http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
IPv6를 위한 비쥬얼 이더넷 트래픽 발생기의 설계 및 구현
황재민(Jem in Hwang),장인상(Insang Jung),정인환(Inhwan Jung) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.2Ⅲ
본 논문에서는 이더넷의 네트워크 진단과 분석을 위해 필수적인 트래픽 발생기를 IPv6 주소체계를 지원하는 네트워크 환경을 고려하여 설계하고 구현한다. 인터넷주소의 고갈과 IPv4프로토콜의 비효율성을 개선하기 위해 IPv6 프로토콜에 대한 연구가 활발하게 진행되고 있다. 또, 이더넷 트래픽은 패킷의 양과 프로토콜의 종류 그리고 패킷의 길이에 영향을 받는다. 본 연구에서 설계하고자 하는 트래픽 발생기는 이 세가지 항목을 조정하여 다양한 네트위크 트래픽을 발생하는 것을 목표로 한다. 설계된 트래픽 발생기는 허브, 라우터등의 네트워크 장비의 성능 평가와 패킷을 모니터링하는 소프트웨어들인 네트워크 진단 시스템과 침입탐지 시스템 등의 성능 평가 및 검증을 위해 사용될 수 있다.
I/O 부하와 데이터 지역성을 고려한 데드라인 기반 맵리듀스 스케쥴링 기법
황재민(Jaemin Hwang),김천중(Cheonjung Kim),오현교(Hyunkyo Oh),임종태(Jongtae Lim),복경수(Kyoungsoo Bok),유재수(Jaesoo Yoo) 한국콘텐츠학회 2014 한국콘텐츠학회논문지 Vol.14 No.12
본 논문에서는 데드라인 내에 잡을 완료시키기 위한 맵리듀스 스케쥴링 기법을 제안한다. 제안하는 기법은 제출된 잡들을 제한시간 내에 처리하기 위해 데이터 지역성 만족 여부를 확인하고 I/O 부하 및 데드라인 만족 여부를 고려한다. I/O 부하가 존재하는 노드에서 잡을 수행할 경우 복제본 노드의 데이터를 활용하여 잡 태스크 처리 속도를 향상시킨다. 또한, 잡 예상 완료 시간이 데드라인을 초과했음에도 가용 노드가 발생하지 않을 경우 데드라인에 여유가 있는 잡의 태스크를 지연시켜 잡의 완료 시간을 단축시킨다. 제안하는 기법의 우수성을 입증하기 위해 기존 연구와 성능 평가를 수행한다. In this paper, we propose a mapreduce scheduling scheme to complete jobs within a deadline. The proposed scheme first checks data locality and considers I/O load and deadline to complete the submitted jobs within a constraint time. When a job is processed in a node with I/O load, the data of replica nodes are utilized to enhance the job processing time. In addition, if avaliable nodes do not exist in spite that the expected completion time of the job is over the deadline, the job with the most deadline is delayed and then the urgent job is executed to reduce the job completion time. To show the efficiency of the proposed method, it is compared with the existing method through performance evaluation.
구글 티처블 머신을 활용한 군사장애물 분류 모델 설계 및 실증 연구
황재민(Jaemin Hwang),마정목(Jungmok Ma) (사)한국CDE학회 2022 한국CDE학회 논문집 Vol.27 No.2
With the recent development of Obstacle Clearance Tank (K-600) that can overcome minefield, rockfall and road crator, ROK Army can shorten the time required to overcome obstacles and increase operation efficiency. However, in order to overcome the lack of military service resources in the future and be guaranteed to survive operator, Unmanned Obstacle Clearance Tank should be introduced along with artificial intelligence technologies. In order to develop the Unmanned Obstacle Clearance Tank, the initial recognition stage is critical among “recognitioncontrol-action” stages. This study aims to build the obstacle recognition and classification model based on Google teachable machine and verify the model using the real RC-car camera test environment.