• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권11호
• /
• pp.4246-4267
• /
• 2020

As the network goes deep into all aspects of people's lives, the number and the complexity of network traffic is increasing, and traffic classification becomes more and more important. How to classify them effectively is an important prerequisite for network management and planning, and ensuring network security. With the continuous development of deep learning, more and more traffic classification begins to use it as the main method, which achieves better results than traditional classification methods. In this paper, we provide a comprehensive review of network traffic classification based on deep learning. Firstly, we introduce the research background and progress of network traffic classification. Then, we summarize and compare traffic classification based on deep learning such as stack autoencoder, one-dimensional convolution neural network, two-dimensional convolution neural network, three-dimensional convolution neural network, long short-term memory network and Deep Belief Networks. In addition, we compare traffic classification based on deep learning with other methods such as based on port number, deep packets detection and machine learning. Finally, the future research directions of network traffic classification based on deep learning are prospected.

• 한국게임학회 논문지
• /
• 제17권4호
• /
• pp.101-108
• /
• 2017

본 연구는 현재 크게 성장하고 있는 AI(인공지능)이 어떻게 게임에서 적용되고 발전되고 있는지에 대해서 탐구한다. 오늘 날 대중들이 가장 즐겨하고 있는 게임 중 하나인 포커(Poker)에서의 인공지능의 현실을 분석하고 논리적인 발전방향을 제시한다. 구체적으로, 본 연구는 다양한 포커 게임들 중 전 세계적으로 인기가 있는 종류인 텍사스 홀덤(Texas Hold'em)을 중심으로, 이 게임에 적용 되었던 2가지 AI인 Libratus와 DeepStack을 다루도록 한다. 여러 뉴스 기사 인공지능의 성장을 보고 하였으나, 본 연구는 정확히 어떻게 그리고 왜 인공 지능이 포커 게임에서 적용이 되는지, 또한 무엇이 진짜 문제이고 발전 방향인지에 대해서 입체적으로 논의한다.

• 전기의세계
• /
• 제31권4호
• /
• pp.281-287
• /
• 1982

PASCAL has a recursive nested structure and uses deep binding of identifiers. This paper studies the problems and techniques in storage management for PASCAL on the IBM 370 system, and presents run-time storage administration algorithms which use stack scheme and heap efficiently on the view of storage. The stack-scheme was used to implement the feature of recursive nested structure and the heap was used to implement the feature of the dynamic allocation procedure and pointer variable, allowing an additional dynamic storage recovery procedure.

• 전기학회논문지
• /
• 제58권1호
• /
• pp.93-99
• /
• 2009

In this paper, transient voltage response of Polmer Electrolyte Membrane Fuel Cell (PEMFC) stack is analyzed and voltage dynamic characteristic is modeled for optimal design of power conditioning system (PCS). According that the load is changed, the corresponding operating voltage of fuel cell stack is also varied with a certain deep and rising time due to the chemical and mechanical responses. This transient behavior can affect on the operation with respect of PI gain in controller, duty ratio, capacitor of capacitor and so on. So in this paper the detailed theoretical analysis of transient voltage dynamics is explained and the methodology of dynamic modeling is introduced. In addition, the validity and feasibility of the proposed dynamic model is verified by experimental results under various load conditions.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.250-252
• /
• 2015

다양한 분야에서 활발히 연구되는 빅 데이터와 최근 이슈가 되고 있는 딥러닝(Deep-learning) 등은 컴퓨터공학 분야뿐만 아니라 다양한 분야와 접목하여 이에 대한 관심이 증가하고 있다. 대규모 클러스터를 통하여 빅데이터와 딥러닝 같은 계산 집약적인(computational-intensive) 작업을 빠르게 처리할 수 있다. 하지만 대규모 클러스터의 잦은 유휴상태는 클러스터의 활용률은 매우 낮아지게 한다. 본 논문에서는 작업 실행 시간 개선과 클러스터 활용 효율성을 향상시키는 HTCondor 클러스터를 위한 동적 자원 스케줄링 기법을 제안한다. 동적으로 자원 할당을 위해 가상머신으로 HTCondor 클러스터 환경을 구성하였으며, 가상머신의 관리를 위해 OpenStack을 사용하였다. OpenStack기반 HTCondor 클러스터 환경에서 HTCondor Python API와 OpenStack Python API를 사용하여 우리가 제안하는 동적 자원 스케줄링 기법을 구현하였으며, 실험을 통해 제안하는 기법의 성능 및 실현 가능성을 확인하였다.

• 한국수소및신에너지학회논문집
• /
• 제31권5호
• /
• pp.436-443
• /
• 2020

The performance prediction model of a solid oxide fuel cell stack has been developed using deep neural network technique, one of the machine learning methods. The machine learning has been received much interest in various fields, including energy system mo- deling. Using machine learning technique can save time and cost requried in developing an energy system model being compared to the conventional method, that is a combination of a mathematical modeling and an experimental validation. Results reveal that the mean average percent error, root mean square error, and coefficient of determination (R2) range 1.7515, 0.1342, 0.8597, repectively, in maximum. To improve the predictability of the model, the pre-processing is effective and interpolative machine learning and application is more accurate than the extrapolative cases.

• JSTS:Journal of Semiconductor Technology and Science
• /
• 제13권6호
• /
• pp.647-654
• /
• 2013

The design and analysis of analog circuit application on CMOS technology are a challenge in deep sub-micrometer process. This paper is a study on the performance value of Double Gate (DG) Metal Oxide Semiconductor Field Effect Transistor (MOSFET) with Gate Stack and the channel engineering Single Halo (SH), Double Halo (DH). Four different structures have been analysed keeping channel length constant. The short channel parameters and different sub-threshold analog figures of merit (FOMs) are analysed. This work extensively provides the device structures which may be applicable for high speed switching and low power consumption application.

• 한국산업정보학회논문지
• /
• 제19권1호
• /
• pp.53-60
• /
• 2014

IEEE 802.15.4의 물리계층은 저속, 저전력, 저가격 기반의 LR-WPAN(Low-Rate Wireless Personal Area Network)의 물리계층으로 세계적으로 가장 많이 사용되고 있다. IEEE 802.15.4에 대한 기존의 많은 이론 연구들은 저전력 무선네트워크 환경에서의 에너지효율성, 전송처리율, 전송신뢰성에 대한 거시적 이해와 안목을 제공하는 중요한 결과들을 산출하고 있다. 이 논문에서는 이러한 이론연구에 실환경 요소를 보완하기 위해 MAC(Medium Access Control) 소프트웨어 구조부터 실제 네트워크 기반 성능분석에 이르는 실험연구를 수행한다. 연구에서는 수직분할 모델의 네트워킹 스택의 MAC 계층 기능으로 IEEE 802.15.4 MAC 스택을 구현하고 이를 네트워킹 스택에 통합하여 시험 분석을 수행한다. 이 연구에서 도출한 네트워크 소프트웨어 모델과 실험결과는 향후 IEEE 802.15.4 MAC 소프트웨어의 구현과 실용적인 네트워크 스택 환경에서의 성능에 참고자료로 활용될 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.

• International journal of advanced smart convergence
• /
• 제12권4호
• /
• pp.142-146
• /
• 2023

We present a method for generating 3D structures and rendering objects by combining VAE (Variational Autoencoder) and GAN (Generative Adversarial Network). This approach focuses on generating and rendering 3D models with improved quality using residual learning as the learning method for the encoder. We deep stack the encoder layers to accurately reflect the features of the image and apply residual blocks to solve the problems of deep layers to improve the encoder performance. This solves the problems of gradient vanishing and exploding, which are problems when constructing a deep neural network, and creates a 3D model of improved quality. To accurately extract image features, we construct deep layers of the encoder model and apply the residual function to learning to model with more detailed information. The generated model has more detailed voxels for more accurate representation, is rendered by adding materials and lighting, and is finally converted into a mesh model. 3D models have excellent visual quality and accuracy, making them useful in various fields such as virtual reality, game development, and metaverse.