http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
정환진(Hwanjin Jeong),강태호(Taeho Kang),김규석(GyuSeok Kim),신영호(YoungHo Shin),정진규(Jinkyu Jeong) 한국정보과학회 2016 정보과학회 컴퓨팅의 실제 논문지 Vol.22 No.11
최근 다양한 분야에서 빅데이터 분석의 수요가 증가하고 있다. 효과적인 빅데이터 분석을 위해 분산처리시스템을 이용하지만 시스템 구축에는 상당한 금전적, 시간적 비용이 소모된다. 따라서 시스템 구축비용절감을 위한 방안이 필요하며 빅데이터 분석 플랫폼 서비스를 제공하여 사용자의 시스템 구축비용을 절약할 수 있다. 멀티테넌시는 다수의 사용자가 하나의 서비스를 공유하는 환경을 말하며 싱글테넌트 환경에 비해 시스템 자원 이용률을 향상시킬 수 있다는 장점이 있다. 본 논문에서는 대용량 분산처리 플랫폼 모델 두 가지를 제시하며 멀티테넌시를 지원하기 위한 방안에 대해 설명한다. 첫 번째 모델은 다수의 사용자가 단일 하둡 플랫폼을 공유하는 모델로 하둡의 멀티테넌시 지원을 활용하며, 다른 모델은 가상화 클라우드 컴퓨팅 환경을 활용하여 개별 가상 하둡 클러스터를 제공하는 모델이다. 제시한 두 모델의 프로토타입을 구축하였으며 두 모델의 성능 비교와 하둡 플랫폼의 멀티테넌시 검증을 하였다. With the increasing need for big data processing, building a shared big data processing platform is important to minimize time and monetary costs. In shared big data processing, multitenancy is a major requirement that needs to be addressed, in order to provide a single isolated personal big data platform for each user, but to share the underlying hardware is shared among users to increase hardware utilization. In this paper, we explore two well-known shared big data processing platform models. One is to use a native Hadoop cluster, and the other is to build a virtual Hadoop cluster for each user. For each model we verified whether it is sufficient to support multi-tenancy. We also present a method to complement unsupported multi-tenancy features in a native Hadoop cluster model. Lastly we built prototype platforms and compared the performance of both models.
AI를 위한 논증 타당성 확인 알고리즘 구현 - 프로그램 언어 R을 활용한 명제 논증의 타당성 입증을 중심으로
정재환 ( Chung Jaehwan ),정진규 ( Jeong Jinkyu ) 중앙대학교 인문콘텐츠연구소 2022 인공지능인문학연구 Vol.10 No.-
본 논문의 목적은 인공지능(Artificial Intelligence)이 개별 논증에 대한 타당성을 검토할 수 있는 알고리즘을 제안하는 것이다. 우리는 인간이 논리적이지 않다는 것을 납득할 수 있지만, AI가 논리적이지 않다는 것은 납득하기 어렵다. 따라서 본 논문에서는 논리적인 AI를 제작하기 위해 다음과 같은 제안을 할 것이다. 첫째, 프로그램 R을 통해 AI가 개별 논증의 타당성을 검토할 수 있는 알고리즘을 제안할 것이다. 프로그램 R를 선택한 것은 이 언어가 본질적으로 함수형 프로그램밍(functional programming)이라는 특성을 가지고 있기 때문이다. 따라서 프로그램 R은 특정 자료 입력에 항상 동일한 결과를 양산한다. 즉, ‘참조 투명성(referential transparency)’을 갖으며, 그 결과 '부수효과(side effect)'가 발생하지 않는다. 둘째, 우리는 명제 논리를 JSON 형식으로 변환하여, AI가 특정논리식이 구성하고 있는 요소들이 무엇이고, 어떤 특징을 가지고 있으며, 특정기호가 무엇을 의미하는지를 알 수 있게 제안할 것이다. JSON 형식은 사람이 읽고 쓰기 쉬우며, 동시에 기계도 분석하고 생성하기 쉽다. 또한, 이 포맷으로 바꾸는 명제 논리식은 다른 프로그래밍 언어에서도 사용가능하다. 그 결과 명제 논리식을 JSON 형식으로 바꾸는 방법론은 명제 논리를 AI가 다루기 위해 좋은 방법론이다. This proposes an overall algorithm that AI may use to check whether an individual argument is valid or invalid. We can generally convince that humans are not logical, but it is challenging to persuade people AI is not rational. To produce such an AI, we will make the following proposals in this study. First, an algorithm that allows AI to examine the validity of individual arguments through the R program. The R program was chosen because the language is inherently functional. Therefore, R program always produces the same result for particular data input. It has ‘referential transparency’, and there is no ‘side effect’. Second, we will propose converting propositional logic into JSON format so that AI can know what elements constitute a specific logical expression, what characteristics it has, and what a specific symbol means. The JSON format can be easily read and written by humans while also easy for machines to parse and generate. Also, the propositional logic expression converted to this format can be used in other programming languages. Therefore, converting propositional logic expressions into JSON format is a good methodology for AI to handle propositional logic.