http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
자원 집약적인 모바일 응용 프로그램의 효율적인 실행을 위한 모바일 클라우드 기반 프레임워크
이병대(Lee Byoung-Dai) 한국IT서비스학회 2010 한국IT서비스학회 학술대회 논문집 Vol.2010 No.9
모바일 클라우드 컴퓨팅이란 가상화 기술을 이용하여 물리적으로 서로 다른 곳에 존재하는 IT자원을 모바일 단말기를 통해 언제 어디서든, 어떤 기기를 이용해서든 동일한 정보와 서비스를 제공하는 차세대 컴퓨팅 패러다임을 의미한다. 따라서, 모바일 클라우드 컴퓨팅은 고정형 컴퓨터에 비해 상대적으로 저속의 CPU, 저용량 메모리 및 저장 장치 등 배터리 소비량을 최소화하기 위해 제한적인 하드웨어 및 소프트웨어를 사용해야만 하는 모바일 단말기의 제약 사항을 극복하고 궁극적으로 다양하고 흥미로운 모바일 서비스를 가능하게 한다. 따라서, 본 논문에서는 모바일 클라우드 컴퓨팅 환경을 이용하여 기존의 모바일 단말기에서 구동하기에는 상대적으로 제한적인 자원 집약적 응용 프로그램 실행을 위한 프레임워크를 제안한다. 특히, 제안된 프레임워크의 주요 특징중 하나는 응용 프로그램을 하나의 데이터 항목으로 간주하여 클라우드 내에 복사되어 존재하며, 따라서, 필요 시 모바일 단말기가 아닌 클라우드 내에서 해당 응용 프로그램을 실제 실행 대상이 되는 컴퓨팅 자원으로 전송함으로써 전체적인 성능 향상을 도모한다.
SDN에서 강화학습을 통한 효과적인 멀티캐스트 라우팅 트리 생성 방법
채지훈(Jihun Chae),이병대(Byoung-Dai Lee),김남기(Namgi Kim) 한국정보기술학회 2020 한국정보기술학회논문지 Vol.18 No.10
Along with the development of artificial intelligence technology, researches that apply reinforcement learning to routing problems in the network field are emerging. However, the basic reinforcement learning method assumes a fixed environment, so performance is limited in variable network environment that varies over time. Therefore, we proposes a deep reinforcement learning-based multicast routing tree construction method that can overcome these limitations and reflect the variable network environment in SDN. To evaluate the method proposed, experiments were performed to compare performance in various network topology. As a result, It was found that the deep reinforcement learning agent learned by proposed method in various network topology produced optimal close multicast routing tree than deep reinforcement learning agent learned in fixed network topology.
송영민(Youngmin Song),이병대(Byoung-Dai Lee) 한국방송·미디어공학회 2017 한국방송공학회 학술발표대회 논문집 Vol.2017 No.6
본 논문은 딥러닝을 이용하여 대장통과시간(Colon Transit Time, CTT) 검사를 위한 단순복부 X-Ray 영상에서 방사선 비투과성 표지자(Radio-opaque Marker)를 자동으로 검출하는 기법을 제시한다. 대장통과시간 검사는 대장의 운동질환을 평가하는데 있어 가장 기본적인 방법으로 특히 만성 변비증 환자의 병태생리에 따른 유형 분류와 치료 계획을 설정하는데 큰 도움을 주고 있으며, 내과적 또는 외과적 치료 후 평가에도 유용한 검사이다. 대장통과시간 검사는 방사선 비투과성 표지자가 내재되어 있는 캡슐을 복용한 뒤 주기적으로 단순복부 X-Ray 촬영을 통해 구간별로 남아있는 표지자의 수를 세고, 이를 통해 구역별 통과시간을 측정한다. 이 과정에서 판독의가 직접 표지자의 위치 및 개수를 세기 때문에 많은 시간이 필요하게 된다. 따라선 본 논문에서는 이러한 단점을 보완하기 위해 딥러닝 기법을 사용하여 X-Ray 영상 내에서 표지자의 위치를 자동 파악하는 기법을 제시한다.
조명원(Myoungwon Jo),김남기(Namgi Kim),이병대(Byoung-Dai Lee) 한국정보기술학회 2019 한국정보기술학회논문지 Vol.17 No.11
TW3 (Tanner-Whitehouse 3) method using the left-hand X-ray image is performed by extracting 13 regions of interests (ROIs) from the left hand and determining the grade of each ROI. However, the assessment time is relatively long and the accuracy varies depending on the judge. To solve this problem, an automated system using deep learning is being developed and the performance of the system is greatly constrained by the accuracy of ROI extraction. However, in the left hand X-ray image, the success rate of accurate ROI extraction depends on the brightness and contrast of the image. Therefore, in this paper, we propose a scheme to accurately extract ROI by automatically adjusting the brightness and contrast of X-ray images by machine learning. Experiments show that the proposed scheme increases ROI extraction success rate up to 29.5% without burdening the automated bone age assessment system.
김동렬(Dongryeol Kim),조명원(Myoung-Won Jo),이병대(Byoung-Dai Lee) 한국정보기술학회 2019 한국정보기술학회논문지 Vol.17 No.9
If SDN switches have different specifications, problems such as flow table overflow, controller overhead, and user QoS degradation happen. In order to solve these problems, we propose a new flow table replacement algorithm that considers the characteristics of the flow in this paper. The proposed SFF (Short Flow First) replacement algorithm uses the matching cycle of each flow entry to classify the flow into short-lived short flows and long-lived long flows. When the flow table is full, the short flow is deleted first to increase the number of flow entry matching and to reduce the overhead of the controller. Experimental results show that the proposed algorithm reduces the controller overhead by about 16% compared to the conventional LRU replacement algorithm.
다중 이기종 센서를 보유한 Nano-Q+ 기반 센서네트워크에서 메타데이타 라우팅 테이블을 이용한 질의 최적화 (pp.13-21)
남영광(Young-Kwang Nam),최귀자(Gui-ja Choe),이병대(Byoung-Dai Lee),곽광웅(Kwang-Woong Kwak),이광용(Kwang-Yong Lee),마평수(Pyoung-Soo Mah) 한국정보과학회 2008 정보과학회 컴퓨팅의 실제 논문지 Vol.14 No.1
일반적으로 센서노드간의 데이타통신은 내부처리나 센싱 작업보다 더 많은 에너지 소모를 요구한다. 본 논문에서는, 내용인지(context-aware) 라우팅 테이블(routing table)을 이용하여 인접한 노드간의 질의 송수신을 위해 필요한 패킷 송신 수를 줄여 질의 최적화를 수행하는 새로운 아이디어를 제안한다. 내용인지 라우팅 테이블에는 현재 노드로부터 도달 가능한 하위노드에서 측정할 수 있는 센서의 종류에 관한 정보가 저장되어 있다. 내용인지 라우팅 정보를 이용하여 각 노드는 자식노드에게 불필요한 질의 송신이나 결과 전달을 차단함으로써 불필요한 패킷 송신의 수를 줄일 수 있다. 본 논문에서 제안한 방법을 바탕으로 한 시뮬레이션에서 최대 약 80%의 성능 효과를 보였다. In general, data communication among sensor nodes requires more energy than internal processing or sensing activities. In this paper, we propose a noble technique to reduce the number of packet transmissions necessary for sending/receiving queries/results among neighboring nodes with the help of context-aware routing tables. The important information maintained in the context-aware routing table is which physical properties can be measured by descendent nodes reachable from the current node. Based on the information, the node is able to eliminate unnecessary packet transmission by filtering out the child nodes for query dissemination or result relaying. The simulation results show that up to 80% of performance gains can be achieved with our technique.