http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
프라이빗 블록체인 기반의 사용자 환경을 고려한 수정된 PBFT 연구
민연아(Min Youn-A) 한국스마트미디어학회 2020 스마트미디어저널 Vol.9 No.1
블록체인은 데이터의 투명성 및 보안성이 뛰어난 분산공유원장으로써 핵심기술인 합의 알고리즘을 통하여 참여 노드에 동일한 데이터를 순차적으로 공유할 수 있도록 한다. 이러한 블록체인 기술의 특징을 활용하고자 최근 기업 및 공공기관을 중심으로 블록체인을 적용하려는 시도가 증가하고 있다. 본 논문에서는 분산 네트워크와 같은 비동기 네트워크 환경에서 활용되는 프라이빗 블록체인의 합의 알고리즘인 PBFT를 수정하여 네트워크 통신비용 및 합의 안정성을 고려한 수정된 PBFT를 제안하였다. 수정된 PBFT는 노드 간 신뢰가 보장된 비동기 네트워크 환경의 특징을 감안하여 클라이언트의 요청 검증에 대하여 기존의 전체 참여 방식을 개선하여 2/N의 Leader(리더)를 통한 합의와 인증을 제안하였다. 해당 과정에서 발생되는 브로드캐스트 과정의 간소화를 통하여 합의를 위한 최소 노드 수 유지가 가능하였으며 네트워크 통신을 위한 효율적 비용관리가 가능하다. Recently there have been increasing attempts to apply blockchains to businesses and public institutions. Blockchain is a distributed shared ledger with excellent transparency and security of data and through consensus algorithm, the same data can be shared to all nodes in order. In this paper, Modified PBFT which does not modify the PBFT consensus algorithm is proposed. MPBFT is able to tolerate Byzantine faults on a private blockchain on an asynchronous network. Even with the increase of participating nodes, the network communication cost can be effectively maintained. Modified PBFT takes into account the characteristics of an asynchronous network environment where node-to-node trust is guaranteed. In response to the client s request, PBFT performed the entire participation broadcast several times, but Modified PBFT enabled consensus and authentication through the 2 / N leader. By applying the Modified PBFT consensus algorithm, the broadcast process can be simplified to maintain the minimum number of nodes for consensus and to efficiently manage network communication costs.
소규모학습그룹의 학습자 맞춤형 교육을 위한 비정형데이터분석 연구
민연아,임동균,Min, Youn-A,Lim, Dong-Kyun 한국인터넷방송통신학회 2020 한국인터넷방송통신학회 논문지 Vol.20 No.5
As the e-learning market expands, interest in customized education for learners based on artificial intelligence is increasing. Customized education for learners requires essential components such as a large amount of data and learning contents for learner analysis, and it requires time and cost efforts to collect such data. In this paper, to enable efficient learner-tailored learning even in small learning groups, unstructured learner data was analyzed using python modules, and a learning algorithm was presented based on this. Through the analysis of the unstructured learning data presented in this paper, it is possible to quantify and measure the unstructured data related to learning, and the accuracy of more than 80% was confirmed when analyzing keywords for providing customized education for learners. 이러닝 시장이 확대됨에 따라 인공지능 기반의 학습자 맞춤형 교육에 대한 관심이 높아지고 있다. 학습자 맞춤형 교육은 학습자 분석을 위한 대량의 데이터 및 학습 콘텐츠 등의 필수 구성요소가 필요하며 이러한 데이터 수집을 위한 시간과 비용 측면의 노력이 필요하다. 본 논문에서는 소규모 학습그룹에서의 효율적으로 학습자 맞춤형 학습이 가능하도록, python 모듈들을 사용하여 비정형 학습자 데이터를 분석하였으며 이를 토대로 제시된 학습알고리즘을 통하여 학습자의 학습연속성을 유지하도록 하였다. 본 논문을 통하여 제시된 비정형 학습데이터분석을 통하여 학습관련 비정형 데이터를 정량화 하여 측정 가능하도록 하였으며 학습자 맞춤교육 제공을 위한 키워드 분석 시 90% 이상 데이터가 유의미함을 확인하였다.