http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
분산 공유메모리 환경의 다단계 버스망에서 트래픽에 적응하는 동적 라우팅 알고리즘
홍강운,전창호,Hong, Kang-Woon,Jeon, Chang-Ho 한국정보처리학회 2002 정보처리학회논문지 A Vol.9 No.4
본 논문은 분산 공유메모리 환경의 다단계 버스망을 위한 동적 라우팅 방범을 제안한다. 제안된 라우팅 방법의 특징은 다단계 버스망이 제공하는 잉여경로를 활용하고 스위치 트래픽에 따라 적응적으로 경로를 결정하여 스위치의 트래픽을 분산시키는 것이다. 구체적으로는 잉여경로 상의 다음 단계 스위치의 트래픽 정도가 높고 낮음을 판단하여 트래픽 정도가 낮은 스위치로 패킷을 전달한다. 그 결과 평균 응답시간과 스위치상의 평균 대기패킷수를 줄이는 효과를 얻는다. 프로세서수와 스위치 크기를 변화시키면서 시뮬레이션을 하여 제안된 알고리즘이 잉여경로를 고려하지 않는 기존의 알고리즘에 비하여 평균 응답시간은 약 9%, 스위치 상의 평균 대기패킷수는 21.6% 정토 향상시킨다는 것을 보여준다 This paper proposes an efficient dynamic routing algorithm for Multistage Bus Networks(MBN's) in distributed shared memory environment. Our algorithm utilizes extra paths available on MBN and determines routing paths adaptively according to switch traffic in order to distribute traffic among switches. Precisely, a packet is transmitted to the next switch on an extra path having a lighter traffic. As a consequence the proposed algorithm reduces the mean response time and the average number of waiting tasks. The results of simulations, carried out with varying numbers of processors and varying switch sizes, show that the proposed algorithm improves the mean response time by 9% and the average number of waiting tasks by 21.6%, compared to the existing routing algorithms which do not consider extra paths on MBN.
홍강운(Kang-Woon Hong),전창호(Chang-Ho Jeon) 한국정보과학회 2000 한국정보과학회 학술발표논문집 Vol.27 No.2Ⅲ
다단계 버스 네트워크 기반의 분산공유메모리 환경에서 효율적인 동적 라우팅 알고리즘을 제안한다. 버디특성으로부터 생기는 잉여경로들을 활용하여 네트워크 상의 스위치들의 트래픽을 동적으로 분산시키고, 동적 라우팅이 선택될 확률을 높이기 위해 기존의 최적 경로결정 알고리즘을 개선한 것이다. 시뮬레이션을 통해 제안된 동적 라우팅 알고리즘의 성능과 다단계 버스 네트워크에서의 잉여경로들을 고려하지 않는 기존의 라우팅 알고리즘들의 성능을 비교하여 우리가 제안한 동적 라우팅 알고리즘이 기존의 라우팅 알고리즘들보다 평균 대기 작업수와 평균 응답시간 면에서 효율적으로 동작한다는 것을 보인다.
측정 강우 이미지를 이용한 딥러닝 기반 강우 예측에 관한 연구
홍강운(Kang Woon Hong) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.11
본 연구에서는 강우 이미지를 심층신경망으로 학습하여 강우량을 예측하기 위해 강우량계에서 측정된 강우 데이터를 이용하는 방법을 제시한다. 공간적으로 드물게 설치된 강우량계를 통해 수집된 강우 데이터와 공간보간법을 통해 추정된 강우 데이터를 학습데이터로서 이용하고, 모델학습을 위한 구조로는 Downsampling 과 Upsampling 을 수행하는 U-Net 구조를 적용한다.