• ETRI Journal
• /
• 제35권1호
• /
• pp.142-145
• /
• 2013

Network virtualization opens the door to novel infrastructure services offering connectivity and node manageability. In this letter, we focus on the cost-efficient embedding of on-demand virtual optical network requests for interconnecting geographically distributed data centers. We present a mixed integer linear programming formulation that introduces flexibility in the virtual-physical node mapping to optimize the usage of the underlying physical resources. Illustrative results show that flexibility in the node mapping can reduce the number of add-drop ports required to serve the offered demands by 40%.

• Asia pacific journal of information systems
• /
• 제29권4호
• /
• pp.771-788
• /
• 2019

Deep learning techniques such as Convolutional Neural Networks (CNNs) and Recurrent Neural Networks (RNNs) show superior performance in text classification than traditional approaches such as Support Vector Machines (SVMs) and Naïve Bayesian approaches. When using CNNs for text classification tasks, word embedding or character embedding is a step to transform words or characters to fixed size vectors before feeding them into convolutional layers. In this paper, we propose a parallel word-level and character-level embedding approach in CNNs for text classification. The proposed approach can capture word-level and character-level patterns concurrently in CNNs. To show the usefulness of proposed approach, we perform experiments with two English and three Korean text datasets. The experimental results show that character-level embedding works better in Korean and word-level embedding performs well in English. Also the experimental results reveal that the proposed approach provides better performance than traditional CNNs with word-level embedding or character-level embedding in both Korean and English documents. From more detail investigation, we find that the proposed approach tends to perform better when there is relatively small amount of data comparing to the traditional embedding approaches.

• 정보과학회 논문지
• /
• 제45권2호
• /
• pp.134-140
• /
• 2018

채팅 시스템은 사람의 말을 기계가 이해하고 적절한 응답을 하는 시스템이다. 채팅 시스템은 사용자의 간단한 정보 검색 질문에 대답해야 하는 경우가 있다. 그러나 기존의 생성 채팅 시스템들은 질의응답에 필요한 정보인 지식 개체(트리플 형태 지식에서의 주어와 목적어)의 임베딩을 고려하지 않아 발화에 나타나는 지식 개체가 다르더라도 같은 형태의 답변이 생성되었다. 본 논문에서는 생성 기반 채팅 시스템의 질의응답 정확도를 향상시키기 위한 지식 임베딩 방법을 제안한다. 개체와 유의어의 지식 임베딩을 위해 샴 순환 신경망을 사용하며 이를 이용해 주어와 술어를 인코딩 하고 목적어를 디코딩하는 sequence-to-sequence 모델의 성능을 향상 시켰다. 자체 구축한 채팅데이터를 통한 실험에서 제안된 임베딩 방법은 종래의 합성곱 신경망을 통한 임베딩 방법 보다 12.48% 높은 정확도를 보였다.

• 정보처리학회논문지A
• /
• 제15A권4호
• /
• pp.189-198
• /
• 2008

본 논문은 분지수가 상수인 네트워크들을 피터슨-토러스(PT) 네트워크에 임베딩 가능함을 보인다. 상호연결망 G가 H에 임베딩 되면 G에서 설계된 병렬 알고리즘을 상호연결망 H에 적용할 수 있다. 토러스(메쉬)를 PT에 연장율 5, 밀집율 5 그리고 확장율 1에 일대일 임베딩 하였고, 허니컴브 메쉬를 PT에 연장율 5, 밀집율 2 그리고 확장율 5/3에 일대일 임베딩 하였다. 추가로 평균 연장율을 분석하였다. 널리 알려진 토러스 와 허니컴브 메쉬 네트워크를 연장율과 밀집율을 5이하에 PT에 임베딩 함으로써 웜홀 라우팅 방식과 store-and-forward 방식 모두에서 임베딩 알고리즘이 사용 가능하고, 일대일 임베딩을 함으로써 시뮬레이션시 프로세서 작업 처리량을 최소화 하였다.

• 한국전자거래학회지
• /
• 제26권3호
• /
• pp.67-80
• /
• 2021

그래프 표현 학습을 위한 노드 임베딩 기법은 그래프 마이닝에서 양질의 결과를 얻는 데 중요한 역할을 한다. 지금까지 대표적인 노드 임베딩 기법은 동종 그래프를 대상으로 연구되었기에, 간선 별로 고유한 의미를 갖는 지식 그래프를 학습하는 데 어려움이 있었다. 이러한 문제를 해결하고자, 기존 Triple2Vec 기법은 지식 그래프의 노드 쌍과 간선을 하나의 노드로 갖는 트리플 그래프를 학습하여 임베딩 모델을 구축한다. 하지만 Triple2Vec 임베딩 모델은 트리플 노드 간 관련성을 단순한 척도로 산정하기 때문에 성능을 높이는데 한계를 가진다. 이에 본 논문은 Triple2Vec 임베딩 모델을 개선하기 위한 그래프 합성곱 신경망 기반의 특징 추출 기법을 제안한다. 제안 기법은 트리플 그래프의 인접성 벡터(Neighborliness Vector)를 추출하여 트리플 그래프에 대해 노드 별로 이웃한 노드 간 관계성을 학습한다. 본 논문은 DBLP, DBpedia, IMDB 데이터셋을 활용한 카테고리 분류 실험을 통해, 제안 기법을 적용한 임베딩 모델이 기존 Triple2Vec 모델보다 우수함을 입증한다.

• 한국지능시스템학회논문지
• /
• 제13권3호
• /
• pp.310-315
• /
• 2003

본 논문에서는 SC-CNN의 특성을 이용한 임베딩 구동 카오스 동기화(Embedding Drive Synchronization) 방법을 소개하고 이 동기화 방법을 통한 비밀통신을 제안한다. 새로 제안한 임베딩 구동동기는 일반적인 구동동기 방법에서 모든 상태 변수를 구동시키는 방법과 달리 상태 변수 중 한 성분만을 구동시키는 방법이다. 본 논문에서는 SC＿CNN에서 임베딩 구동 동기화를 먼저 이룬 후 비밀통신에 적용하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권6호
• /
• pp.139-144
• /
• 2022

Technological advancements taken the health care industry by a storm by embedding sensors in human body to measure their vitals. These smart solutions provide better and flexible health care to patients, and also easy monitoring for the medical practitioners. However, these innovative solutions provide their own set of challenges. The major challenge faced by embedding sensors in body is the issue of lack of infinite energy source. This work presents a meta-heuristic based routing model using modified PSO, and adopts an energy harvesting scheme to improve the network lifetime. The routing process is governed by modifying the fitness function of PSO to include charge, temperature and other vital factors required for node selection. A reactive routing model is adopted to ensure reliable packet delivery. Experiments have been performed and comparisons indicate that the proposed Energy Harvesting and Modified PSO (EHMP) model demonstrates low overhead, higher network lifetime and better network stability.

• 정보처리학회논문지A
• /
• 제16A권4호
• /
• pp.299-306
• /
• 2009

계층적 폴디드 하이퍼스타 네트워크는 동일한 노드 개수를 갖는 계층적 네트워크인 HCN(n,n)과 HFN(n,n)보다 망비용이 우수한 연결망이다. 본 연구에서는 하이퍼큐브, HCN(n,n), HFN(n,n)과 계층적 폴디드 하이퍼스타 HFH($C_n,C_n$) 사이의 임베딩을 분석한다. 임베딩 결과는 HCN(n,n), HFN(n,n), 하이퍼큐브 $Q_{2n}$은 계층적 폴디드 하이퍼스타 HFH($C_n,C_n$)에 확장율 $\frac{C^n}{2^{2n}}$과 연장율 2, 3, 4로 각각 임베딩 가능하다. 또한, 계층적 폴디드 하이퍼스타 HFH($C_n,C_n$)는 계층적 네트워크인 HFN(2n,2n)에 연장율 1에 임베딩 가능하다. 이러한 임베딩 결과는 하이퍼큐브, HCN(n,n), HFN(n,n)에서 개발된 알고리즘을 계층적 폴디드 하이퍼스타 HFH($C_n,C_n$)에서 효율적으로 활용 가능함을 의미한다.

• 정보처리학회논문지A
• /
• 제9A권3호
• /
• pp.333-340
• /
• 2002

임베딩은 어떤 상호연결망 G를 다른 상호연결망 H에 사상시키는 것으로 연결망 G에서 개발된 알고리즘을 다른 연결망 H에서 시뮬레이션 할 수 있게 한다. 본 논문에서는 먼저 Hierarchical Cubic Network HCN(n, n) and Hierarchical Folded-hypercube Network HFN(n, n) 사이의 임베딩 방법을 제시한다. HCN(n, n)과 HFN(n, n)은 하이퍼큐브에서 제안된 성질을 가지면서 하이퍼큐브의 망비용 (분지수$\times$지름)을 개선한 상호연결망이다. HCN(n, n)은 HFN(n, n)에 연장율 3, 밀집율 2로 임베딩되고 평균연장율이 2 이하임을 보인다. HFN（n, n）은 HCN（n, n）에 연장율 0(n)에 임베딩 되지만, 평균연장율이 2 이하임을 보인다. 마지막으로 HCN（n, n）의 고장허용도에 대해 논하고, HCN（n, n）이 최대 고장 허용도(maximally fault tolerant)를 가짐을 보인다.

• 정보과학회 논문지
• /
• 제44권7호
• /
• pp.719-725
• /
• 2017

약 네트워크의 관리 비용을 줄이고 성능을 향상시키기 위해 ETSI(European Telecommunication Standards Institute)는 클라우드 데이터 센터에서 네트워크 기능(Network Function)을 소프트웨어 형태로 구현할 수 있는 네트워크 기능 가상화(Network Function Virtualization) 개념을 도입했다. 네트워크 기능 가상화 구조 내에서 네트워크 기능을 물리적 노드(예: 범용 서버)에 네트워크 기능을 호스팅하여 실제 리소스를 공유할 수 있다. 네트워크 기능 가상화를 지원하는 네트워크 서비스 제공 업체의 경우, 효율적인 자원 할당 방법을 통해 운영비용(OPEX) 및 자본 비용(CAPEX)를 줄일 수 있다. 이에 본 논문에서는 최적화 방법을 통해 Network Service Chain Embedding 문제를 분석하고 Markov Approximation 프레임워크 기반 최적의 솔루션을 제안한다. 제안사항에 대한 시뮬레이션 결과는 평균 CPU 사용률이 73%, 링크 사용률이 최대 53% 증가함을 보여준다.