http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
이숙향(S. H. Lee),홍성제(S. J. Hong),김종(J. Kim),박동욱(D. U. Park) 한국정보과학회 1995 한국정보과학회 학술발표논문집 Vol.22 No.2B
계층구조의 다중 프로세서를 위한 상호연결 망으로 mesh, hypercube, 링 구조의 망, 다단계버스 상호연결 망등 많은 연구가 되어왔다. 그중 상대적으로 결함포용도가 높고, 비용과 성능면에서 우수한 구조가 버스를 기반으로 한 상호연결 망이다. 이 논문에서는 다단계버스 상호연결 망을 가진 계층적 다중프로세서 시스템의 성능분석을 기존의 방법과는 다른 방법을 이용하여 분석하는 것을 제시하였다. 성능분석을 접근확률을 기반으로 하여 프로세서의 블록킹확률을 이용하여 “효과적인 메모리 대역폭”을 구하여 분석하는 모델을 제시하였다.
직사각형 격자의 최적의 정사각형 Torus로의 Embedding
채상호(S.H.Chae),김종(J.Kim),홍성제(S.J.Hong) 한국정보과학회 1994 한국정보과학회 학술발표논문집 Vol.21 No.2B
정사각형의 격자에서 folding과 compression을 이용하여 직사각형의 격자를 embedding하는 문제에 대해 많은 연구가 있었다. 본 논문에서는 정사각형의 torus구조에 직사각형 격자를 embedding하는 방법을 제안한다. torus에서 wraparound 에지의 길이가 다른 에지에 비해 길어져서 지연현상이 심해지는 단점이 있었으나 본 연구에서는 interleaved ordering[1]을 이용하여 모든 에지의 길이를 인접 프로세서들 사이의 거리의 상수배로 제한하였다. 이렇게 구성된 torus에서 새로운 folding 방법을 제안하고 compression과 새로 제안된 folding방법을 이용하여 임의의 직사각형 격자를 최적의 정사각형 torus로 최대 dilation 4에 embedding할 수 있음을 보였다.
A Text Sentiment Classification Method Based on LSTM-CNN
Guangxing Wang,Seong-Yoon Shin(신성윤),Won Joo Lee(이원주) 한국컴퓨터정보학회 2019 韓國컴퓨터情報學會論文誌 Vol.24 No.12
머신 러닝의 심층 개발로 딥 러닝 방법은 특히 CNN(Convolution Neural Network)에서 큰 진전을 이루었다. 전통적인 텍스트 정서 분류 방법과 비교할 때 딥 러닝 기반 CNN은 복잡한 다중 레이블 및 다중 분류 실험의 텍스트 분류 및 처리에서 크게 발전하였다. 그러나 텍스트 정서 분류를 위한 신경망에도 문제가 있다. 이 논문에서는 LSTM (Long-Short Term Memory network) 및 CNN 딥 러닝 방법에 기반 한 융합 모델을 제안하고, 다중 카테고리 뉴스 데이터 세트에 적용하여 좋은 결과를 얻었다. 실험에 따르면 딥 러닝을 기반으로 한 융합 모델이 텍스트 정서 분류의 예측성과 정확성을 크게 개선하였다. 본 논문에서 제안한 방법은 모델을 최적화하고 그 모델의 성능을 개선하는 중요한 방법이 될 것이다. With the in-depth development of machine learning, the deep learning method has made great progress, especially with the Convolution Neural Network(CNN). Compared with traditional text sentiment classification methods, deep learning based CNNs have made great progress in text classification and processing of complex multi-label and multi-classification experiments. However, there are also problems with the neural network for text sentiment classification. In this paper, we propose a fusion model based on Long-Short Term Memory networks(LSTM) and CNN deep learning methods, and applied to multi-category news datasets, and achieved good results. Experiments show that the fusion model based on deep learning has greatly improved the precision and accuracy of text sentiment classification. This method will become an important way to optimize the model and improve the performance of the model.