• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06b
• /
• pp.391-394
• /
• 2011

기존 자바 가상 머신의 성능을 향상시키는 대표적인 기법들로 Just-in-time compiler와 Ahead-oftime compiler가 있다. 그리고 이러한 기법들은 전통적인 최적화 외에도 자바에 특화된 최적화 기법을 적용하여 효율적인 코드를 생성한다. 자바에 특화된 최적화 기법으로 대표적으로 널 포인터 검사 제거 기법이 있으며 이는 오래 전부터 자바 가상 머신에서는 필수적인 최적화로 여겨지며 그 성능 향상 또한 충분하다고 여겨졌다. 본 논문에서는 specialization기법을 도입하여 기존의 널 포인터 검사 기법을 확장하여 추가적으로 널 포인터 검사를 제거하는 기법을 제안하려고 한다. 그리고 이 기법은 기존의 널 포인터 검사 기법 자체를 수정하지 않아도 되며 Just-in-time compiler와 Ahead-of-time compiler에 모두 적용 가능하다. 실험 결과 메소드 호출이 많은 어플리케이션에서는 성능을 향상시킬 수 있었으며 일반적인 연산이 많은 어플리케이션에서도 일부 성능 향상을 얻을 수 있었다.

• Journal of Digital Convergence
• /
• v.10 no.4
• /
• pp.207-215
• /
• 2012

This paper proposes a proxy-based caching optimization scheme for improving the streaming media services in wireless mobile ad hoc networks. The proposed scheme utilizes the proxy for data packet transmission between media server and nodes in WLANs, and the proxy locates near the wireless access pointer. For caching optimization, this paper proposes NFCO (non-full cache optimization) and CFO (cache full optimization) scheme. When performs the streaming in the proxy, the NFCO and CFO is to optimize the caching performance. This paper compared the performance for optimization between the proposed scheme and the server-based scheme and rate-distortion scheme. Simulation results show that the proposed scheme has better performance than the existing server-only scheme and rate distortion scheme.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.689-692
• /
• 2011

본 논문에서는 해양작업 상태의 하중조건을 고려한 부유식 원유생산 저장 하역 장치에 설치된 라이져 보강구조의 강도설계에 관련하여 다양한 근사화 기법 기반 설계 최적화 및 그 성능을 비교하고자 한다. 설계 최적화 문제는 하중조건별 구조강도의 제한조건 하에서 중량을 최소화하여 설계변수인 구조 부재치수가 결정되도록 정식화 된다. 비교 연구를 위해 사용된 근사화 기법은 반응표면법 기반 순차적 근사최적화(RBSAO), 크리깅 기반 순차적 근사최적화(KBSAO), 그리고 개선된 이동최소자승법(MLSM) 기반 근사최적화 기법인 CF-MLSM와 Post-MLSM이다. 본 연구에 적용한 MLSM 기반 근사최적화 기법들은 제한조건의 가용성을 보장할 수 있도록 새롭게 개발되었다. 다양한 근사화 모델 기반 설계 최적화 기법에 의한 결과는 설계 해의 개선 및 수렴속도 등의 수치적 성능을 기준으로 실제 비근사 설계최적화 결과와 비교검토 하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.1311-1313
• /
• 2009

이동성을 가지는 네트워크 환경이 발생하면서 이를 지원하기 위한 이동 네트워크(NEtwork MObility) 프로토콜이 설계되었다. 하지만 표준 이동 네트워크 기술은 라우팅시에 최적화된 경로를 통하여 패킷이 전달되지 못하는 문제점이 있다. 이를 해결하기 위한 이동 네트워크 경로 최적화 기법이 많이 연구되고 있는데 멀티호밍(multihoming) 환경을 고려하여 경로 최적화를 할 경우 더욱 좋은 성능을 향상을 기대할 수 있다. 이 논문에서는 멀티호밍 이동네트워크 환경에서 내부 경로 최적화를 통하여 성능을 향상시킬 수 있는 기법을 제시한다.

• CDE review
• /
• v.10 no.1
• /
• pp.29-38
• /
• 2004

최적화(optimization)는 “최선”이란 의미의 라틴어 “OPTIMUS”을부터 유래되었다. 공학에서 최적설계는 가능하면 짧은 시간에 최고성능을 갖는 제품을 값싸게 생산할 수 있는 설계로 정의한다. 2차 세계대전 이후 가볍고 성능이 우수한 항공기 구조물의 설계를 위하여 시작한 현대 최적설계 기법은 컴퓨터 계산능력의 발전과 함께 실용범위를 점차 확대하고 있다. 본 특집에서는 최적설계의 기본개념을 소개하기 위하여 최적설계의 정식화, 도해 최적화, 최적화의 수치적 기법, EXCEL을 이용한 최적설계 등을 간략하게 소개한다. (중략)

• The KIPS Transactions:PartB
• /
• v.14B no.7
• /
• pp.523-530
• /
• 2007

This paper proposes a new stochastic optimization algorithm for hidden Markov models (HMMs) used as a recognizer of automatic lipreading. The proposed method combines a global stochastic optimization method, the simulated annealing technique, and the local optimization method, which produces fast convergence and good solution quality. We mathematically show that the proposed algorithm converges to the global optimum. Experimental results show that training HMMs by the method yields better lipreading performance compared to the conventional training methods based on local optimization.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.117-120
• /
• 2004

본 논문에서는 시계열 데이터베이스에서 타임 워핑 하의 서브시퀀스 매칭을 효과적으로 처리하는 방안에 관하여 논의한다. 타임 워핑은 데이터베이스내 시퀀스들의 길이가 서로 다른 경우에도 유사한 패턴을 갖는 시퀀스들을 찾을 수 있도록 해 준다. 본 논문에서는 타임 워핑 하의 서브시퀀스 매칭을 위한 기존의 기본 처리 방식인 Naive-Scan의 CPU 처리 과정을 최적화하는 새로운 기법을 제안한다. 제안된 기법은 질의 시퀀스와 서브시퀀스들 간의 타임 워핑 거리들을 계산하는 과정에서 발생하는 중복 작업들을 사전에 제거함으로써 CPU 처리 성능을 극대화한다. 제안된 기법이 착오 기각을 발생시키지 않음과 Naive-Scan을 처리하기 위한 최적의 기법임을 이론적으로 규명한다. 또한, 다양한 실험을 통한 성능 평가에 의하여 제안된 최적화 기법이 가져오는 성능 개선 효과를 정량적으로 검증한다. 아울러, 제안된 기법이 기존의 여과 단계를 포함하는 방식인 LB-Scan과 ST-Filter의 후처리 단계에도 성공적으로 적용될 수 있음을 보인다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.114-114
• /
• 2022

딥러닝의 학습 및 예측성능을 개선하기 위해서는 딥러닝 기법 내 연산과정의 개선과 함께 학습 및 예측에 사용되는 데이터의 전처리 과정이 중요하다. 본 연구에서는 딥러닝의 성능을 개량하기 위해 제안된 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형과 데이터 전처리 기법을 통해 댐의 수위를 예측하였다. 수위예측을 위해 Multi-Layer Perceptron(MLP), 메타휴리스틱 최적화 알고리즘인 Harmony Search(HS)와 딥러닝을 결합한 MLP using a HS(MLPHS) 및 Exponential Bandwidth Harmony Search with Centralized Global Search(EBHS-CGS)와 딥러닝을 결합한MLP using a EBHS-CGS(MLPEBHS)를 통해 댐의 수위를 예측하였다. 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형의 학습 및 예측성능을 개선하기 위해 학습 및 예측을 위한 자료를 기반으로 데이터 전처리기법을 적용하였다. 적용된 데이터 전처리 기법은 정규화, 수위구간별 사상(Event)분리 및 수위 변동에 대한 자료의 구분이다. 수위예측을 위한 대상유역은 금강유역에 위치한 대청댐으로 선정하였다. 대청댐의 수위예측을 위해 대청댐 상류에 위치하는 수위관측소 3개소를 선정하여 수위자료를 취득하였다. 각 수위관측소에서 취득한 수위자료를 입력자료로 설정하였으며, 대청댐의 수위자료를 출력자료로 설정하여 메타휴리스틱 최적화 알고리즘-딥러닝 모형의 학습을 진행하였다. 각 수위관측소 및 대청댐에서 취득한 수위자료는 2010년부터 2020년까지 총 11년의 일 단위 수위자료이며, 2010년부터 2019년까지의 자료를 학습자료로 사용하였으며, 2020년의 자료를 예측 및 검증자료로 사용하였다.

• The KIPS Transactions:PartD
• /
• v.11D no.7 s.96
• /
• pp.1385-1398
• /
• 2004

This paper discusses an effective processing of subsequence matching under time warping in time-series databases. Time warping is a trans-formation that enables finding of sequences with similar patterns even when they are of different lengths. Through a preliminary experiment, we first point out that the performance bottleneck of Naive-Scan, a basic method for processing of subsequence matching under time warping, is on the CPU processing step. Then, we propose a novel method that optimizes the CPU processing step of Naive-Scan. The proposed method maximizes the CPU performance by eliminating all the redundant calculations occurring in computing the time warping distance between the query sequence and data subsequences. We formally prove the proposed method does not incur false dismissals and also is the optimal one for processing Naive-Scan. Also, we discuss the we discuss to apply the proposed method to the post-processing step of LB-Scan and ST-Filter, the previous methods for processing of subsequence matching under time warping. Then, we quantitatively verify the performance improvement ef-fects obtained by the proposed method via extensive experiments. The result shows that the performance of all the three previous methods im-proves by employing the proposed method. Especially, Naive-Scan, which is known to show the worst performance, performs much better than LB-Scan as well as ST-Filter in all cases when it employs the proposed method for CPU processing. This result is so meaningful in that the performance inversion among Nive- Scan, LB-Scan, and ST-Filter has occurred by optimizing the CPU processing step, which is their perform-ance bottleneck.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• pp.738-741
• /
• 2004

최근 다양한 금융 데이터를 신경망 이론을 비롯한 최적화 기법을 통해 모델링 하려는 시도가 증가하고 있다. 이러한 시도는 블랙숄즈 모델이 가지고 있는 몇 가지 비현실적인 가정들을 극복할 수 있다는 점에서 성공적이다. 그러나 각각의 최적화 기법의 고유한 특성을 고려하지 못한 채 적용하여 성능면에서 큰 향상을 보이지 못하고 있다. 따라서 이론과 기법의 적용에 있어 금융데이터의 특성에 맞는 명확한 절차의 정의가 필요하다. 본 논문에서는 옵션의 가격결정에 적용 가능한 신경망 기법들을 제시하고 절차를 정의, 분석하고 그 성능을 블랙-숄즈 방정식과 비교한다. 비교 분석 결과는 블랙-숄즈 방정식에 의한 가격 오차와 최적화 기법을 통한 가격오차가 통계적으로 유의한 차이가 있는지 여부를 분석함으로써 유의성을 검증하였다.