• 대한임베디드공학회논문지
• /
• 제12권6호
• /
• pp.377-384
• /
• 2017

The scope of the matrix application is so broad that it can not be limited. A typical matrix application area in computer science is image processing. Particularly, radar scanning equipment implemented on a small embedded system requires real-time matrix transposition for image processing, and since its memory size is small, a general matrix transposition algorithm can not be applied. In this case, matrix transposition must be done in disk space, such as flash disk, using a limited memory buffer. In this paper, we analyze and improve a recently published flash disk-based matrix transposition algorithm named as asymmetric sub-matrix transposition algorithm. The performance analysis shows that the asymmetric sub-matrix transposition algorithm has lower performance than the conventional sub-matrix transposition algorithm, but the improved asymmetric sub-matrix transposition algorithm is superior to the sub-matrix transposition algorithm in 13 of the 16 experimental data.

• 한국통신학회논문지
• /
• 제26권12C호
• /
• pp.280-291
• /
• 2001

전통적으로 기업용데이터서비스시장에서 독점적인 위치를 차지하고 있는 전용회선서비스는 현행 통신사업 분류 체계상 기간통신서비스 가운데 회선설비에 해당되고 FR, VPN, ATM 등의 대체서비스들은 부가통신서비스에 해당되어, 사업자 전략을 도출하기 위한 시장분석에 필요한 데이터 확보도 어려을 뿐더러 사업자에 대한 규제나 정책 등이 차별적으로 적용되는 경우가 많아 기업용데이터서비스시장에 대한 정확한 시장정의가 필요하다. 따라서 본 논문은 시장을 정의하는 다양한 방법론들을 고찰하여, 서비스 간 대체성 분석이 용이한 Hendry Model을 활용하여 기업용데이터서비스시장의 경쟁구조를 분석하였다. 먼저 Hendry Mode떼 사용될 가상 경쟁구조를 설정하기 위해 시장의 경쟁환경을 분석하기에 유용한 Porter Model을 이용하여 기업용데이터서비스시장의 가상경쟁구조를 전용회선제공업체간 경쟁과 서비스간 경쟁으로 설정하였다. 다음단계로 각 경쟁구조를 Hendry Model에 적용하여 예측된 차년도 시장점유율과 실제 시장점유율을 비교하여 전용회선제공업체간 경쟁은 7개 업체가 직접적으로 경쟁하기 보다는 2개의 하부시장으로 나누어 경쟁하고 있음을 확인하였고, 서비스간 경쟁은 전용회선, FR, VPN, ATM 등 4가 서비스가 직접적인 경쟁관계를 가지고 있음을 확인하였다. 마지막으로 Hendry Model을 이용해 도출된 Switching Probability Matrix를 이용하여 2003년까지의 전용회선제공업체들의 시장점유율과 기업용데이터서비스들의 시장점유율을 예측하고 이에 따른 경쟁전략을 고찰하였다. 이러한 분석 결과는 사업자들이 향후 자기 잠식을 최소화시키며 효율적으로 수요를 견인하는 경쟁전략과 신규서비스에 대한 포지셔닝 전락을 도출하는 데 도움이 될 것이며, 실제 시장의 경쟁구조를 확인함으로써 현재 차별적으로 적용되고 있는 규제나 정책 부문을 개선할 수 있는 근거가 될 것이다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.157-173
• /
• 2021

소비자의 욕구와 관심에 맞추어 개인화된 제품을 추천하는 추천 시스템은 비즈니스에 필수적인 기술로서의 그 중요성이 증가하고 있다. 추천 시스템의 대표적인 모형 중 협업 필터링은 우수한 성능으로 다양한 분야에서 활용되고 있다. 그러나 협업필터링은 사용자-아이템의 선호도 정보가 충분하지 않을 경우 성능이 저하되는 희소성의 문제가 있다. 또한 실제 평점 데이터의 경우 대부분 높은 점수에 데이터가 편향되어 있어 심한 불균형을 갖는다. 불균형 데이터에 협업 필터링을 적용할 경우 편향된 클래스에 과도하게 학습되어 추천 성능이 저하된다. 이러한 문제를 해결하기 위해 많은 선행연구들이 진행되어 왔지만 추가적인 외부 데이터 또는 기존의 전통적인 오버샘플링 기법에 의존한 추천을 시도하였기에 유용성이 떨어지고 추천 성능 측면에서 한계점이 있었다. 본 연구에서는 CGAN을 기반으로 협업 필터링 구현 시 발생하는 희소성 문제를 해결함과 동시에 실제 데이터에서 발생하는 데이터 불균형을 완화하여 추천의 성능을 높이는 것을 목표로 한다. CGAN을 이용하여 비어있는 사용자-아이템 매트릭스에 실제와 흡사한 가상의 데이터를 생성하여, 희소성을 가지고 있는 기존의 매트릭스로만 학습한 것과 비교했을 때 높은 정확도가 예상된다. 이 과정에서 Condition vector y를 이용하여 소수 클래스에 대한 분포를 파악하고 그 특징을 반영하여 데이터를 생성하였다. 이후 협업 필터링을 적용하고, 하이퍼파라미터 튜닝을 통해 추천 시스템의 성능을 최대화하는데 기여하였다. 비교 대상으로는 전통적인 오버샘플링 기법인 SMOTE, BorderlineSMOTE, SVM-SMOTE, ADASYN와 GAN을 사용하였다. 결과적으로 데이터 희소성을 가지고 있는 기존의 실제 데이터뿐만 아니라 기존 오버샘플링 기법들보다 제안 모형의 추천 성능이 우수함을 확인하였으며, RMSE, MAE 평가 척도에서 가장 높은 예측 정확도를 나타낸다는 사실을 증명하였다.