RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      검색결과 좁혀 보기

      선택해제
      • 좁혀본 항목 보기순서

        • 원문유무
        • 원문제공처
        • 등재정보
        • 학술지명
          펼치기
        • 주제분류
        • 발행연도
          펼치기
        • 작성언어

      오늘 본 자료

      • 오늘 본 자료가 없습니다.
      더보기
      • 무료
      • 기관 내 무료
      • 유료
      • 가상화 지원 스왑 장치를 이용한 효율적인 페이징 기법

        민창우 ( Changwoo Min ),김인혁 ( Inhyuk Kim ),김태형 ( Taehyoung Kim ),엄영익 ( Young Ik Eom ) 한국정보처리학회 2010 한국정보처리학회 학술대회논문집 Vol.17 No.2

        가상화는 서버통합을 통하여 가상머신 간의 하드웨어 자원을 공유함으로써, 총 소유 비용을 줄일 수 있어서 널리 사용되고 있다. 하지만 메모리는 다른 장치와 달리 쉽게 공유되기 어려워서 서버 통합에 있어서 병목이 되고 있다. 이를 해결하기 위한 여러가지 방법들중 많은 방법이 공통적으로 가상머신모니터에서 페이징을 사용하고 있다. 하지만 게스트 운영체제와 가상머신모니터가 모두 페이징을 할 경우, 페이징이 급격히 증가가는 이중 페이징 문제가 발생할 수 있다. 본 논문에서는 이중 페이징 문제를 해결하기 위한 방법으로 가상머신모니터와 게스트 운영체제가 스왑 장치를 공유하는 가상화 지원 스왑 장치를 제안한다. 또한 실험을 통하여 가상머신모니터가 페이지 교환 알고리즘으로 LRU 를 사용할 경우 이중 페이징 문제가 크게 발생할 수 있음을 보인다.

      • 퍼지 결정 트리를 이용한 간결한 퍼지 규칙의 생성

        민창우(Changwoo Min),김명원(Myung Won Kim) 한국정보과학회 1997 한국정보과학회 학술발표논문집 Vol.24 No.1B

        기계학습이나 퍼지 규칙 생성은 데이터로부터 규칙을 찾아냄으로써 지식 병목 문제(knowledge bottleneck problem)를 해결할 수 있을 것으로 기대를 받았다. 이러한 방법으로 생성된 규칙은 좋은 분류율을 가져야 함은 물론 이해하기 쉬워야 한다. 본 논문에서는 이해하기 쉬운 퍼지 규칙을 생성하기 위한 방법으로 퍼지 결정 트리 생성에 의한 퍼지 규칙 생성 방법을 제안한다. 제안된 알고리즘은 히스토그램에 기반하여 퍼지 소속함수를 생성하는 단계와 생성된 소속 함수를 이용하여 퍼지 결정 트리를 구성하는 두 단계로 이루어진다. 또한 제안된 방법의 타당성을 검증하기 위해 표준적인 패턴 분류 벤치마크 데이터인 iris 데이터와 breast cancer Wisconsin 데이터에 대한 실험 결과를 보인다.

      • 유연한 추론을 위한 연결주의적 지식 표현 구조

        민창우(Changwoo Min),김영분(Youngboon Kim),김명원(Myung Won Kim) 한국정보과학회 1997 정보과학회논문지(B) Vol.24 No.6

        기존의 기호주의적 인공지능 시스템이 지식을 표현하고 추론하는데 있어서 유연성을 결여하고 있다는 것은 잘 알려진 사실이다. 이것은 기호주의적 지식표현 방법이 표현하고자 하는 의미구조를 반영하고 있지 않기 때문이다. 본 논문에서는 유연한 지식표현과 추론을 위한 연결주의적 접근방법으로써 신경망에 기반한 새로운 지식표현과 추론체계인 Connectionist Semantic Network(CSN)을 제안한다. CSN에서 지식은 개념을 나타내는 상호연결된 노드로써 표현된다. 각 상위개념은 그것과 연관이 있는 하위개념의 네트워크 형태로 표현된다. 각 개념들 사이의 연결은 유연한 추론에 있어서 중요한 역할을 하는 유사성과 연관성을 나타낸다. 이와 같은 구조를 가지는 CSN에서, 추론은 관련된 개념들의 활성화를 네트워크를 통하여 전파함으로써 이루어진다. 본 논문에서는 실험을 통하여 CSN이 유연한 지식표현과 추론에 효율적인 구조라는 것을 보인다. It is well known that the conventional symbolic approach suffers from lacking flexibility in representing knowledge and inference. It mainly attributes to the fact that symbolic knowledge representation does not well reflect semantic structure to be represented. In this paper we investigate a connectionist approach to flexible knowledge representation and reasoning. We propose the Connectionist Semantic Network (CSN), a new knowledge representation and reasoning system based on neural networks. In the CSN we represent knowledge as a network of interconnected nodes representing concepts, Each high level concept is, in turn, represented by its semantic structure, a network of its associated subconceptual components. Connections incoporate similarity and association between concepts, which are important for flexible inference. In the CSN inference can be done by propagating the activations of pertinent conceptual nodes through the network. Our simulation results demonstrate that the CSN is an efficient structure for flexible knowledge representation and inference.

      • 간결한 퍼지 규칙을 생성하는 데이타 마이닝 알고리즘

        민창우(Changwoo Min),김명원(Myung Won Kim),김수광(Soo Kwang Kim) 한국정보과학회 1998 정보과학회논문지(B) Vol.25 No.10

        컴퓨터의 사용이 보편화됨에 따라 사회의 각 분야에서 많은 양의 데이타가 수집, 저장되고 있다. 따라서 이러한 방대한 데이타에서 유용하고 이해 가능한 패턴을 찾아내기 위한 방법에 관한 연구인 KDD에 대한 연구의 중요성이 증대하고 있다. 본 논문에서는 퍼지 결정 트리를 이용하여 이해하기 쉬운 퍼지 규칙을 생성하는 데이타 마이닝 알고리즘을 제안한다. 제안된 알고리즘은 히스로그램에 기반하여 퍼지 소속함수를 생성하는 단계와 생성된 소속 함수를 이용하여 퍼지 결정 트리를 구성하는 두 단계로 이루어진다. 또한 제안된 방법의 타당성을 검증하기 위해 표준적인 패턴 분류 벤치마크 데이타인 Iris 데이타와 Wisconsin Breast Cancer 데이타에 대한 실험 결과를 보인다. Across a wide variety of fields, data are being collected and accumulated at a dramatic pace. There is urgent need to find useful patterns from large databases. The subject of KDD is development of automatic and intelligent tools and technologies to find useful knowledge from databases. In this paper, we propose an efficient data mining algorithm using fuzzy decision tree. It can generate simple and comprehensible rules describing data. The proposed algorithm is composed of two passes: the first pass generates fuzzy membership functions from histogram analysis, while the second pass constructs a fuzzy decision tree using the fuzzy membership functions generated in the first pass. We tested the algorithm with the IRIS data and the Wisconsin Breast Cancer data. The Experiment results show that our method is efficient for generating a set of efficient fuzzy rules from data.

      • 메모리 접근 성능 향상을 위한 계층적 비트맵 기반 TLB 표현 기법

        민창우(Changwoo Min),김태형(Taehyoung Kim),엄영익(Young Ik Eom) 한국정보과학회 2011 한국정보과학회 학술발표논문집 Vol.38 No.1A

        하드웨어의 발전으로 인하여 한 머신에 장착되는 물리 메모리의 크기가 점차로 커지고 있으며, 가상화 기술과 같은 서버 통합 워크로드가 일반화됨에 따라 개별 응용프로그램의 working set size 또한 증가하고 있다. 하지만 가상주소에 대한 물리주소 변환의 cache인 TLB(Translation Look-aside Buffer)의 커버리지는 물리 메모리 크기가 커짐에 따라 점차 줄어들어 TLB miss가 발생하여 메모리 접근이 느려질 가능성이 더욱 높아지고 있다. 본 논문에서는 계층적 비트맵을 사용하는 TLB 표현 방법을 이용하여 TLB커버리지를 높이는 하드웨어적인 기법을 제안하고, 이에 적합한 운영체제 기법을 제안한다.

      • KCI등재

        메모리 접근 성능 향상을 위한 계층적 TLB 표현 기법 및 메모리 관리 기법

        민창우(Changwoo Min),김태형(Taehyoung Kim),엄영익(Young Ik Eom) 한국정보과학회 2012 정보과학회 컴퓨팅의 실제 논문지 Vol.18 No.3

        하드웨어의 발전으로 인하여 하나의 머신에 장착되는 물리 메모리의 크기가 점차 커지고 있다. 또한 가상화 기술과 같은 서버 통합 워크로드가 일반화됨에 따라 개별 응용프로그램의 워킹셋 또한 증가하고 있다. 하지만 가상주소에 대한 물리주소 변환의 캐시인 TLB(Translation Look-aside Buffer)의 상대적 커버리지는 물리 메모리 크기가 커짐에 따라 점차 줄어들고 있다. 따라서 TLB 미스 (miss)가 발생하여 메모리 접근이 느려질 가능성은 더욱 높아지고 있다. 본 논문에서는 계층적 비트맵을 사용하는 TLB 표현 방법을 이용하여 TLB 커버리지를 높이는 하드웨어 기법을 제안하고, 이에 적합한 메모리 관리기법을 제안한다. 또한 시뮬레이션을 통한 실험을 통하여 제안된 기법이 실제 TLB 미스를 줄이는데 효과적임을 보인다. In advances of computing hardware, size of physical memory per machine is getting larger. Moreover, the working set size per application is also getting larger, as virtualization and server consolidation is getting popular. However, the relative coverage of Translation Look-aside Buffer (TLB), which caches mappings between virtual address and physical address, is getting smaller as size of physical memory increases. Thus, TLB miss becomes more frequent and the cost of memory access is getting higher. To address this problem, we propose a new TLB mechanism that represents multiple mappings using one TLB entry and several operating system schemes to facilitate the effectiveness of the proposed TLB mechanism. Our simulation results show the proposed mechanism is effective to reduce TLB miss on real world workload.

      • 매니코어 운영체제 연구현황 및 계획

        정성인,김태수,민창우,박성용,변석우,서의성,우균,이경우,이재욱,임성수,임은진,조희승,진현욱,Jung, Sungin,Kim, Taesoo,Min, Changwoo,Park, Sungyong,Byun, Sugwoo,Seo, Euiseong,Woo, Gyun,Lee, Kyoungwoo,Lee, Jaewook,Rim, Sung-Soo,Im, Eun-Jin,Jo, 한국전자통신연구원 2017 전자통신동향분석 Vol.32 No.6

        The trend of manycore hardware has recently evolved more quickly than expected. However, an operating system, which is software used for managing computer resources, is still optimized for a multicore system. To handle this issue, we started a research project called 'Research on High Performance and Scalable Manycore Operating Systems' in 2014. This article briefly examines the technology trends of manycore hardware and operating systems, and introduces the research areas and outcomes during the first stage of the project(2014-2017). The core technologies improving the performance scalability of manycore systems are publicly available, and anyone can use the source code or apply the ideas of the core technique to other research activities. In addition, the research plans of the second stage of the project(2018-2021) are also included.

      • 연결주의적 의미망에서 유사성과 연관성의 설명

        김영분(Youngboon Kim),민창우(Changwoo Min),김명원(Myung Won Kim) 한국정보과학회 1997 정보과학회논문지(B) Vol.24 No.10

        기존의 기호주의적 인공지능 시스템이 추론을 하는데 있어서 유연성이 부족하다는 것은 잘 알려진 사실이다. 이러한 문제점을 해결하기 위하여 유연한 지식 표현과 추론을 할 수 있는 연결주의적 의미망인 CSN(Connectionist Semantic Network)을 이미 제안하였다. CSN은 프라이밍 현상과 실어증에 관한 논의에서 볼 수 있듯이 인간의 유연한 추론에 영향을 주는 중요한 요소인 유사성(similarity)과 연관성(association)을 기반으로 하여 근사추론 및 상식추론을 할 수 있는 모델이다. 그러나 CSN을 비롯한 신경망을 이용한 시스템들은 정보를 분산적으로 가지고 있으므로 추론한 결과를 설명하기가 어렵다는 단점을 가지고 있다. 본 논문에서는 CSN을 기반으로 하여 추론결과를 설명할 수 있는 설명 알고리즘(explanation algorithm)을 제안한다. 이 알고리즘은 먼저 개념층의 가중치를 분석함으로써 추론에 중요하게 영향을 끼친 개념들을 추출한다. 이 개념들과 초기에 입력된 개념들이 공유하고 있는 하위개념의 정도에 따라서 유사정도를 계산하고 각 개념간의 하위개념들의 연결정도와 공유된 하위개념의 정도에 따라서 연관정도를 계산한다. 이러한 유사정도와 연관정도를 이용하여 추론 결과를 설명함으로써 유사성과 연관성을 이용한 CSN의 유연한 추론과정을 잘 설명할 수 있다. 본 논문에서는 실험을 통하여 제안된 설명 알고리즘의 수행과정을 보이고 타당성을 검토한다. It is well known that the conventional symbolic approach suffers from lacking flexibility in representing knowledge and inference. For solving this problem, we have recently proposed the Connectionist Semantic Network(CSN) as a model for flexible knowledge representation and inference based on neural networks. CSN is capable of carrying out both approximate reasoning and commonsense reasoning based on similarity and association which are important factors for human-like flexible inference as evidenced by priming phenomena and aphasia. However, it is the case that neural networks lack transparency in knowledge representation and reasoning, which causes difficulties in understanding and explaining reasoning process. In this paper, we propose an explanation algorithm for CSN using conceptual similarity and association. Our method, first, extracts important concepts relevant to the inference results by analyzing weights in concept level and then calculate similarity and association. While the similarity is calculated in terms of the degree in which two concepts share their subconcepts, the association is calculated in terms of the degree in which two concepts are correlated. Using similarity and association, we can better explain the flexible inference based on CSN. Simulation results show that our method is powerful and flexible in explaining connectionist inference.

      • 유연한 지식 표현과 추론을 위한 연결주의적 의미구조의 모델

        김영분(Youngboon Kim),민창우(Changwoo Min),김명원(Myung Won Kim) 한국정보과학회 1996 한국정보과학회 학술발표논문집 Vol.23 No.1A

        본 논문에서는 기존의 기호주의적 인공지능이 가지는 기호체계와 의미체계의 구조 차이에 의한 brittleness문제를 해결하기 위하여, Roman Jakobson이 정의한 유사성(similarity)과 인접성(contiguity)에 기반한 추론을 수행할 수 있는 연결주의적 의미공간 모델 CSN(Connectionist Semantic Network)을 제안한다. CSN은 상위개념과 그 개념을 구성하는 구체적 하위개념의 구조를 가지고 이들의 상호 연결 부분을 학습함으로써 의미의 기본적인 두 측면 즉, 유사성과 인접성에 기반한 추론을 수행할 수 있는 모델이다. 본 논문에서는 유사성과 인접성을 사용한 추론 예제를 가지고 실험하여 제안한 모델의 타당성을 검증하며, 신경망을 사용한 정보처리가 기호주의적 방법에 비하여 유연함을 고찰한다.

      연관 검색어 추천

      이 검색어로 많이 본 자료

      활용도 높은 자료

      해외이동버튼