개선된 자료 종속성 제거 알고리즘

장유숙(Yu-Sug Chang),이원규(Wongyu Lee),유헌창(Heonchang Yu),박두순(Doo-Soon Park) 한국멀티미디어학회 2001 한국멀티미디어학회 학술발표논문집 Vol.2001 No.2

SVM 기반의 교실 내 시간과 위치에 따른 졸음 예측 기법

유건희 ( Gunhee Yu ),신선호 ( Sunho Shin ),김도연 ( Doyeon Kim ),장명호 ( Myungho Jang ),김희주 ( Heeju Kim ),박봉우 ( Bongwoo Bak ),유헌창 ( Heonchang Yu ) 한국컴퓨터교육학회 2018 한국컴퓨터교육학회 학술발표대회논문집 Vol.22 No.1

최근 하드웨어의 컴퓨팅 능력이 좋아짐에 따라 기계학습 분야가 주목받고 있다. 이에 따라 많은 양의 데이터를 처리하기 수월해졌으며 수많은 데이터들을 기계학습 알고리즘을 통해 학습시키기 간편해졌다. 이러한 발전으로 기계학습이 적용되는 분야 또한 넓어져 교육 분야에도 활발히 적용되고 있다. 본 논문은 SVM(Support Vector Machine)을 사용하여 교실 내 좌석과 시간에 따른 졸음을 예측하는 기법을 제안한다. 제안하는 기법을 통해 교사들은 학생들의 졸음을 사전에 방지 하여 수업 진행에 큰 도움을 줄 것으로 기대된다.

An Intelligent Residual Resource Monitoring Scheme in Cloud Computing Environments

Lim, JongBeom,Yu, HeonChang,Gil, Joon-Min Korea Information Processing Society 2018 Journal of information processing systems Vol.14 No.6

Recently, computational intelligence has received a lot of attention from researchers due to its potential applications to artificial intelligence. In computer science, computational intelligence refers to a machine's ability to learn how to compete various tasks, such as making observations or carrying out experiments. We adopted a computational intelligence solution to monitoring residual resources in cloud computing environments. The proposed residual resource monitoring scheme periodically monitors the cloud-based host machines, so that the post migration performance of a virtual machine is as consistent with the pre-migration performance as possible. To this end, we use a novel similarity measure to find the best target host to migrate a virtual machine to. The design of the proposed residual resource monitoring scheme helps maintain the quality of service and service level agreement during the migration. We carried out a number of experimental evaluations to demonstrate the effectiveness of the proposed residual resource monitoring scheme. Our results show that the proposed scheme intelligently measures the similarities between virtual machines in cloud computing environments without causing performance degradation, whilst preserving the quality of service and service level agreement.

Mitigation Technique for Performance Degradation of Virtual Machine Owing to GPU Pass-Through in Fog Computing

Kang, Jihun,Yu, Heonchang The Korean Institute of Communications and Informa 2018 Journal of communications and networks Vol.20 No.3

As the size of data increases and computation becomes complicated in fog computing environments, the need for high-performance computation is increasing. One of the most popular ways to improve the performance of a virtual machine (VM) is to allocate a graphic processing unit (GPU) to the VM for supporting general purpose computing on graphic processing unit (GPGPU) operations. The direct pass-through, often used for GPUs in VMs, is popular in the cloud because VMs can use the full functionality of the GPU and experience virtually no performance degradation owing to virtualization. Direct pass-through is very useful for improving the performance of VMs. However, since the GPU usage time is not considered in the VM scheduler that operates based on the central processing unit (CPU) usage time of the VM, the VM performing the GPGPU operation degrades the performance of other VMs. In this paper, we analyze the effect of the VM performing the GPGPU operation (GPGPU-intensive VM) on other VMs through experiments. Then, we propose a method to mitigate the performance degradation of other VMs by dynamically allocating the resource usage time of the VM and preventing the priority preemption of the GPGPU-intensive VM.

An Intelligent Residual Resource Monitoring Scheme in Cloud Computing Environments

( Jongbeom Lim ),( Heonchang Yu ),( Joon-min Gil ) 한국정보처리학회 2018 Journal of information processing systems Vol.14 No.6

Recently, computational intelligence has received a lot of attention from researchers due to its potential applications to artificial intelligence. In computer science, computational intelligence refers to a machine’s ability to learn how to compete various tasks, such as making observations or carrying out experiments. We adopted a computational intelligence solution to monitoring residual resources in cloud computing environments. The proposed residual resource monitoring scheme periodically monitors the cloud-based host machines, so that the post migration performance of a virtual machine is as consistent with the pre-migration performance as possible. To this end, we use a novel similarity measure to find the best target host to migrate a virtual machine to. The design of the proposed residual resource monitoring scheme helps maintain the quality of service and service level agreement during the migration. We carried out a number of experimental evaluations to demonstrate the effectiveness of the proposed residual resource monitoring scheme. Our results show that the proposed scheme intelligently measures the similarities between virtual machines in cloud computing environments without causing performance degradation, whilst preserving the quality of service and service level agreement.

특징 최소화와 데이터 선별을 활용한 영화 관객수 예측

양영보 ( Youngbo Yang ),유헌창 ( Heonchang Yu ) 한국정보처리학회 2019 한국정보처리학회 학술대회논문집 Vol.26 No.1

빅데이터 분석을 위해 많이 사용하고 있는 기계학습 알고리즘들 중 딥러닝 알고리즘이 많이 활용되고 있으며 분류와 예측에 높은 정확도를 나타내고 있다. 딥러닝 알고리즘의 적용에 따른 많은 장단점들이 있지만, 단점은 분석에 사용되는 특징들이 너무 많다는 것과 분석 모델을 만드는데 사용되는 알고리즘도 여러 가지를 적용하다 보니 분석 시간이 오래 걸린다는 것이다. 이런 단점들은 업무를 파악하면 특징을 최소화할 수 있고 필요로 하는 정보만 선별해서 대표적인 딥러닝 알고리즘 하나에 분석을 하게 되면 분석 시간을 단축시킬 수 있다. 이 실험은 [1], [2]에서 연구한 영화 관객수 예측 모델을 4개의 특징으로 최소화하고 선별된 데이터를 인공신경망 알고리즘 하나로 예측 모델을 생성하였을 때 유의미한 정보를 도출해 낼 수 있는지를 알아보기 위한 것이다. 실험결과는 최종 관객수를 1명 단위까지 정확하게 예측하지는 못했지만 비슷한 수준의 관객수 정보를 예측하였다. 학문적인 접근으로 보았을 때 예측 정확도가 높지 않으면 사용이 불가능한 모델이라고 판단할 수 있지만, 기업 입장으로 접근해 보았을 때 예측 정보가 [1]. [2] 연구 결과에 비해 부족한 수준은 아니다. 총 소요된 시간은 기획 3일, 데이터 수집 및 모델 개발 5일, 분석 시간 10분으로 개발 시간 단축, 업무 효율성 향상, 비용 절감을 기대할 수 있다.

머신러닝을 활용한 NFV 시스템 로그 분석

오성근 ( Seongkeun Oh ),유헌창 ( Heonchang Yu ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.2

모바일 이동통신망의 Core 노드들은 2G CDMA, 3G WCDMA, 4G LTE 교환기를 비롯하여 IMS 및 다 양한 부가장비들로 이루어져 있다. 최근 5G 로 진화하는 과정에는 NFV(Network Function Virtualization)가 그 중심에 서 있다. NFV 환경에서는 기존 통신 노드와 다르게 범용서버 및 범용 운영체제가 주축이 되어, 일반 IT 툴로도 통신망 내부 노드의 로그분석이 용이해 졌다. 또한 다양 하고 복잡한 Core 네트워크에서 빅데이터로 발생하는 로그 또한 머신러닝으로 분석이 가능하며, 운용에 활용할 수 있다. 따라서 본 연구에서는 vDPI, vMMSGW OS 로그를 대상으로 분석하였으며, 잠재되어 있는 문제점들을 확인할 수 있었다. 또한 어플리케이션의 비정형화 된 로그에서도 비정상적인 패턴들을 발견하여 대용량 트래픽이 발생하며 SLA 가 유난히 높은 통신환경에서도 비지도 머신러닝 분석이 유용함을 확인하였다.

통신 패턴에 기반한 메시지 로깅

김기범(Kibom Kim),유헌창(HeonChang Yu),안진호(JinHo Ahn),황종선(Chong Sun Hwang) 한국정보과학회 1998 한국정보과학회 학술발표논문집 Vol.25 No.2Ⅲ

메시지로깅을 이용한 기존의 메시지 로깅기법에서는 모든 메시지에 대한 처리를 동일하게 수행하였다. 반면, 이 논문에서는 통신 패턴에 대한 연구를 바탕으로 통신시에 발생하는 중요한 성질인 통신국부성을 발견하였다. 이를 기반으로 프로세스의 통신 집합을 유지하도록 함으로써 결함 발생 후 모든 프로세스에게 도움을 요청하는 메시지를 보는 것이 아니라 오직 자신과 통신을 수행했던 프로세스에게만 메시지를 보내는 기법을 제안한다.

대기행렬 모델을 활용한 강화학습 기반 파드 오토스케일링 기법

장용현(Yonghyeon Jang),유헌창(Heonchang Yu),이은영(Eunyoung Lee) 한국정보과학회 2022 정보과학회논문지 Vol.49 No.2

최근 환경 변화에 적응적이고 목적에 맞는 최적의 오토스케일링 정책을 사용하기 위해 강화학습 기반 오토스케일링 정책에 대한 연구가 이루어지고 있다. 그러나 강화학습 기반 오토스케일링 정책을 학습하고, 각각의 강화학습 기반 오토스케일링 정책 간의 성능 비교를 수행하는 과정에서 많은 시간과 자원이 요구된다는 문제가 발생한다. 본 논문에서는 대기행렬 모델 기반 시뮬레이션 기법을 제안하여 오토스케일링 정책 간의 성능 비교를 시뮬레이션을 통해 수행할 수 있게 하고, 시뮬레이션 실험을 통해 여러 강화학습 기반 파드 오토스케일링 기법을 비교한다. Recently, studies on reinforcement learning-based autoscaling policies have been conducted in order to use optimal autoscaling policies that are adaptive to environmental changes and fit the purpose. However, there is a problem that much time and many resources are required in the process of training the reinforcement learning-based autoscaling policy and comparing the performance between each reinforcement learning-based autoscaling policy. In this study, we proposed a queueing model-based simulation technique, which enables performance comparison between autoscaling policies to be performed through simulation, and compared several reinforcement learning-based pod autoscaling techniques through simulation experiments.

서버리스 컴퓨팅을 위한 다양한 컨테이너 런타임 환경에서 라이브러리 공유 성능 분석

김세진 ( Sejin Kim ),유헌창 ( Heonchang Yu ) 한국정보처리학회 2020 한국정보처리학회 학술대회논문집 Vol.27 No.2

서버리스 컴퓨팅에는 가상머신보다 가벼운 장점을 지닌 컨테이너 기술이 많이 사용되었다. 하지만 여러 사용자들의 어플리케이션이 하나의 서버 인스턴스를 공유해서 사용하기 때문에, 취약점으로 인해서 여러 문제점이 생길 수 있다. 이에 서버리스 컴퓨팅 제공자들은 서버리스 컴퓨팅에 적합하며 보안을 강조한 기술들을 발표하고 있다. 대표적으로 구글에서 개발한 샌드박스 형태의 컨테이너 런타임을 제공하는 gVisor 와 오픈스택 재단에서 개발한 Kata Containers가 있다. 본 논문에서는 미리 준비된 라이브러리를 공유하여 서버리스 컴퓨팅의 콜드 스타트를 완화시키는 관점에서, gVisor와 Kata Containers 환경에서 라이브러리를 불러올 때 기존의 도커 컨테이너 환경과의 차이를 비교하고 분석한다.