 벡터 데이터는 다양한 과학 및 공학 분야에서 매우 중요하게 다루어진다. 이러한 데이터는 데카르트 격자 상의 데이터에 비해 많은 처리시간을 필요로 하는데, 이러한 문제는 계층 트리를 이용해서 빠르게 처리하는 것이 가능하다. 본 논문에서는 구조화된 격자 데이터에 대해 계산 공간을 기반으로한 계층 트리를 생성하고 이 트리를 이용해서 빠르게 데이터 샘플링을 처리하고자 했다. 이러한 방법을 이용해서 스트림라인 생성 시간을 평균 1800배 빨라지게 하는 것이 가능했다.