• 정보처리학회논문지A
• /
• 제14A권3호
• /
• pp.173-184
• /
• 2007

가비지 컬렉션은 자바 가상 머신의 핵심적인 기능으로서 개발자들이 겪는 메모리 관리의 어려움을 줄여준다. 본 논문에서는 임베디드 자바 가상 머신을 위한 가비지 컬렉터인 GenGC와 GenRGC의 성능을 평가하고 분석한다. 성능 평가를 위하여 썬 마이크로시스템즈사에서 개발한 실제 임베디드 자바 가상 머신인 CVM을 플랫폼으로 사용하며, SpecJVM98을 벤치마크 프로그램 집합으로 사용한다. 첫째, GenGC와 GenRGC의 성능을 비교하기 위하여 힙의 크기 및 각 영역의 크기를 변화시키면서 가비지 컬렉션 수행 시간 및 지연 시간을 비교한다. 둘째, GenRGC의 성능을 보다 세밀하게 분석하기 위하여 힙의 구성 요소 중 블록과 프레임의 크기를 변화시키면서 가비지 컬렉션 수행 시간 및 지연 시간을 측정하여 분석한다. 셋째, GenRGC를 사용하기 위하여 필요한 저장 공간의 크기를 분석하고, GenRGC가 제한된 메모리를 가지는 임베디드 환경에서 적합하다는 것을 보인다. CVM은 가장 대표적인 임베디드 자바 가상 머신이므로, 이와 같은 성능 연구는 실제 응용 환경에서 가비지 컬렉터의 성능을 보다 정확히 예측할 수 있다는 점에서 큰 의미를 갖는다.

• 한국정보전자통신기술학회논문지
• /
• 제15권1호
• /
• pp.56-61
• /
• 2022

본 논문에서 챗봇에서 사용하는 AI알고리즘과 자연어처리 방법을 분류하고 제시하고 챗봇 구현에 사용할 수 있는 프레임워크에 대해서도 기술한다. 챗봇은 사용자 인터페이스를 대화방식으로 구성하여 입력된 문자열을 해석하고 입력된 문자열에 적절한 답을 학습된 데이터에서 선택하여 출력하는 구조의 시스템이다. 최근 콜센터와 주문 업무에 적용하여 인건비를 감소하고 정확한 업무를 할 수 있는 장점이 있다. 하지만 질문에 대한 적정한 답변 집합을 생성하기 위해 학습이 필요하며 이를 위해 상당한 계산 기능을 갖는 하드웨어가 필요하다. 개발을 하는 업체는 물론 AI분야 개발을 학습하는 학생들의 실습은 한계가 있다. 현재 챗봇은 기존의 전통적인 업무를 대체하고 있으며 시스템을 이해하고 구현하는 실습과정이 필요한 실정이다. 정형화되어 있는 데이터에 대해서만 응답을 하는 수준을 넘어 딥러닝 등의 기술을 적용하여 비정형 데이터를 학습시켜 질문에 대한 응답의 정확성을 높이기 위해 RNN과 Char-CNN 등을 사용해야한다. 챗봇을 구현하기 위해서는 이와 같은 이론을 이해하고 있어야한다. 본 논문에서는 단기간에 챗봇 코딩교육에 활용할 수 있는 방안과 기존 개발자, 학생들이 챗봇 구현을 할 수 있는 플랫폼을 활용하여 학생들이 전체시스템을 구현 예를 제시하였다.

• 인터넷정보학회논문지
• /
• 제15권3호
• /
• pp.45-52
• /
• 2014

유비쿼터스 시티(유시티)에서는 수많은 비디오 카메라들이 설치된다. 이렇게 설치된 많은 카메라로부터 대용량의 비디오 데이터가 실시간으로 끊임없이 발생하고 유시티의 관리 시스템으로 전달된다. 유시티의 다양한 서비스들을 뒷받침하기 위해서는 이러한 비디오 데이터를 저장하고, 이렇게 저장된 대용량의 비디오 데이터를 분석할 수 있는 방법과 관리 시스템이 요구된다. 그래서, 이 논문에서는 클라우드 컴퓨팅을 기반으로 한 유시티 비디오 관리 시스템을 제안한다. 또한, 근래 주목받고 있는 데이터 병렬처리 프레임워크인 Hadoop MapReduce를 이용하여 이러한 빅데이터 비디오를 분석하는 방법을 제안하고, 이에 따른 우리의 성능 평가를 소개한다.

• 한국방사선학회논문지
• /
• 제13권5호
• /
• pp.801-809
• /
• 2019

큰 병변에 대한 기존 감마나이프 방사선수술은 종종 체적 또는 선량 분할 단계들로 수행된다. 체적 분할의 경우, 병변은 처방된 선량 하에서 하루 또는 이틀, 3 ~ 6개월로 분할된 다중 세션에서 조사되는 하위 체적들로 분할되곤 한다. 치료의 전체 과정 동안, 이전 단계의 치료 정보는 세션 사이의 좌표 변환을 통해 새로 장착된 정위 프레임 상의 후속 세션에 반영될 필요가 있다. 그러나 동일한 정위 공간을 제외하고 기존 감마나이프 시스템으로는 이전 선량 분포를 구현하는 것은 실제로 어렵다. 최신 감마나이프 플랫폼을 사용하여 다단계 치료를 수행할 수 있기 때문에 치료 영역이 확장되고 있다. 이 연구의 목적은 정위적 공간에 기초한 영상 정합과 새로운 감마나이프 플랫폼을 사용하여 각 단계에서 처방 선량 결정과 같은 다단계 감마나이프 방사선수술 전략을 소개하는 것이다. 일반적으로 영상 정합에서 수술적으로 내장된 기준점 또는 내부 해부학적 랜드마크들이 변환 관계를 결정하는데 사용된다. 저자는 내부 해부학적 랜드마크들을 사용하는 예로서 4개 또는 6개의 해부학적 랜드마크를 사용하는 다중 세션 간의 좌표 변환 정확도를 비교하였다. 측정된 좌표들과 계산된 좌표들 사이의 불일치를 최소화하기 위해서 PseudoInverse 또는 Singular Value Decomposition을 사용하여 두 정위 공간 사이의 변환 행렬이 결정되었다. 변환 정확도를 평가하기 위해 측정된 좌표와 변환된 좌표들 사이의 차이, 즉 ${\Delta}r$이 10개의 랜드마크들을 사용하여 계산되었다. 10개의 랜드마크들 중 4개 또는 6개의 점들을 사용하여 좌표 변환을 결정하고 나머지는 접근 방법을 평가하는데 사용되었다. 두 가지 접근 방법에서 각각의 ${\Delta}r$ 값은 0.6 ~ 2.4 mm, 0.17 ~ 0.57 mm 범위이었다. 게다가 병변 분할의 경우 한 번에 전체 병변의 치료와 동일한 효과를 제공하는 처방 선량을 결정하는 방법이 제안되었다. 동일한 정위 공간에서의 다단계 치료 전략은 전체 병변에 대한 치료를 먼저 디자인하는 것이며, 전체 치료 디자인 샷들은 각 단계 치료의 샷들로 나누어 각 단계별 샷들을 구성하고 각 단계에서 적절한 처방 선량을 결정한다. 결론적으로 저자는 다단계 치료 전략으로서 처방 선량 결정의 정확성을 확인하였고, 다중 세션 간의 좌표 변환을 결정하기 위해 적은 랜드마크들을 사용하는 것보다 가능한 많은 내부 랜드마크들을 사용하는 것이 더 나은 결과를 산출함을 보았다. 향후 제안된 다단계 치료 전략은 여러 감마나이프 센터들의 틀 없는 분할 치료에 크게 기여할 것이라 사료된다.