• Journal of the Korea Society of Computer and Information
• /
• v.19 no.5
• /
• pp.1-10
• /
• 2014

The proposed scheme schedules given real-time tasks so that energy consumption of multicore processors would be minimized while meeting tasks' deadline and tolerating a permanent fault based on the primary-backup task model. Whereas the previous methods minimize the overlapped time of a primary task and its backup task, the proposed scheme maximizes the overlapped time so as to decrease the core speed as much as possible. It is analytically verified that the proposed scheme minimizes the energy consumption. Also, the proposed scheme saves up to 77% energy consumption of the previous method through experimental performance evaluation.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.213-218
• /
• 2019

기계독해는 자연어로 표현된 질문과 단락이 주어졌을 때, 해당 단락 내에 표현된 정답을 찾는 태스크이다. 최근 기계독해 태스크도 다른 자연어처리 태스크와 유사하게 BERT, XLNet, RoBERTa와 같이 사전에 학습한 언어모델을 이용하고 질문과 단락이 입력되었을 경우 정답의 경계를 추가 학습(fine-tuning)하는 방법이 우수한 성능을 보이고 있으며, 특히 KorQuAD v1.0 데이터셋에서 학습 및 평가하였을 경우 94% F1 이상의 높은 성능을 보이고 있다. 본 논문에서는 현재 최고 수준의 기계독해 기술이 학습셋과 유사한 평가셋이 아닌 일반적인 질문과 단락 쌍에 대해서 가지는 일반화 능력을 평가하고자 한다. 이를 위하여 첫번째로 한국어에 대해서 공개된 KorQuAD v1.0 데이터셋과 NIA v2017 데이터셋, 그리고 엑소브레인 과제에서 구축한 엑소브레인 v2018 데이터셋을 이용하여 데이터셋 간의 교차 평가를 수행하였다. 교차 평가결과, 각 데이터셋의 정답의 길이, 질문과 단락 사이의 오버랩 비율과 같은 데이터셋 통계와 일반화 성능이 서로 관련이 있음을 확인하였다. 다음으로 KorBERT 사전 학습 언어모델과 학습 가능한 기계독해 데이터 셋 21만 건 전체를 이용하여 학습한 기계독해 모델에 대해 블라인드 평가셋 평가를 수행하였다. 블라인드 평가로 일반분야에서 학습한 기계독해 모델의 법률분야 평가셋에서의 일반화 성능을 평가하고, 정답 단락을 읽고 질문을 생성하지 않고 질문을 먼저 생성한 후 정답 단락을 검색한 평가셋에서의 기계독해 성능을 평가하였다. 블라인드 평가 결과, 사전 학습 언어 모델을 사용하지 않은 기계독해 모델 대비 사전 학습 언어 모델을 사용하는 모델이 큰 폭의 일반화 성능을 보였으나, 정답의 길이가 길고 질문과 단락 사이 어휘 오버랩 비율이 낮은 평가셋에서는 아직 80%이하의 성능을 보임을 확인하였다. 본 논문의 실험 결과 기계 독해 태스크는 특성 상 질문과 정답 사이의 어휘 오버랩 및 정답의 길이에 따라 난이도 및 일반화 성능 차이가 발생함을 확인하였고, 일반적인 질문과 단락을 대상으로 하는 기계독해 모델 개발을 위해서는 다양한 유형의 평가셋에서 일반화 평가가 필요함을 확인하였다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.295-299
• /
• 2022

자원이 부족한 언어 환경에서 사전학습 언어모델 학습을 위한 대용량의 코퍼스를 구축하는데는 한계가 존재한다. 본 논문은 이러한 한계를 극복할 수 있는 Cross-lingual Post-Training (XPT) 방법론을 적용하여 비교적 자원이 부족한 한국어에서 해당 방법론의 효율성을 분석한다. 적은 양의 한국어 코퍼스인 400K와 4M만을 사용하여 다양한 한국어 사전학습 모델 (KLUE-BERT, KLUE-RoBERTa, Albert-kor)과 mBERT와 전반적인 성능 비교 및 분석 연구를 진행한다. 한국어의 대표적인 벤치마크 데이터셋인 KLUE 벤치마크를 사용하여 한국어 하위태스크에 대한 성능평가를 진행하며, 총 7가지의 태스크 중에서 5가지의 태스크에서 XPT-4M 모델이 기존 한국어 언어모델과의 비교에서 가장 우수한 혹은 두번째로 우수한 성능을 보인다. 이를 통해 XPT가 훨씬 더 많은 데이터로 훈련된 한국어 언어모델과 유사한 성능을 보일 뿐 아니라 학습과정이 매우 효율적임을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11a
• /
• pp.419-422
• /
• 2003

실시간 시스템에서 태스크의 스케줄링은 매우 중요한 역할을 담당한다. 실시간 시스템에서 각각의 태스크들은 제한된 시간이 주어져 있고, 이 태스크들은 제한된 시간 내에 수행되지 못하는 경우에는 큰 피해를 입을수 있으므로 반드시 지켜져야 한다. 이에 대한 사전에 태스크 예측 가능성에 관한 연구가 활발히 진행중이다. 본 논문에서는 각각의 태스크 이용율을 사용하여 예측가능성을 높이기 위한 알고리즘을 제안하며, 기존의 태스크 전체 이용율을 이용한 모델과 비교 분석하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.160-163
• /
• 2012

맵리듀스는 데이터 집약적인 어플리케이션에서 대량의 데이터를 분산 병렬 처리하기 위한 프로그래밍 모델이다. 하둡은 맵리듀스의 오픈소스 구현으로 맵리듀스를 사용하기 위한 도구로 많이 알려져 있다. 실제 하둡을 이용하여 맵리듀스를 적용할 때 맵 태스크 단계는 병렬로 수행되어 순차처리에 비해 시간이 단축된다. 그러나 맵 태스크의 결과물인 중간 단계의 데이터는 단일 리듀스 태스크에서 처리됨으로써 시간 지연이 발생한다. 따라서 본 논문에서는 단일 리듀스 태스크 처리에서 발생하는 오버로드 및 시간 지연 문제를 해결하기 위해 적응적으로 리듀스 태스크를 할당하는 스케줄링 기법을 제안하고 실험을 통해 이 기법의 성능을 검증한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.10a
• /
• pp.9-14
• /
• 1998

멀티미디어를 실시간으로 서비스하는 비디오 서버의 설계 시, 네크워크 가용공간, 버퍼 공간 및 디스크 전송률 등이 고려되어야 하며, 특히 버퍼 공간과 디스크 전송률을 동시게 고려하는 기법이 제시되었지만, VOD 서버에서는 보통 MPEG데이터가 VBR 형식으로 되어 있기 때문에 CBR로 모델링하면 시스템의 가용성이 떨어지게 된다. 또한 수용제어를 위한 버퍼 예약기법에서는 VBR 형태로 데이터를 모델링하는 기법들이 제시되었지만, 이 경우에도 디스크 전송률을 계산할 때는 CBR형식으로 가정하거나 아예 고려를 하지 않기 때문에 역시 시스템 자원을 효율적으로 사용할 수 없다. 본 논문에서는 VBR 비디오 서버의 설계를 위하여 서버에서 처리되는 각 스트림들을 하드 실시간 태스크 모델로 모델링하고 실시간 태스크들을 효율적으로 처리할 수 있는 실시간 스케쥴링 알고리즘을 제안한다. 이 실시간 스케쥴링 알고리즘을 디스크 액세스의 승인제어, 디스크 스케쥴링, 버퍼 관리에 이용하므로서 연속성을 보장할 수 있는 효율적인 VBR 연속 미디어 서버를 설계할 수 있다. 비디오 서버의 성능은 시뮬레이션을 이용하여 분석하였다.

• Journal of the Korean Institute of Telematics and Electronics
• /
• v.20 no.6
• /
• pp.62-68
• /
• 1983

We suggest a Quasi- dual graph model in consideration of dynamic module assignment and relocation to assign task optimally to two processors that have different processing abilities. An optimal module partitioning and allocation to minimize total processing cost can be achieved by applying shortest-path algorithm with time complexity 0(n2) on this graph model.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.419-422
• /
• 2023

자연어 추론은 전제 문장과 가설 문장의 관계를 함의, 중립, 모순으로 분류하는 자연어 처리 태스크이다. 최근 여러 자연어 처리 태스크에서 딥러닝 모델을 이용하는 방법이 우수한 성능을 보이고 있지만, 이는 미세 조정과정에 드는 비용이 많다는 점과 모델 출력의 근거, 과정을 사람이 이해하기 어려운 한계가 있다. 이러한 이유로 최근에는 소량의 입력, 출력 예시를 포함한 프롬프트를 이용한 방법론과 모델 출력에 대한 근거를 생성, 활용하는 방법에 관한 많은 연구가 진행되고 있다. 본 논문에서는 퓨샷 학습 환경의 한국어 자연어 추론 태스크를 위한 세 가지 프롬프트 방법과 이들을 조합하여 적용하는 방법을 제안한다. 이를 통해 '해석 가능성'과 자연어 추론 성능을 모두 향상시킬 수 있음을 보인다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.173-177
• /
• 2021

분절을 통한 양질의 입력 자질을 구성하는 것은 언어모델의 문장에 대한 이해도를 높이기 위한 필수적인 단계이다. 분절은 문장의 의미를 이해하는 데 있어 중요한 역할을 하기 때문이다. 따라서, 한국어 문장 분류 태스크를 수행함에 있어 한국어의 특징에 맞는 분절 기법을 선택하는 것은 필수적이다. 명확한 판단 기준 마련을 위해, 우리는 한국어 문장 분류 태스크에서 가장 효과적인 분절 기법이 무엇인지 감성 분석, 자연어 추론, 텍스트 간 의미적 유사성 판단 태스크를 통해 검증한다. 이 때 비교할 분절 기법의 유형 분류 기준은 언어학적 단위에 따라 어절, 형태소, 음절, 자모 네 가지로 설정하며, 분절 기법 외의 다른 실험 환경들은 동일하게 설정하여 분절 기법이 문장 분류 성능에 미치는 영향만을 측정하도록 한다. 실험 결과에 따르면 자모 단위의 분절 기법을 적용한 모델이 평균적으로 가장 높은 성능을 보여주며, 반복 실험 간 편차가 적어 일관적인 성능 결과를 기록함을 확인할 수 있다.

• Proceedings of the KIEE Conference
• /
• 2003.11c
• /
• pp.492-495
• /
• 2003

최근들어 내장형 시스템의 설계에 있어서 고도의 집적화와 동작주파수 증가 및 이동형 시스템 수요 증가로 인해 전력 소모에 대한 중요성이 계속적으로 증가하고 있다. 이러한 제약을 해결하기 위해 태스크 형태의 소프트웨어가 나타나기 시작했다. 기존의 일반적인 내장형 시스템에서는 슈퍼루프(Super-loop) 형태의 소프트웨어가 기반을 이루고 있는데 이 구조내에 서는 저전력 모드 구현이 어렵다. 저전력 모드 진입 시점과 복귀 시점을 정하기가 어럽고 바꾸더라도 전체 시스템에 영향을 미치기 때문에 전체를 다 수정해주어야 한다. 하지만 태스크 형태의 내장형 소프트웨어에서는 각 태스크들이 독립적으로 돌아가고 태스크 내에서만 저전력 모드를 적용하게 되면 쉽게 저전력 모드 구현이 가능하다 이는 기능의 다양화와 복잡성에도 쉽게 대응할 수 있다는 일반적인 태스크 형태의 소프트웨어가 갖는 특징을 잘 나타내준다. 일반적으로 태스크 구조의 소프트웨어는 재사용성이 높아지고 실시간 운영체제를 사용함으로서 실시간 성능이 향상된다. 본 논문에서 보여주는 모델은 디바이스에 의존적이면서 빠른 응답시간을 요구하는 평면 디스플레이를 위한 소프트웨어이다. 태스크 기반의 소프트웨어에서 유휴 상태(idle state)를 활용하는 것을 기반으로 구현하였고, 이는 기존 슈퍼루프형태의 소프트웨어에 비하여 전력소모량이 줄어듬을 보여준다.