• 전자공학회논문지
• /
• 제52권3호
• /
• pp.116-126
• /
• 2015

분산 이기종 시스템에서 병렬 응용프로그램의 성능은 태스크를 스케줄링하는 방법에 따라 크게 영향을 받는다. 따라서 병렬 응용프로그램의 성능에 영향을 미치는 요소들을 태스크 스케줄링에 반영함으로써 주어진 환경 내에서 최적의 결과를 도출할 수 있도록 해야 한다. 일반적으로 병렬 응용프로그램의 전체 처리시간에 영향을 미치는 결정적 요소는 입력 그래프의 임계경로이다. 본 논문에서는 임계 경로 상의 임계노드를 고려한 태스크 스케줄링 알고리즘인 CLTS를 제안한다. CLTS는 우선순위 결정 단계에서 계층화를 통해 노드의 병렬처리 효율을 향상시키고 임계노드 처리에 의한 지연시간을 단축시킬 수 있도록 우선순위를 결정한다. 또 프로세서 할당 단계에서는 조건적으로 복제 기반 정책, 혹은 삽입 기반 정책을 사용하여 노드를 프로세서에 할당함으로써 전체 처리시간을 단축시킨다. 제안한 CLTS의 성능 평가를 위해 기존의 리스트 스케줄링 알고리즘인 HCFPD, DCPD와 함께 성능을 비교 평가하였다. 시뮬레이션을 통해 CLTS는 평균 SLR을 기준으로 HCPFD 대비 7.29%, DCPD 대비 8.93% 향상되었고, Speedup을 기준으로 HCPFD 대비 9.21%, DCPD 대비 7.66% 향상된 성능을 보임을 확인하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제7권1호
• /
• pp.9-18
• /
• 2018

분산 처리 플랫폼에서 다양한 빅 데이터 처리 어플리케이션들의 수행 성능 향상에 대한 관심이 높아지고 있다. 이에 따라 범용적인 분산 처리 플랫폼인 아파치 스파크에서 어플리케이션들의 처리 성능 최적화에 대한 연구들이 활발하게 진행되고 있다. 스파크에서 데이터 처리 어플리케이션들의 수행 성능을 향상시키기 위해서는 스파크의 분산처리모델인 Directed Acyclic Graph(DAG)에 알맞은 형태로 어플리케이션을 최적화시켜야 하고 어플리케이션의 처리 특징을 고려하여 스파크 시스템 파라미터들을 설정해야 하기 때문에 매우 어렵다. 기존 연구들은 각각의 어플리케이션의 처리 성능에 영향을 주는 하나의 요소에 대한 부분적인 연구를 수행했고, 최종적으로 어플리케이션의 성능개선을 이뤄냈지만 스파크의 전반적인 처리과정을 고려한 성능 최적화를 다루지 않았을 뿐만 아니라 처리성능과 상관관계를 갖는 다양한 요소들의 복합적인 상호작용을 고려하지 못했다. 본 연구에서는 스파크에서 일반적인 데이터 처리 어플리케이션의 수행 과정을 분석하고, 분석된 결과를 토대로 어플리케이션의 처리과정 중 스테이지 내부와 스테이지 사이에서 성능 향상을 위한 처리 전략을 제안한다. 또한 스파크의 시스템 설정 파라미터 중 분산 병렬처리와 밀접한 관계를 갖는 파티션 병렬화에 따른 어플리케이션의 수행성능을 분석하고 적합한 파티셔닝 최적화 기법을 제안한다. 3가지 성능 향상 전략의 실효성을 입증하기 위해 일반적인 데이터 처리 어플리케이션: WordCount, Pagerank, Kmeans에 각각의 방법을 사용했을 때의 성능 향상률을 제시한다. 또한 제안한 3가지 성능 최적화 기법들이 함께 적용될 때 복합적인 성능향상 시너지를 내는지를 확인하기 위해 모든 기법들이 적용됐을 때의 성능 향상률을 제시함으로써 본 연구에서 제시하는 전략들의 실효성을 입증한다.

• Asia pacific journal of information systems
• /
• 제19권2호
• /
• pp.157-178
• /
• 2009

Corporate credit rating is a very important factor in the market for corporate debt. Information concerning corporate operations is often disseminated to market participants through the changes in credit ratings that are published by professional rating agencies, such as Standard and Poor's (S&P) and Moody's Investor Service. Since these agencies generally require a large fee for the service, and the periodically provided ratings sometimes do not reflect the default risk of the company at the time, it may be advantageous for bond-market participants to be able to classify credit ratings before the agencies actually publish them. As a result, it is very important for companies (especially, financial companies) to develop a proper model of credit rating. From a technical perspective, the credit rating constitutes a typical, multiclass, classification problem because rating agencies generally have ten or more categories of ratings. For example, S&P's ratings range from AAA for the highest-quality bonds to D for the lowest-quality bonds. The professional rating agencies emphasize the importance of analysts' subjective judgments in the determination of credit ratings. However, in practice, a mathematical model that uses the financial variables of companies plays an important role in determining credit ratings, since it is convenient to apply and cost efficient. These financial variables include the ratios that represent a company's leverage status, liquidity status, and profitability status. Several statistical and artificial intelligence (AI) techniques have been applied as tools for predicting credit ratings. Among them, artificial neural networks are most prevalent in the area of finance because of their broad applicability to many business problems and their preeminent ability to adapt. However, artificial neural networks also have many defects, including the difficulty in determining the values of the control parameters and the number of processing elements in the layer as well as the risk of over-fitting. Of late, because of their robustness and high accuracy, support vector machines (SVMs) have become popular as a solution for problems with generating accurate prediction. An SVM's solution may be globally optimal because SVMs seek to minimize structural risk. On the other hand, artificial neural network models may tend to find locally optimal solutions because they seek to minimize empirical risk. In addition, no parameters need to be tuned in SVMs, barring the upper bound for non-separable cases in linear SVMs. Since SVMs were originally devised for binary classification, however they are not intrinsically geared for multiclass classifications as in credit ratings. Thus, researchers have tried to extend the original SVM to multiclass classification. Hitherto, a variety of techniques to extend standard SVMs to multiclass SVMs (MSVMs) has been proposed in the literature Only a few types of MSVM are, however, tested using prior studies that apply MSVMs to credit ratings studies. In this study, we examined six different techniques of MSVMs: (1) One-Against-One, (2) One-Against-AIL (3) DAGSVM, (4) ECOC, (5) Method of Weston and Watkins, and (6) Method of Crammer and Singer. In addition, we examined the prediction accuracy of some modified version of conventional MSVM techniques. To find the most appropriate technique of MSVMs for corporate bond rating, we applied all the techniques of MSVMs to a real-world case of credit rating in Korea. The best application is in corporate bond rating, which is the most frequently studied area of credit rating for specific debt issues or other financial obligations. For our study the research data were collected from National Information and Credit Evaluation, Inc., a major bond-rating company in Korea. The data set is comprised of the bond-ratings for the year 2002 and various financial variables for 1,295 companies from the manufacturing industry in Korea. We compared the results of these techniques with one another, and with those of traditional methods for credit ratings, such as multiple discriminant analysis (MDA), multinomial logistic regression (MLOGIT), and artificial neural networks (ANNs). As a result, we found that DAGSVM with an ordered list was the best approach for the prediction of bond rating. In addition, we found that the modified version of ECOC approach can yield higher prediction accuracy for the cases showing clear patterns.

• 대한치과교정학회지
• /
• 제36권5호
• /
• pp.339-348
• /
• 2006

교정용 미니 임플랜트 고정원을 이용한 교정 치료가 보편화되며, SWA와 이를 이용한 on masse sliding retraction 은 임상에서 흔히 사용하는 치료법이 되었다. 그러나 고정원을 성공적으로 보존하려는 노력에 비해, 발치 공간 폐쇄시 전치부 치축 조절에 관여하는 요인에 대한 보고는 아직까지 부족한 실정이다. 본 연구에서는 제1소구치를 제거한 상악 치아와 치주 인대 그리고 치조골에 대한 3차원 유한요소 기준모델을 제작하였고, 제1대구치와 제2소구치 사이 주호선 10 mm 상방에 식립된 교정용 미니 임플랜트를 고정원으로 사용할 경우, 측절치-견치 사이의 견인 훅의 높이를 변화시키며 후상방 견인력을 가하거나, 주호선에 보상 만곡을 부여하는 것이 전치부 치축 조절에 어떤 영향을 미치는지 시뮬레이션 하였다. 또한 전치부 치축이 설측 경사된 모델을 같은 실험 조건으로 시뮬레이션 하여 발치 공간 페쇄 시 설측 경사된 전치부 치축을 유지하거나 개선할 수 있는 요인을 검토하였고, 다음과 같은 연구 결과를 얻었다. 2 mm 높이의 견인 훅에 대하여 후상방으로 견인력을 가할 경우 발생하는 함입력으로 인하여 전치부 설측 경사가 더 감소되지는 않았다. 견인 훅의 높이가 5 mm인 경우 후상방 견인력을 가하면, 측절치의 치관 순측 및 치근 설측 이동이 일어나고, 견치의 비조절성 후방 경사 이동이 심화되었다. 4 mm의 보상 만곡은 측절치의 치관 순측 및 치근 설측 이동을 일으키고, 견치의 비조절성 후방 경사 이동을 감소시켰다. 또한 전치부가 설측 경사된 모델을 기준모델과 같은 실험 조건으로 시뮬레이션 한 경우 치근면의 응력 분포와 25000배 확대된 그래프 상에서의 치아 이동 양상은 매우 유사하였다 이상의 결과는 미니 임플랜트-SWA sliding 생역학을 구사 시 견인 훅의 위치와 와이어 상의 보상 만곡의 유무에 의해 전치부의 치축 조절이 달라지며 실제 임상에서 가이드라인으로 활용될 수 있을 것이다. 따라 수용자들의 적극적 인식도 심화되었다고 결론지을 수 있을 것이다. 신문이 일제의 지배방식에 순응해 독자들에게 내선일체와 전쟁협력을 강요했다는 역사적 평가를 듣게 만들었다.사되었으며 그 다음은 근 현대가 18편으로 26.47%, 중세 7편 10.3%, 선사시대 5편 7.35%, 상고시대가 1편으로 1.47%로 나타나 고대 중세, 근 현대 순으로 선호하는 것으로 나타났다.기인계 농약의 특징인 불안정성에 의해 광분해 및 미생물 분해를 통해 이미 분해가 진행 중이어서 본래의 유기인 화합물이 검출되지 않았을 가능성이 있다. 그리고 유기인계 농약이 완전히 분해되어 생성된 유기인계 농약 기원의 영양염류가 저수지 내로 많은 양이 유입된다면, 부영양화에 기여할 가능성이 있다. 따라서 농업용 저수지에서 유기인계 농약의 농도 분포는 물론이고 중간 생성물과 그 독성, 광분해 및 미생물 분해의 메커니즘, 그리고 최종 산물에 대한 연구가 필요하다.삭감율은 BOD의 경우 Scenario 1-1(처리용량 1,500 $m^3$ $day^{-1}$인 인공습지), scenario 1-2 (처리용량 1,000 $m^3$ $day^{-1}$인 인공습지), scenario 2(면적 4.2ha인 저류지)가 각각 연평균 6.9%, 4.8%, 7.1%의 감소를 보였다. TN은 4.7%, 3.4%, 13.4%의 삭감율을 나타내었으며, TP는 5.6%, 3.9%, 7.3%의 삭감율을 나타내었다. 본 연구에서는 적용하지 못하였으나, 인공습지와 저류지의 적절한 연계시스템을 적용한다면 저감시설 설치 부지면적과 비용의 감소뿐만 아니라 보다 효과적인 수질개선효과를 가져올 수 있으리라 판단된다.다. 이상과 같이 조선시대 주식류의 종류 및 조리방법에 대한 문헌적 고찰을 분석한 결과로 조선시대로부터 현재까지 주식류의 변천과정을 파악할 수 있었으며 새롭게 문헌으로라도 복원된 전통음식인

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.