http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
유비쿼터스 컴퓨팅 환경에서 상황정보를 수집하기 위한 컨텍스트 분류
박유상(Yoosang Park),조용성(Yongseong Cho),최종선(Jongsun Choi),최재영(Jaeyoung Choi) 한국정보과학회 2016 정보과학회 컴퓨팅의 실제 논문지 Vol.22 No.8
상황인지 시스템은 주변상황을 인지하고 사용자에게 적합한 서비스를 제공하기 위해서 센서데이터 수집 모델과 컨텍스트 표현모델이 필요하다. 센서데이터 수집 모델은 센서접근정보, 센서 값과 타입 정의로 구성된다. 컨텍스트 표현모델은 마크업 언어로 기술되며, 센서데이터 수집 모델이 제공하는 정보와 주변상황을 정의하기 위한 키워드로 구성된다. 그러나 서비스 개발자가 컨텍스트 정보를 기술할 때, 하나의 주변상황에 대한 키워드를 중복하여 사용하면 센서 식별을 위한 접근정보가 불분명해진다. 이러한 이유로 상황인지 시스템은 컨텍스트 정보를 올바르게 판단할 수 없다. 본 논문에서는 상황에 적합한 올바른 컨텍스트 정보를 얻기 위해, 센서 정보를 식별하기 위한 컨텍스트 분류 모델을 제안한다. 그리고 실험을 통해 컨텍스트 정의가 갖는 효용성을 보인다. Context-aware systems require sensor data collecting model and context representing model to provide user-demand services. Sensor data collecting model consists of sensor access information, sensor value, and definition of value types. Context representing model involves certain keywords to symbolize environmental information including the field from sensor data collecting model that is described in markup language such as XML. However, duplicated keywords could be assigned to different contextual information by service developers. As a result, the system may cause misunderstanding and misleading wrong situational information from unintended contextual information. In this paper, we propose a context classification model for collecting appropriate access information and defining the specification of context.
RDF 형태의 상황정보 제공을 위한 센서 데이터 변환 방법
박유상 ( Yoosang Park ),조용성 ( Yongseong Cho ),최종선 ( Jongsun Choi ),최재영 ( Jaeyoung Choi ) 한국정보처리학회 2014 한국정보처리학회 학술대회논문집 Vol.21 No.2
상황인지는 유비쿼터스 컴퓨팅 환경에서 사용자의 주변 상황을 인지하여 사용자가 원하는 서비스를 제공하기 위해 필요한 핵심 기술이다. 이러한 상황인지를 위해 여러 센서로부터 발생하는 저수준의 컨텍스트 정보를 처리하는 다양한 방법들이 존재한다. 그러나 현재 상황인지 처리에 관련된 표준 방법이 없어 서비스 도메인에 제한되고 복잡한 구현방법을 따라야 하며, 상황정보를 처리하는 시스템에 정형화된 상황정보를 제공하는데 어려움이 있다. 이에 본 논문에서는 정형화된 상황정보를 제공하기 위한 센터 데이터 변환 방법을 제안한다. 제안하는 센서 데이터의 변환 방법은 센서로부터 발생하는 저수준의 컨텍스트를 RDF 기반의 고수준의 상황정보로 변환하며, 변환된 정보는 상황인지 시스템에 제공된다.
Thi My Tuyen Nguyen(응웬티미뚜엔),Yoosang Park(박유상),Jaeyoung Choi(최재영) Korean Institute of Information Scientists and Eng 2021 정보과학회논문지 Vol.48 No.1
General matrix multiplication (GEMM) is a core computation algorithm in linear algebra, machine learning, statistics, and many other domains. Optimizations of such routines, including GEMM, have been conducted by vendors and researches with auto-tuning techniques. To achieve high performance for parallel matrix multiplication, a matrix multiplication processing scheme based on the optimization of local matrix multiplication at each node should be necessarily applied. In this paper, the application of parallel double-precision general matrix multiplication (PDGEMM) on Intel KNL was examined. The application of DGEMM calculated sub-matrices multiplication at each node. Details of the proposed DGEMM were introduced, including a blocked matrix multiplication algorithm with AVX-512 instruction sets and several optimization techniques, such as the data prefetching, loop unrolling, and cache blocking. This study found that the proposed PDGEMM performance was better than that in the ordinary cases of PDGEMM from the Intel Math Kernel Library (MKL) on both 4 and 16-node KNL clusters, with the flop rate improvements of 6% and 68%, respectively.