• Journal of KIISE:Software and Applications
• /
• v.26 no.2
• /
• pp.321-333
• /
• 1999

본 논문은 퍼지 하이퍼그래프(fuzzy hypergraph)를 확장하여 타입-2 퍼지 하이퍼그래프를 정의하고, 이렇게 정의된 그래프의 듀얼( dual)을 소개한다. 그리고 하이퍼그래프의 시스템 분석력을 증대시키기 위하여 원소와 에지(edge)의 인접한 정도를 나타내는 인접도(adjavent level)를 확장하여 퍼지 인접도를 정의한다. 이와 같이 정의된 인접도를 새로이 정의된 타입-2 퍼지 하이퍼그래프에 적용하여 하이퍼그래프의 시스템 분석능력을 증대시킴을 보인다.

• KIISE Transactions on Computing Practices
• /
• v.23 no.8
• /
• pp.492-497
• /
• 2017

A hypergraph consists of a set of nodes and hyperedges that connect an arbitrary number of nodes. We employ graph traversal algorithms such as BFS and DFS to analyze or explore hypergraph data. However, the conventional BFS and DFS do not consider the structural characteristics of hyperedges. In this paper, we propose a method to record visited edges and nodes during the traversal algorithm for data stored in hypergraphDB. In the experiments, we conduct various hypergraph analyses that utilize traversal algorithms and show that our method achieves a fewer number of database accesses and faster processing time than the conventional one.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.12
• /
• pp.3099-3108
• /
• 1998

본 논문에서는 새로운 다중 컴퓨터의 위상으로 하이퍼-스타 그래프를 제안하고, 하이퍼-스타 그래프에 대하여 주요 망 척도인 분지수, 연결도, 확장성, 라우팅, 지름, 임베딩 등의 특징을 분석한다. 하이퍼-스타 그래프 HS(2n,n)에 에지를 한 개 추가한 folded 하이퍼-스타 그래프 FHS(2n,n)은 2nCn개의 노드를 갖고 널리 알려진 상호 연결망인 하이퍼큐브에 비해 상대적으로 분지수와 지름이 작은 값을 갖는 연결망이다. Folded 하이퍼-스타 그래프 FHS(2n,n)가 하이퍼큐브 Qn이 같은 노드 수를 가질 때 분지수$\times$지름에 대한 척도에 있어서 은 n2/2보다 작고, 하이퍼큐브 Qn와 그의 변형들보다 연결망의 망 비용에 있어서 우수함을 의미한다. 또한 하이퍼큐브 Qn과 n$\times$n 토러스를 하이퍼-스타 그래프 HS(2n,n)에 연장비율 2에 임베딩하는 방법을 보인다.

• The KIPS Transactions:PartA
• /
• v.11A no.5
• /
• pp.341-346
• /
• 2004

Recently A Hyper-Star Graph HS(m, k) has been introduced as a new interconnection network of new topology for parallel processing. Hyper-Star Graph has properties of hypercube and star graph, further improve the network cost of a hypercube with the same number of nodes. In this paper, we show that Hyper-Star Graph HS(m, k) is subgraph of hypercube. And we also show that regular graph, Hyper-Star Graph HS(2n, n) is node-symmetric by introduced mapping algorithm. In addition, we introduce an efficient one-to-all broadcasting scheme - takes 2n-1 times - in Hyper-Star Graph HS(2n, n) based on a spanning tree with minimum height.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.349-352
• /
• 2005

이 논문에서는 분산된 생물학의 대사 네트워크들이 있을 때, 이를 통합하지 않은 상태에서 경로검색을 하는 분산 알고리즘을 제안한다. 대사 네트워크는 여러 데이터베이스에 존재하며 서로 중복되는 데이터를 가지고 있다. 제안한 방법은 네트워크 사이의 중첩이 있는 부분을 하이퍼 노드로 하고, 네트워크 자체는 하이퍼 에지로 하는 추상 하이퍼 그래프를 만들어서, 이를 이용한 상위수준의 경로를 구축한다. 각 네트워크내의 중첩된 영역간의 경로를 미리 계산해 둔 다음, 상위수준의 경로에 기반하여 분산된 대사네트워크 간에 존재하는 경로를 검색한다. 추상 하이퍼 그래프는 데이터베이스를 하이퍼 노드로 하는 것에 대한 경로탐색을 한 다음, 그 경로에 따라 데이터베이스 내에 존재하는 대사경로를 탐색한다. 이때 존재하는 대사경로가 많기 때문에 각각의 대사경로를 하이퍼 노드로 하는 추상 하이퍼 그래프를 만들어 경로를 탐색하고 나서 그 하위 노드에 대해 경로탐색을 한다. 이는 분산된 네트워크를 통합할 저장 공간 및 탐색시간을 줄일 수 있다는 장점이 있다.

• Journal of KIISE:Software and Applications
• /
• v.37 no.2
• /
• pp.120-128
• /
• 2010

A hypernetwork is a generalized hypo-graph and a probabilistic graphical model based on evolutionary learning. Hypernetwork models have been applied to various domains including pattern recognition and bioinformatics. Nevertheless, conventional hypernetwork models have the limitation that they can manage data with categorical or discrete attibutes only since the learning method of hypernetworks is based on equality comparison of hyperedges with learned data. Therefore, real-valued data need to be discretized by preprocessing before learning with hypernetworks. However, discretization causes inevitable information loss and possible decrease of accuracy in pattern classification. To overcome this weakness, we propose a novel feature-wise L1-distance based method for real-valued attributes in learning hypernetwork models in this study. We show that the proposed model improves the classification accuracy compared with conventional hypernetworks and it shows competitive performance over other machine learning methods.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06a
• /
• pp.357-358
• /
• 2008

폴디드 하이퍼스타 FHS(2n,n)은 하이퍼큐브와 그의 변형된 그래프보다 망 비용이 개선된 상호연결망이다. 본 논문에서는 폴디드 하이퍼스타 FHS(n-1,k-1)와 FHS(n-1,k) 그래프를 연결하여 폴디드 하이퍼스타 FHS(n,k)를 생성하는 방법을 제시하였다(단, n=2k). 또한, 정규 연결망 형태인 폴디드 하이퍼스타 FHS(2n,n)의 노드연결도는 n+1이고, 최대고장허용도를 가짐을 보인다.

• Proceedings of the IEEK Conference
• /
• 2003.07d
• /
• pp.1573-1576
• /
• 2003

스타 그래프와 팬케익 그래프는 하이퍼큐브가 갖는 좋은 성질을 가지면서 하이퍼큐브보다 망 비용이 적은 값을 갖는 상호연결망이다. 본 논문에서는 그래프의 에지 정의를 이용하여 스타 그래프 S/sub n/은 팬케익 그래프 P/sub n/에 연장율 4, 확장율 1에 임베딩 가능함을 보인다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.517-518
• /
• 2023

본 논문에서는 인공지능 신경망의 하이퍼 파라미터들이 그래프 신경망 모델의 성능에 미치는 영향을 알아보기 위하여 대규모 그래프 데이터를 기반으로 이진 분류 문제를 예측하는 그래프 합성곱 신경망 모델(Graph Convolution Network Model)을 구현하고 모델의 다양한 하이퍼 파라미터 중 손실함수와 활성화 함수를 여러 가지 조합으로 적용하며 모델 학습과 예측 실험을 시행하였다. 실험 결과, 활성화 함수보다는 손실함수의 선택이 모델의 예측 성능에 좀 더 큰 영향을 미치는 것을 확인하였다.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.11
• /
• pp.2823-2834
• /
• 1998

This paper deals with the problem of one-to-one mapping of $2^n$ task modules of a parallel program to an n-dimensional hypercube multicomputer so as to minimize to total communication cost during the execution of the task. The problem of finding an optimal mapping has been proven to be NP-complete. We first propose a graph modification technique which transfers the mapping problem in a hypercube multicomputer into the problem of finding a set of maximum cutsets on a given task graph. Using the graph modification technique, we then propose a repeated mapping scheme which efficiently finds a one-to-one mapping of task modules to a hypercube multicomputer by repeatedly applying an existing bipartitioning algorithm on the modified graph. The repeated mapping scheme is shown to be highly effective on a number of test task graphs, it increasingly outperforms the greedy and recursive mapping algorithms as the number of processors increase. The proposed algorithm is shown to be very effective for regular graph, such as hypercube-isomorphic or 'almost' isomorphic graphs and meshes; it finds optimal mapping on almost all the regular task graphs considered.