• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권11호
• /
• pp.5243-5263
• /
• 2017

Data center networks provide critical bandwidth for the continuous growth of cloud computing, multimedia storage, data analysis and other businesses. The problem of low link bandwidth utilization in data center network is gradually addressed in more hot fields. However, the current scheduling strategies applied in data center network do not adapt to the real-time dynamic change of the traffic in the network. Thus, they fail to distribute resources due to the lack of intelligent management. In this paper, we present an improved adaptive traffic scheduling strategy utilizing the simulated annealing genetic algorithm (SAGA). Inspired by the idea of software defined network, when a flow arrives, our strategy changes the bandwidth demand dynamically to filter out the flow. Then, SAGA distributes the path for the flow by considering the scheduling of the different pods as well as the same pod. It is implemented through software defined network technology. Simulation results show that the bisection bandwidth of our strategy is higher than state-of-the-art mechanisms.

• 대한원격탐사학회지
• /
• 제38권1호
• /
• pp.103-110
• /
• 2022

Since satellite images generally include clouds in the atmosphere, it is essential to detect or mask clouds before satellite image processing. Clouds were detected using physical characteristics of clouds in previous research. Cloud detection methods using deep learning techniques such as CNN or the modified U-Net in image segmentation field have been studied recently. Since image segmentation is the process of assigning a label to every pixel in an image, precise pixel-based dataset is required for cloud detection. Obtaining accurate training datasets is more important than a network configuration in image segmentation for cloud detection. Existing deep learning techniques used different training datasets. And test datasets were extracted from intra-dataset which were acquired by same sensor and procedure as training dataset. Different datasets make it difficult to determine which network shows a better overall performance. To verify the effectiveness of the cloud detection network such as Cloud-Net, two types of networks were trained using the cloud dataset from KOMPSAT-3 images provided by the AIHUB site and the L8-Cloud dataset from Landsat8 images which was publicly opened by a Cloud-Net author. Test data from intra-dataset of KOMPSAT-3 cloud dataset were used for validating the network. The simulation results show that the network trained with KOMPSAT-3 cloud dataset shows good performance on the network trained with L8-Cloud dataset. Because Landsat8 and KOMPSAT-3 satellite images have different GSDs, making it difficult to achieve good results from cross-sensor validation. The network could be superior for intra-dataset, but it could be inferior for cross-sensor data. It is necessary to study techniques that show good results in cross-senor validation dataset in the future.

• 전자공학회논문지 IE
• /
• 제47권1호
• /
• pp.56-60
• /
• 2010

IT의 폭넓은 개발, Web 2.0 애플리케이션의 의 발전, 인터넷이 가능한 개인용 단말장치의 증가, 무선 네트워크의 유용성 등은 클라우드 컴퓨팅 모델을 만드는데 매우 중요한 역할을 수행하였다. 클라우드 컴퓨팅은 하나의 비즈니스 모델이며, 웹 애플리케이션의 새로운 트렌드다. 또한 형식은 그리드 컴퓨팅이나 유틸리티 컴퓨팅과 같은 형태를 사용한다. 클라우드 컴퓨팅 환경에서는 서버의 같은 하드웨어 자원을 사용할 수 있으며 정보를 공유하기 쉽다. 본 연구에서는 클라우드 컴퓨팅 환경에서 이러닝 분야를 적용하기 위한 방안을 제시한다. 이를 위하여 클라우드 컴퓨팅환경에서 LMS와 LCMS 기반의 이러닝을 제시하고자 한다. 이는 클라우드 컴퓨팅의 데이터센터에 LCMS를 포함한 LMS를 접속하도록 하였다.

• 한국엔터테인먼트산업학회논문지
• /
• 제5권1호
• /
• pp.149-153
• /
• 2011

본 논문에서는 2가지의 시나리오를 가지고 클라우드 기술 기반 VoD 시스템의 구성 방안을 제안하였다. 첫번째 시나리오는 기존 VoD 시스템에서 DMC 및 각 SO의 콘텐츠 스트리지와 스트림 서버를 가상화하여 추가적으로 필요한 저장용량 및 스트림 서버의 사용을 효율적으로 하는 방법이며, 두 번째 시나리오는 VoD 시스템과 더불어 케이블 방송 시스템을 클라우드화 하는 방법으로 가입자 STB은 네트워크에 연결할 수 있는 최소한의 프로그램과 저장 공간만을 가지고 기존 가입자 STB에 있던 운영체제 및 미들웨어는 클라우드 데이터 센터로 이동하는 방법을 제안하였다. 또한 기존 시스템의 STB 교체비용과 클라우드 VoD 시스템의 구축비용의 비교 등 케이블 방송 환경에 클라우드 기술을 적용하였을 때의 경제성 분석을 통해 클라우드 VoD 시스템의 구축으로 인한 케이블 방송 사업자의 비용절감을 분석하였다.

• 한국소프트웨어감정평가학회 논문지
• /
• 제15권2호
• /
• pp.67-72
• /
• 2019

최근 인터넷 보급과 함께 폭발적으로 증가하고 있는 클라우드 서비스 등의 데이터 트래픽 급증으로 데이터 센터의 구성 자원들을 효율적으로 연결할 수 있는 초고속 광모듈 네트워크의 필요성이 급증하고 있다. 본 논문에서는 광스위치 연결구조에서 스위칭 셀 동작을 제어하기 위한 알고리즘들을 제안하고, 이에 따른 성능을 시뮬레이션을 통해 비교 분석하였다. 성능 분석결과 본 논문에서 제안하는 알고리즘이 기존 알고리즘에 비해 1:2 이상의 다중연결설정 성공확률이 약 3~7% 정도 향상됨을 보였다.

• 한국통신학회논문지
• /
• 제41권12호
• /
• pp.1793-1800
• /
• 2016

네트워크의 가상화는 최근에 등장한 클라우드 서비스, 데이터 센터 네트워크 등 새로운 서비스를 기존의 네트워크 환경에서 제공하기 위한 하나의 방편으로 인식되고 있다. 본 논문에서는 네트워크 가상화를 위한 가상 네트워크 대응 방안을 가상 노드의 위치, 자원, 가상 링크의 대역폭 요구조건을 고려하면서 효율적인 방안을 제안한다. 제안한 방안은 대응의 우선순위를 대역폭으로 설정하여 대응 가능한 실제 노드들 간의 경로가 존재하는 조합을 발견할 때까지 반복하는 방법을 사용한다. 모의실험 결과 제안한 방안이 가상 네트워크 대응 성공률은 떨어지지 않으면서도 수익률은 높고 실행시간도 빠른 효율적인 방안임을 확인하였다.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.374-390
• /
• 2021

농산물 중에서도 노지채소는 생육특성상 기상요건의 변화에 민감하게 반응한다. 온난화로 인한 노지 채소류의 급격한 재배적지 및 생산성 변동의 대응 방안으로 작물모형을 활용한 연구가 활발히 진행되어 왔으며 신뢰도 높은 생산성 예측을 위해 관련된 다양한 요인에 대한 분석이 필요한 상황이다. 본 연구에서는 정밀한 작물 생육 모형의 개발에 앞서 대표적인 노지 채소 작물인 마늘과 양파를 대상으로 문헌 조사를 수행하여 생육 및 생산성과 관련된 모형 개발 연구 동향을 분석하였다. 또한, 작물의 생육 또는 생산성을 예측하는 모형에 관한 문헌들을 분류하여 모형 개발을 위한 시사점을 파악하고자 하였다. 이를 위해 문헌이 수록된 데이터베이스를 이용하여 키워드 조합으로 검색하여 얻어진 관련 문헌들을 수집하였으며, 텍스트마이닝 기법 중 워드클라우드와 의미연결망을 활용하여 수집된 논문들에서 나타난 연구 동향을 분석하였다. 또한 각각의 문헌들을 분석하여 양파와 마늘의 생육 및 수량에 영향을 미치는 요소를 탐색하였다. 그 결과 국내외 모두 식량작물인 벼에 비해 노지채소는 문헌 건수가 월등히 적었다. 또한 텍스트마이닝을 통한 분석결과 연구동향의 경우 기후변화와 원격탐사 등이 주로 검색되었으며, 작물생육 관련인자로는 기온, 관수 등이 많은 것으로 조사되었다. 문헌 분석을 통해 확인된 마늘과 양파의 생산성에 영향을 미치는 조건들은 환경 및 재배요인에 따라 다양하게 나타났는데, 토양 조건의 경우 토양 무기 성분, pH 농도 및 토양 수분 등이, 생산성과 관련된 재배관리 조건으로는 파종 시기, 품종, 종자처리 방식, 관수간격, 시비량 및 비료 성분 등이 주요 인자로 분류되었다. 기상 조건의 경우, 기온, 강수량, 일사량 및 습도 등이 다수의 문헌에서 주요 인자로 사용되었다. 본 연구의 결과들은 차후 추가적인 작물모형 개발에 활용할 수 있는 핵심적인 입력 요소를 파악하기 위해 사용될 수 있을 것으로 기대된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권10호
• /
• pp.4717-4737
• /
• 2017

Today, smart grids, smart homes, smart water networks, and intelligent transportation, are infrastructure systems that connect our world more than we ever thought possible and are associated with a single concept, the Internet of Things (IoT). The number of devices connected to the IoT and hence the number of traffic flow increases continuously, as well as the emergence of new applications. Although cutting-edge hardware technology can be employed to achieve a fast implementation to handle this huge data streams, there will always be a limit on size of traffic supported by a given architecture. However, recent cloud-based big data technologies fortunately offer an ideal environment to handle this issue. Moreover, the ever-increasing high volume of traffic created on demand presents great challenges for flow management. As a solution, flow aggregation decreases the number of flows needed to be processed by the network. The previous works in the literature prove that most of aggregation strategies designed for smart grids aim at optimizing system operation performance. They consider a common identifier to aggregate traffic on each device, having its independent static aggregation policy. In this paper, we propose a dynamic approach to aggregate flows based on traffic characteristics and device preferences. Our algorithm runs on a big data platform to provide an end-to-end network visibility of flows, which performs high-speed and high-volume computations to identify the clusters of similar flows and aggregate massive number of mice flows into a few meta-flows. Compared with existing solutions, our approach dynamically aggregates large number of such small flows into fewer flows, based on traffic characteristics and access node preferences. Using this approach, we alleviate the problem of processing a large amount of micro flows, and also significantly improve the accuracy of meeting the access node QoS demands. We conducted experiments, using a dataset of up to 100,000 flows, and studied the performance of our algorithm analytically. The experimental results are presented to show the promising effectiveness and scalability of our proposed approach.

• 지능정보연구
• /
• 제29권3호
• /
• pp.419-437
• /
• 2023

국내 씬파일러(Thin Filer)의 수가 1200만명을 넘어서며, 금융 업계에서 씬파일러의 신용을 정확히 평가하여 우량고객을 선별해 대출을 공급하는 시도가 많아지고 있다. 특히, 차주의 신용정보에 존재하는 비선형성을 반영하여 채무불이행을 예측하기 위해서 다양한 머신러닝 알고리즘을 활용한 연구가 진행되고 있다. 그 중 그래프 신경망 구조(Graph Neural Network)는 일반적인 신용정보 외에 대출자 간의 네트워크 정보를 반영할 수 있다는 점에서 데이터가 부족한 씬파일러의 채무 불이행 예측에서 주목할 만하다. 그러나, 그래프 신경망을 활용한 기존의 연구들은 신용정보에 존재하는 다양한 범주형 변수를 적절히 처리하지 못했다는 한계가 있었다. 이에 본 연구는 범주형 변수의 맥락적 정보를 추출할 수 있는 트랜스포머 메커니즘(Transformer mechanism)과 대출자 간 네트워크 정보를 반영할 수 있는 그래프 합성곱 신경망(Graph Convolutional Network)를 결합하여 효과적으로 씬파일러의 채무 불이행 예측이 가능한 TeGCN (Transformer embedded Graph Convolutional Network)를 제안한다. TeGCN는 일반 대출자 데이터셋과 씬파일러 데이터셋에 대하여 모두 베이스 라인 모델 대비 높은 성능을 보였으며, 특히 씬파일러 채무 불이행 예측에 우수한 성능을 달성했다. 본 연구는 범주형 변수가 많은 신용정보와 데이터가 부족한 씬파일러의 특성에 적합한 모델 구조를 결합하여 높은 채무 불이행 예측 성능을 달성했다는 시사점이 있다. 이는 씬파일러의 금융소외문제를 해결하고 금융업계에서 씬파일러를 대상으로 추가적인 수익을 창출하는데 기여할 수 있을 것이다.