• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.31-34
• /
• 2024

추천 시스템(Recommendation System)은 인터넷 쇼핑몰, 넷플릭스, SNS 등 여러 분야에서 유저에게 맞는 타겟 광고를 추천하는 시스템을 말한다. 추천 시스템을 가속하기 위해서는 추천 시스템 모델에서 불규칙적이고 잦은 데이터 이동으로 인해 병목현상을 일으키는 임베딩 레이어를 타겟하는 것이 중요하다고 알려져 있다. 이 논문에서는 데이터 이동이 잦은 어플리케이션에 효과적인 Processing-in-Memory 를 이용하여 추천 시스템을 가속하고 분석한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.57-60
• /
• 2024

오늘날 데이터 보안이 점점 중요한 요소로 강조되고 있으며, 기술의 발전에 따라 데이터 중심의 워크로드 증가로 인해 메모리 대역폭의 병목 현상의 문제로 데이터 처리 속도의 제약이 발생하고 있다. 이에 따라 Processing-In-Memory(PIM) 라는 새로운 형태의 메모리가 연구 및 개발되고 있다. 본 논문은 새로운 메모리인 PIM 의 취약점을 파악하고 안전하게 데이터를 처리할 수 있도록 TEE(Trusted Execution Environment) 환경을 적용하여 PIM 의 보안성을 강화하는 새로운 보호 체계를 제안한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 1997.10a
• /
• pp.1782-1787
• /
• 1997

A combined algorithm called APEXS(Alarm Processing and Diagnosis Expert System) for power plants has been developed on the time-based alarm processing with a proper alarm prioritization and a diagnosis with a qualitative model(QM), qualitative interpreter(QI), and a state-transition trees(STT).

• Journal of Information Processing Systems
• /
• v.13 no.3
• /
• pp.429-434
• /
• 2017

• Journal of Technologic Dentistry
• /
• v.1 no.1
• /
• pp.15-21
• /
• 1979

• Proceedings of the KIEE Conference
• /
• 1987.07b
• /
• pp.1085-1089
• /
• 1987

• Journal of Information Processing Systems
• /
• v.13 no.4
• /
• pp.643-652
• /
• 2017

• Proceedings of the Korean Society of Laser Processing Conference
• /
• 1998.05a
• /
• pp.46-47
• /
• 1998

• Proceedings of the Korean Society of Laser Processing Conference
• /
• 1998.05a
• /
• pp.51-53
• /
• 1998

• Journal of KIISE
• /
• v.44 no.1
• /
• pp.84-94
• /
• 2017

Recently, the importance of velocity, one of the characteristics of big data (5V: Volume, Variety, Velocity, Veracity, and Value), has been emphasized in the data processing, which has led to several studies on the real-time stream processing, a technology for quick and accurate processing and analyses of big data. In this paper, we propose a Squall framework using Time-triggered Message-triggered Object (TMO) technology, a model that is widely used for processing real-time big data. Moreover, we provide a description of Squall framework and its operations under a single node. TMO is an object model that supports the non-regular real-time processing method for certain conditions as well as regular periodic processing for certain amount of time. A Squall framework can support the real-time event stream of big data and micro-batch processing with outstanding performances, as compared to Apache storm and Spark Streaming. However, additional development for processing real-time stream under multiple nodes that is common under most frameworks is needed. In conclusion, the advantages of a TMO model can overcome the drawbacks of Apache storm or Spark Streaming in the processing of real-time big data. The TMO model has potential as a useful model in real-time big data processing.