$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

Greedy 알고리즘을 사용한 데이터 분할 시스템
Data Segmentation System using Greedy Algorithm 원문보기

한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호, 2018 July 13, 2018년, pp.211 - 212  

김민우 (성균관대학교 정보통신대학 전자전기컴퓨터공학과) ,  김세준 (성균관대학교 정보통신대학 전자전기컴퓨터공학과) ,  이병준 (성균관대학교 정보통신대학 전자전기컴퓨터공학과) ,  김경태 (성균관대학교 정보통신대학 전자전기컴퓨터공학과) ,  윤희용 (성균관대학교 소프트웨어대학 소프트웨어학과)

초록
AI-Helper 아이콘AI-Helper

머신 러닝 환경에서 많은 양의 데이터를 한꺼번에 학습하게 되면 데이터 트래픽이 증가함에 따라 흐름 정체가 발생하고 학습 품질이 저하되며 학습속도 지연 등의 문제가 발생한다. 본 연구는 머신러닝 환경에서 빅 데이터 학습 데이터 분할을 위한 핵심 목표인 Greedy 알고리즘에 대해 설명하고 간단한 Greedy 알고리즘을 사용하여 각각의 데이터 파티션을 생성하여 학습 속도의 효율성을 향상시키는 방법을 제안한다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 빅 데이터의 활용은 계속 증가하고 있으며 인공지능의 학습을 기반으로 빅 데이터가 사용되어지면 학습 데이터의 처리를 위해 많은 시간이 소요되는 문제점에 직면하게 된다. 본 논문에 서는 Greedy 알고리즘의 관점에서 문제에 접근하여 학습 소요시간을 단축시키는 해결책을 제안한다. 2장에서는 해외의 분산 처리 시스템과 관련된 기존의 연구에 대한 내용들을 서술하였고 3장에서는 Greedy 알고리즘과 분산 처리 시스템에 대한 간단한 설명과 프로세스에 대해 기술하였다[1][2].
  • 본 연구를 통해 Greedy 알고리즘을 사용하여 데이터 분할의 효율성에 따른 가능성을 제안하였다. 향후 연구로서는 Greedy 알고리즘을 사용하여 분할된 데이터를 처리하고 계산 등의 연산을 수행하는 하위 프로세스를 구현할 것이며 분할된 데이터를 집계하는 과정에 대한 분산 컴퓨팅에 대하여 연구할 것이다.
본문요약 정보가 도움이 되었나요?
LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로