http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
다단계 신경망 모델에 대한 다중 처리기 상으로의 사상 전략과 분산 역전파 알고리즘
낭종호(Jong Ho Nang),최선민(Seon Min Choe),이상훈(Sang Hoon Lee),윤현수(Hyun Soo Yoon),맹승렬(Seung Ryoul Maeng) 한국정보과학회 1990 정보과학회논문지 Vol.17 No.3
본 논문에서는 완전히 연결된 다단계 신경망 모델을 분산 메모리 다중 처리기 시스템에 사상시키는 방법과, 이 사상 방법에 기초한 분산 역전파 학습 알고리즘을 제안하고 그 성능을 분석하였다. 제안한 방법에서는 신경망의 각 단계에 있는 뉴론들을 p개의 서로 다른 집합으로 나누고, 이렇게 나눈 부신경망을 p개의 처리기에 할당하여 학습을 시키게 된다. 분석에 의하면 제안된 사상 방법과 분산 역전파 학습 알고리즘의 p-처리기 수행 시간은 하나의 처리기를 사용하는 경우의3/4 · p 만큼의 시간만이 필요하며, 또한 한 처리기는 하나의 처리기를 사용하여 학습 시키는 경우에 비하여 p/2만큼의 메모리만을 가지고 있으면 되기 때문에 큰 신경망을 빠른 속도로 학습시킬 수 있다. 이런 분석은 어떤 신경망 모델을 학습시키는데 필요한 가장 적당한 처리기의 갯수를 결정하는데 사용될 수 있다. In this paper, we propose and analyze a parallel learning algorithm of a fully connected multilayered feedforward neural network using the backpropagation one on a distributed-memory multiprocessor system. In our system, the neurons on each layer are partitioned into p disjoint sets and each set is mapped on a processor of a p-processor system The p-processor speed-up ratio of the backpropagation algorithm over a single processor is 3/4 · P, and space-reduction ratio over a single processor is P/2 This analysis can be used as a basis in determining the most cost-effective or optimal number of processors.
낭종호(J H Nang),이헌길(H G Lee),박승운(S W Park),맹승렬(S R Maeng),조정완(J W Cho) 한국정보과학회 1989 한국정보과학회 학술발표논문집 Vol.16 No.1
본 논문에서는 논리 언어에 대한 OR-병렬 수행 모델 중의 하나인 XWAM-Ⅱ를 KAIST LAN 상에서 구현한 ADProlog 시스템의 기본 구조를 설명하고, 그 성능을 측정하였다. 또한 분신 처리 환경에서 필수적인 분산 투명성을 제공하는 방법에 대하여 설명하였다. ADProlog는 ANSA라고 하는 ODP 의 새로운 기본모델에 기초를 두었으며, ANSA UNIX Festbench를 이용하여 구현하였다. 실제 성능을 측정한 결과 수행 시간이 상대적으로 긴 프로그램인 경우에, 사용하는 워크스테이션 수에 비례하여 성능이 향상됨을 보였다.
함수논리 언어를 위한 순차 추상기계의 설계 및 성능평가
낭종호(Jong Ho Nang),신동욱(Dong Wook Shin),맹승렬(Seung Ryoul Maeng),조정완(Jung Wan Cho) 한국정보과학회 1990 정보과학회논문지 Vol.17 No.1
함수 논리 언어는 함수 언어의 특징과 논리 언어의 특징을 모두 가지고 있는 강력한 프로그래밍 파라다임이지만, 이런 종류의 언어에 대한 효율적인 구현 방법이 아직 개발되지 않았기 때문에 널리 사용되지 못하고 있다. 본 논문에서는 이 문제점을 해결하기 위하여 함수 논리 언어를 효율적으로 수행할 수 있는 추상 기계 F-WAM에 대한 구조와 인스트럭션 집합을 제안하였다. F-WAM은 논리 언어의 효율적인 처리기인 WAM의 확장형으로서, 기본적인 수행 방법은 SLD-resolution과 리덕션이다. 즉, 함수 논리 언어의 논리 언어 부분을 수행할 때는 WAM과 같은 방법으로 수행하고, 함수 응용을 계산할 때는 리덕션 기계과 같은 방법으로 수행한다. 본 논문에서는 시뮬레이션을 통하여 F-WAM의 성능을 분석하였는데, 함수 응용을 계산할 때는 많은 메모리 영역을 필요로 하는 백트랙킹 정보를 기억할 필요가 없기 때문에 WAM보다 메모리 영역을 적게 사용함을 알 수 있다. 또한 F-WAM의 리덕션 인스트럭션들은 대응되는 WAM 인스트럭션들보다 간단하기 때문에 WAM보다 빠르게 수행할 수 있다. Though functional logic languages are regarded as powerful programming paradigms, they are not used in many-applications owing to their inefficiencies. To resolve this problem, we propose an abstract machine architecture and the instruction set called F-WAM(Functional-WAM), which executes functional logic languages efficiently. F-WAM is a slightly modified version of WAM(Warren Abstract Machine), and its fundamental execution mechanisms are SLD-resolution and reduction. Its execution is similar to WAM in logical deduction, and similar to the reduction machine in function evaluation. The simulation results of F-WAM show that F-WAM usually uses less memory space than WAM because it does not need to remember backtracking informations in function reduction, and more fast than WAM because reduction instructions of F-WAM are more simple than the corresponding WAM instructions.
낭종호(J. H Nang),신동욱(D W Shin),김승범(S B Kim),맹승렬(S R. Maeng) 한국정보과학회 1987 한국정보과학회 학술발표논문집 Vol.14 No.2
본 논문에서는 함수 논리 언어를 효과적으로 수행시킬 수 있는 추상 머신인 F-WAM(Functional - Warren Abstract Machine)을 제안한다. F-WAM은 WAM을 기초로 하였으며 기본 수행 방법으로는 resolution과 Canonical Unification을 사용한다. 이 추상 머신은 논리 언어 부분에서는 WAM과 같은 방법으로 수행되고, 함수 언어 부분에서는 인수 레지스터와 Heap등을 이용하여 rewriting 과정을 수행한다. 이 추상 머신은 순수한 논리 언어 프로그램을 수행시키는 경우에 WAM에 비하여 효율성이 떨어지지 않고, 또한 순수한 함수 언어 프로그램을 수행시키는 경우에도 그 효율성이 떨어지지 않도록 설계하였다.
낭종호(J H Nang),최선민(S M Choe),이상훈(S H Lee),윤현수(Hyunsoo Yoon),맹승렬(S R Maeng) 한국정보과학회 1990 한국정보과학회 학술발표논문집 Vol.17 No.1
신경망 모델은 학습 기능을 가지고 있기 때문에 기존의 계산 방식으로는 처리하기 어려운 많은 문제들에 대하여 해결 방법을 제공하지만, 신경망의 특성을 결정하는 여러 파라메터의 설정이 어렵기 때문에 try-and-error 방식의 시뮬레이션을 통하여 원하는 구조를 만들어야 하며, 또한 많은 뉴론과 연결선을 가진 신경망의 경우 학습 자체에도 많은 시간이 걸린다는 문제점을 가지고 있다. 본 논문에서는 이런 문제점을 해결하기 위하여 완전히 연결된 다단계 신경망 모델을 분산 메모리 다중 처리기 시스템에 사상시키는 방법과, 이 시상 방법에 기초한 분산 역전도 학습 알고리즘을 제안하고 그 성능을 분석하였다. 또한 이런 병렬 시뮬레이션 방법에 바탕을 두어 빠른 학습 속도를 제공하며, 신경망 모델의 여러 파라메터를 대화형으로 쉽게 바꿀 수 있는 신경망 모델 병렬 시뮬레이션 시스템 PANSi를 개발하였다.
타임 스탬프와 샷 검출을 이용한 타일드 디스플레이 기록기의 병합 알고리즘
최기석,낭종호 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.1
타일드-디스플레이 시스템은 다수의 디스플레이 디바이스를 그리드 형태로 연결하여 큰 화면과 높은 해상도를 제공해줄 수 있는 시스템이다. 타일드-디스플레이 시스템은 공동 협업 분야에서 다양하게 응용할 수 있는데, 그러한 시스템들은 일반적으로 사용로그 정보를 기록한다. 이러한 로그 정보는 시스템의 유지 및 관리 보수를 위한용도 뿐만 아니라, 공동 협업 상에서의 진행 상황을 다시 열람할 수 있는 훌륭한 회의록이 된다. 이러한 로그 정보를 저장할 때 각각의 타일들의 화면 저장 오차에 의해 전체 로그 영상의 품질이 떨어지게 되는데, 이를 보완하기 위해 이전 연구에서 타임스탬프 기반의 영상 병합 알고리즘을 제안하였다. 하지만 타임 스탬프 기반의 영상 병합 알고리즘은 샷 경계 부분이나 움직임 크게 변화하는 영상에서 품질이 나빠지는 경우를 대응하기 어렵다. 본 논문에서는 이러한 타임 스탬프 기반 알고리즘에서 대응할 수 없었던 샷 경계 부분의 품질 저하를 줄이기 위해 타임 스탬프와 샷 검출을 함께 이용하는 알고리즘을 제안한다.