http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
스파크 기반 분산 환경에서 슬레이브 노드의 개수에 따른 성능 분석과 예측
박봉우 ( Bongwoo Bak ),명노영 ( Rohyoung Myung ),정광식 ( Kwangsik Chung ),유헌창 ( Heonchang Yu ),최숙경 ( Sukyong Choi ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.1
최근 빅 데이터를 이용한 시스템들이 여러 분야에서 활발히 이용되기 시작하면서 대표적인 빅 데이터 저장 및 처리 플랫폼인 하둡(Hadoop)의 기술적 단점을 보완할 수 있는 분산 시스템 플랫폼 스파크(Apache Spark)가 등장하였다. 본 플랫폼을 바탕으로 슬레이브 노드들에게 작업을 분산하여 대용량 연산을 수행한다. 하지만 요구하는 성능을 내기 위해 어느 정도 규모의 슬레이브 노드가 필요한지, 각각의 컴퓨팅 능력은 얼마나 필요한지를 예측하는데 어려움이 있다. 본 논문에서는 스파크에서 원하는 성능을 내기 위해 어떤 조건을 충족해야 하는지, 현재 환경에서는 어느 정도 성능을 낼 수 있는지 실험을 통해 모델을 만들어 예측한다.
박봉우 ( Bongwoo Bak ),명노영 ( Rohyoung Myung ),유헌창 ( Heonchang Yu ),최숙경 ( Sukyong Choi ) 한국정보처리학회 2016 한국정보처리학회 학술대회논문집 Vol.23 No.2
최근 드론이 상용화되면서 전문가뿐만 아니라 일반 사람들이 실생활에서 드론을 사용하는 사례가 늘어나고 있다. 하지만 드론을 원하는 대로 안정적으로 조종하기 위해서는 오랫동안 훈련을 해야 한다. 현재 드론을 정확하고 안정적으로 비행할 수 있도록 지원하기 위한 여러 가지 연구들이 활발히 진행되고 있다. 본 논문에서는 드론이 전복되거나 원치 않는 방향으로 이동하는 것을 방지하기 위해 드론의 기울임 정도를 예측하는 방법을 제안한다. 이를 위해서 드론의 센서 값과 프로펠러의 회전속도 값을 인공 신경망을 이용하여 학습시키고, 그 결과 드론이 기울어지는 방향을 예측한다.
가상화 환경에서 자원 사용량을 기반으로 하는 가상머신 유형분류 기법
강지훈 ( Jihun Kang ),박봉우 ( Bongwoo Bak ),이재학 ( Jaehak Lee ),이은영 ( Eunyoung Lee ) 한국정보처리학회 2018 한국정보처리학회 학술대회논문집 Vol.25 No.1
다수의 사용자가 자원을 공유하는 클라우드 센터에서는 자원 사용량 예측이 힘들기 때문에 지속적으로 가상머신의 자원 부족과 특정 물리 서버에 가상머신들이 집중되는 것을 방지하고자 클라우드 센터를 구성하는 다수의 물리 서버 사이에서 가상머신을 이주시키는 마이그레이션 작업을 수행한다. 가상머신 마이그레이션은 가상머신에게 할당된 자원의 규모에 따라 물리 서버에 가상머신을 균등하게 배치시킬 수 있지만 가상머신의 특정 자원에 따른 자원 집중 현상은 방지할 수 없다. 본 논문에서는 가상머신 마이그레이션 작업 시 자원 집중 현상을 방지하기 위한 기반 정보를 생성하는 가상머신 유형 분류 기법을 제안한다. 본 논문에서 제안하는 가상머신 유형분류 기법은 물리 서버에서 실행 중인 가상머신의 자원 사용 정보를 기반으로 CPU, 메모리 유형으로 분류하여 가상머신 마이그레이션을 수행할 때 사용할 수 있는 기반 정보를 제공한다. 또한 본 논문에서 제안한 기법은 실험을 통해 무시할 수 있는 수준의 오버헤드를 발생시키는 것을 확인하였다.
클라우드 환경에서 모니터링 주기가 가상머신의 성능에 미치는 영향 분석
황승현 ( Seunghyun Hwang ),박봉우 ( Bongwoo Bak ),이재학 ( Jaehak Lee ),유헌창 ( Heonchang Yu ) 한국정보처리학회 2018 한국정보처리학회 학술대회논문집 Vol.25 No.1
다수의 사용자가 동시에 가상머신을 사용하는 클라우드 환경은 자원 사용량을 예측하기 힘들기 때문에 사용자의 자원 요구량과 성능을 만족시키기 위해 지속적으로 마이그레이션, 오토스케일링과 같은 가상머신 관리 작업을 수행한다. 가상머신 관리 시 참조되는 가장 중요한 정보는 가상머신과 물리머신의 자원 모니터링 정보이다. 클라우드 센터에서 자원 모니터링 작업은 가상머신 관리 시 필수적이지만 모니터링 정보 수집 시 사용하는 자원은 물리머신의 자원을 사용하기 때문에 모니터링 주기가 짧으면 모니터링 작업을 위한 자원 사용으로 인해 가상머신과 자원 경쟁이 발생할 수 있다. 본 논문에서는 물리머신에서 실행 중인 가상머신의 작업의 유형에 따른 최적의 모니터링 주기를 도출하기 위해 자원 모니터링 주기가 가상머신의 성능에 미치는 영향을 분석하고 모니터링 작업으로 인해 발생하는 가상머신의 성능 저하를 최소화 할 수 있는 최적의 모니터링 주기를 도출한다.
배추 수급조절을 위한 머신러닝 기반 가격예측 - 강원도 기후요인의 영향을 중심으로
오지원 ( Jiwon Oh ),박봉우 ( Bongwoo Bak ),유헌창 ( Heonchang Yu ) 한국컴퓨터교육학회 2018 한국컴퓨터교육학회 학술발표대회논문집 Vol.23 No.1
배추 재배면적은 2015년 88,698ha에서 2017년 41,021ha로 54%, 생산량은 2015년 6,661 천 톤에서 2017년 4,088 천톤으로 39% 감소하는 추세에 있었다. 배추 재배면적 및 생산량 감소의 주된 원인으로는 배추 수급조절 실패와 기상재해가 제시되는데 각 문제 상황에 핵심적인 기후요인과 가격정보를 연관 짓는 예측지표는 존재하지 않는다. 대표적으로 농업기상정보를 제공하는 농산물유통종합정보시스템[3]은 기상영향분석과 인공신경망(neural network)을 이용한 가격예측 정보를 제공하고 있지만 농가의 계약재배나 선도거래에서 실질적으로 참고하기 위해서는 안정/주의/경계의 세 단계 지표가 아닌 실제 가격 정보가 더 도움이 될 것으로 보이며 현존하는 가격예측 알고리즘은 가격정보를 시장데이터로 제한해 기상정보와의 연계를 고려해보려는 시도가 부족해 보였다. 이에 다중선형회귀 가설을 기반으로 한 기계학습을 통해 기후요인의 영향을 반영한 가격정보를 예측해 보았다.
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.