• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 춘계학술발표대회
• /
• pp.71-72
• /
• 2013

최근 연구 개발되고 있는 스토리지 클래스 메모리는 정체되어 있는 스토리지와 DRAM 산업에 큰 변화를 가져올 것으로 예상된다. 현재 컴퓨팅 환경에서 스토리지의 성능 저하요소가 큰 이슈로 야기되어지는 가운데 본 논문에서는 TPC-C 벤치마크를 이용하여 임의 쓰기와 덮어 쓰기 연산 시 발생되는 문제점들을 분석한다. 실험 결과를 통해 향후 스토리지 클래스 메모리를 활용하여 기존 쓰기 연산 시 발행 하는 문제점들을 해결할 수 있는 방안에 대해 논의 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.235-236
• /
• 2009

비휘발성 나노 저장 소자는 고속의 바이트 단위 접근성과 함께 비휘발성을 동시에 갖고 있다. 이와 같은 특징은 차세대 장치로 주목 받을 만큼 오늘날의 컴퓨터 구조에 큰 변화를 줄 수 있는 잠재력을 갖고 있으며 이를 접목한 시스템적인 개발 역시 활발하게 진행되고 있다. 본 논문에서는 기존의 메인 메모리와 나노 저장 소자가 융합된 스토리지 메모리 클래스(SCM) 환경 하에서 입출력시에 원자성(Atomicity)이 보장되도록 설계, 구현된 새도우 블록 기법을 소개하고, 더불어 캐시를 사용하며 발생할 수 있는 데이터 일관성 처리의 보장을 다루었다. 또한 실제 FRAM이 장착된 하드웨어 환경 하에서 개선된 새도우 블록을 동작하여 측정한 성능 결과를 함께 제공한다.

• 전자공학회논문지CI
• /
• 제47권5호
• /
• pp.35-40
• /
• 2010

NAND 플래시 메모리는 기존의 HDD 보다 빠른 접근 속도, 저전력 소비, 진동에 대한 내성 등의 이점을 바탕으로 PDA를 비롯한 여러 모바일 장치부터, 임베디드 시스템, PC에 이르기까지 사용 영역이 넓어지고 있다. DiskSim을 비롯한 HDD 시뮬레이터들이 다양하게 개발되어 왔으며, 이를 바탕으로 소프트웨어 또는 하드웨어에 대한 개선점을 찾아냄으로써 유용하게 사용되었다. 하지만 NAND 플래시 메모리나, SSD에 대해서는 리눅스 기반의 몇 개의 시뮬레이터만이 개발되었으며, 실제 스토리지 장치나 PC등이 사용되는 운영체제가 윈도우즈인 것을 고려하면 윈도우즈 기반의 NAND Flash 시뮬레이터가 꼭 필요하다고 볼 수 있다. 본 논문에서 개발한 NAND Flash FTL 성능 분석을 위한 시뮬레이터인 NFSim은 윈도우즈 운영체제에서 구동되는 시뮬레이터로, NAND 플래시 메모리 모델 및 FTL 알고리즘들은 각각 윈도우즈 드라이버 모델 및 클래스로 제작되어 확장성이 용이하고, 각 알고리즘의 성능을 측정한 데이터는 그래프를 통해 표시되므로, 별도의 툴을 사용할 필요가 없다.

• 전자공학회논문지CI
• /
• 제49권2호
• /
• pp.53-60
• /
• 2012

최근접 이웃 분류에서 입력 데이터의 클래스는 선택된 근접 학습 데이터들 중에서 가장 빈번한 클래스로 예측된다. 최근접분류 학습은 학습 단계가 없으나, 준비된 데이터가 모두 예측 분류에 참여하여 일반화 성능이 학습 데이터의 질에 의존된다. 그러므로 학습 데이터가 많아지면 높은 기억 장치 용량과 예측 분류 시 높은 계산 시간이 요구된다. 본 논문에서는 분리 경계면에 위치한 학습 데이터들로 구성된 새로운 학습 데이터를 생성시켜 분류 예측을 수행하는 프로토타입 선택 알고리즘을 제안한다. 제안하는 알고리즘에서는 분리 경계 영역에 위치한 데이터를 Tomek links와 거리를 이용하여 선별하며, 이미 선택된 데이터와 클래스와 거리 관계 분석을 이용하여 프로토타입 집합에 추가 여부를 결정한다. 실험에서 선택된 프로토타입의 수는 원래 학습 데이터에 비해 적은 수의 데이터 집합이 되어 최근접 분류의 적용 시 기억장소의 축소와 빠른 예측 시간을 제공할수 있다.

• 한국멀티미디어학회논문지
• /
• 제23권8호
• /
• pp.1019-1029
• /
• 2020

In this paper, we propose a novel knowledge distillation algorithm to create an compressed deep ensemble network coupled with the combined use of local and global features of face images. In order to transfer the capability of high-level recognition performances of the ensemble deep networks to a single deep network, the probability for class prediction, which is the softmax output of the ensemble network, is used as soft target for training a single deep network. By applying the knowledge distillation algorithm, the local feature informations obtained by training the deep ensemble network using facial subregions of the face image as input are transmitted to a single deep network to create a so-called compressed ensemble DCNN. The experimental results demonstrate that our proposed compressed ensemble deep network can maintain the recognition performance of the complex ensemble deep networks and is superior to the recognition performance of a single deep network. In addition, our proposed method can significantly reduce the storage(memory) space and execution time, compared to the conventional ensemble deep networks developed for face recognition.

• 한국표면공학회지
• /
• 제53권6호
• /
• pp.330-342
• /
• 2020

Since the original report on ferroelectricity in Si-doped HfO2 in 2011, fluorite-structured ferroelectrics have attracted increasing interest due to their scalability, established deposition techniques including atomic layer deposition, and compatibility with the complementary-metal-oxide-semiconductor technology. Especially, the emerging fluorite-structured ferroelectrics are considered promising for the next-generation semiconductor devices such as storage class memories, memory-logic hybrid devices, and neuromorphic computing devices. For achieving the practical semiconductor devices, understanding polarization switching kinetics in fluorite-structured ferroelectrics is an urgent task. To understand the polarization switching kinetics and domain dynamics in this emerging ferroelectric materials, various classical models such as Kolmogorov-Avrami-Ishibashi model, nucleation limited switching model, inhomogeneous field mechanism model, and Du-Chen model have been applied to the fluorite-structured ferroelectrics. However, the polarization switching kinetics of fluorite-structured ferroelectrics are reported to be strongly affected by various nonideal factors such as nanoscale polymorphism, strong effect of defects such as oxygen vacancies and residual impurities, and polycrystallinity with a weak texture. Moreover, some important parameters for polarization switching kinetics and domain dynamics including activation field, domain wall velocity, and switching time distribution have been reported quantitatively different from conventional ferroelectrics such as perovskite-structured ferroelectrics. In this focused review, therefore, the polarization switching kinetics of fluorite-structured ferroelectrics are comprehensively reviewed based on the available literature.