http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
SDN에서 OVS 대기행렬을 고려한 Q-learning 기반 서비스별 라우팅 기법
우기문(Gimoon Woo),박현희(Hyunhee Park) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
소프트웨어 정의 네트워킹(Software-Defined Networking, SDN)은 데이터 전송 기능과 제어 기능을 소프트웨어를 통하여 논리적으로 분리한 네트워킹 시스템이다. 그러나 SDN은 중앙 집중적 구조로 데이터 처리와 트래픽 관리를 하는 데 있어서 병목 현상이 발생하여 과부하로 인한 성능이 저하될 수 있다. 따라서 본 논문에서는 SDN 환경에서 대기행렬을 기반으로 OVS 상태를 고려하여 부하 분산을 보장함과 동시에 서비스별 QoS를 보장하는 기법을 제안한다. 제안한 기법을 통해 Q-learning에서 도출된 보상에 따라 OVS 간의 최적 경로를 결정할 수 있으며, 애플리케이션 서비스별 고유한 특성을 고려한 SDN application plane으로 확장하는 것을 기대할 수 있다.
SDN 환경에서 서비스별 네트워크 요구사항에 따른 우선순위 결정 기법
우기문(Gimoon Woo),김형빈(Hyungbin Kim),김지하(Jiha Kim),박현희(Hyunhee Park) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.11
최근 이동통신 네트워크에서는 다양한 서비스를 지원하기 위해 새로운 네트워킹 연구가 활발히 진행되고 있다. SDN(Software-Defined Networking) 기술은 소프트웨어를 통하여 데이터 전송과 제어를 논리적으로 구현한 기술이며 기존의 하드웨어 기반의 네트워크 시스템에서 발생하는 한계를 극복하기 위해 도입된 기술이다. 본 논문에서는 SDN 환경에서 서비스별 최단 경로 설정하는 기법을 제안한다. Q-learning을 적용하여 최단 경로를 설정했을 때 이후 작동하는 서비스는 적합한 최단 경로를 부여받지 못하는 문제점이 발생할 수 있다. 따라서 서비스별 네트워크 지연 우선순위 테이블을 작성하여 이를 기반으로 최단 경로 탐색 기법을 제안한다.
사용자별 가중치 표준 편차를 활용한 Federated Learning 성능 향상 기법
김형빈(Hyungbin Kim),김용호(Yongho Kim),우기문(Gimoon Woo),김지하(Jiha Kim),박현희(Hyunhee Park) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
본 논문에서는 FL(Federated Learning)에서 데이터 분포의 Non-IID(Independent and Identically Distributed) 문제 개선을 목표로 한다. FL의 경우 edge device들의 데이터 분포가 IID 할 때는 학습에 부정적 영향을 끼치지 않지만, Non-IID 할 때는 클라우드 컴퓨팅 성능에 도달하지 못하는 결과를 보일 수 있다. 본 논문을 통해 우선 기본적인 FL의 개념을 살펴보고, edge device들의 데이터 분포가 Non-IID하여 FL 학습이 적절히 이루어지지 않는 상황을 개선하기 위한 연구를 소개한다. 이를 통해 본 논문에서는 Non-IID 상황에서 사용자별 가중치 표준 편차를 활용하는 기법을 제안하며, 기존 FedAvg(Federated Averaging algorithm)와 제안하는 알고리즘의 accuracy와 loss 비교를 통하여 성능을 검증한다.
NHANES 데이터를 이용한 생활 패턴 기반의 우울증 예측 머신러닝 기법
김용호(Yongho Kim),김지하(Jiha Kim),우기문(Gimoon Woo),김형빈(Hyungbin Kim),박현희(Hyunhee Park) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
본 논문은 NHANES(National Health and Nutrition Examination Survey) 에서 제공되는 설문조사 데이터 세트를 이용하여 PHQ-9 척도의 우울증 점수를 예측하는 방법을 제안한다. 일반 사용자가 접하기 어려운 의료 설문을 통해서 우울증을 진단받는 것 보다 쉽게 수집할 수 있는 생활 패턴 기반의 설문 응답을 가지고 예측을 할 수 있다는 장점이 있으면서. 본 논문에서 제안하는 기법은 다중 클래스 분류에서는 DNN 의 F1 score 가 60%로 가장 높은 성능이 나왔고 이진 클래스 분류에서는 Decision Tree F1 score 가 71%로 가장 높은 성능을 보였다.