http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
손충범(Chung Beom Sohn),박춘서(Chun Seo Park),강형일(Hyung Il Kang),조기형(Ki Hyung Cho),유재수(Jae Soo Yoo) 한국정보과학회 1999 한국정보과학회 학술발표논문집 Vol.26 No.1B
현재 개발된 Z39.50 시스템은 새로운 검색엔진이나 관계형 데이터베이스를 추가할 경우 시스템 확장이 쉽지 않으며, 사용자의 연결이 많아질수록 서버의 부담이 커지는 문제점이 있다. 본 논문에서는 분산 객체 표준 기술인 CORBA를 이용하여 Z39.50 서버를 설계하고 구현한다. 구현된 Z39.50 서버는 서버의 부담을 줄일 뿐만 아니라 구현 객체에 대한 로케이션 투명성을 제공함으로써 다양한 데이터베이스 엔진 모듈과의 통합이 가능하게 하여 시스템 확장에 있어 많은 편리함을 제공한다. 또한 데이터베이스 엔진 모듈 부분을 그대로 재사용할 수 있어 자원효율을 높일 수 있는 장점이 있다.
위험함수가 2차형인 소프트웨어 신뢰도 성장모형에 대한 베이지안 추론과 모형선택에 관한 연구
김희철(Hee Cheul Kim),김평구(Pyong Koo Kim),박춘일(Chun Il Park) 한국자료분석학회 2000 Journal of the Korean Data Analysis Society Vol.2 No.1
위험함수가 2차형인 소프트웨어 신뢰도 성장모형에 대하여 위험함수의 형태와 초기오류수의 형태의 사전분포가 포아송분포인 경우 깁스 샘플링(Gibbs sampling) 을 이용한 베이지안 추정을 시행하고 상대오차의 합을 이용하여 모형을 선택하는 방법으로 이루어졌다. 수치적인 예에서는 모의실험 자료를 이용한 모수추정 및 모형선택 결과를 제시하였다. Bayesian inference and model selection method for software reliability growth models with quadratic hazard function are studied. Software reliability growth models are used in testing stages of software development to model the error content and time intervals between software failures. In this paper, we could avoid the multiple integration by the use of Gibbs sampling, which is a kind of Markov Chain Monte Carlo method to compute the posterior distribution. Bayesian inference and model selection method for Quadratic model and Jelinski-Moranda, Schick-Wolverton models in software reliability with Poisson prior information are studied. For model selection, we explored sum of relative error.
Park, Chun-il,Lee, Jong-Hoo,Kim, Chang-wook 한국경영과학회 1989 한국경영과학회 학술대회논문집 Vol.- No.1
The purpose of this paper is to give an economical help when purchasing a car, by making a model of the correlation between the price of a car and the maintenance cost that arises from an impact, and by giving various numerical examples.
Component Steady-State Availability 의 Bayes 추정
김종호,박춘일 동국대학교 자연과학연구소 1988 자연과학연구 논문집 Vol.8 No.-
Noninfromative prior density function과 Conjugate prior density function에 대하여 component steady-state avilability의 Bayse 추정을 두고, 두가지 추정을 수치예로서 비교하였다. This paper presents a class of Bayes estimation of component steady-state availability. Throughout this paper, we will denote the mean time between failure and the mean time between repaie by MTBF and MTBR respectively. In section 2, we investigate Bayes estimation of the steady-state availability for noninformative prior density function and in section 3, we compute Bayes estimation for conjugate prior density function. Finally, numerical example to compare two estimation will be given in section 4.