논문 인용하기
각 논문마다 생성되어 있는 BibTeX를 사용하시면 자신이 원하는 스타일의 인용 문구를 생성할 수 있습니다.
생성된 BibTeX 코드를 복사하여 BibTeX Parser를 사용해 일반 문자열로 바꾸십시오. 아래의 사이트와 같이 웹에서 변환할 수도 있습니다.
bibtex.online2022
157.
이승준,; 윤대건,; 오상윤,
SDN 정책엔진의 사용자 모듈을 위한 분석 요청 정의 언어🇰🇷 DomesticJournal Article
In: 한국통신학회 논문지, vol. 47, no. 9, pp. 1360-1369, 2022.
Abstract | Links | BibTeX | 태그: interfacing, rule engine, 인터페이스 정의 언어, 정책 엔진, 테스트베드
@article{이승준2022SDN,
title = {SDN 정책엔진의 사용자 모듈을 위한 분석 요청 정의 언어},
author = {이승준 and 윤대건 and 오상윤},
url = {https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002877194},
year = {2022},
date = {2022-09-01},
urldate = {2022-09-01},
journal = {한국통신학회 논문지},
volume = {47},
number = {9},
pages = {1360-1369},
abstract = {현대전에서 작전 수행은 네트워크 중심전의 양상을 띄고 있으며, 이에 따라 군 전술망 자원을 효과적으로 사용하기 위한 여러 연구가 진행되고 있다. 단일 연구 결과가 아닌 여러 연구의 결과를 복합적으로 적용했을 때의 효과를 분석하기 위한 노력의 일환으로 통합 테스트베드가 구축되고, 여기에서 여러 네트워크 알고리즘을 동시에 수행하고 성능을 분석하기 위한 정책 엔진도 설계되었다. 하지만 이종 네트워크 환경에서는 사용자들이 요구하는 서른 다른 데이터 구조의 성능 지표와 이를 처리할 각 알고리즘의 서로 다른 실행 환경에 적응적으로 대응하기 어려운 문제가 있었다. 이에 본 연구에서는 프로그래밍 언어와 실행 환경 등 특정 기술에 종속되지 않는 정책 엔진을 위한 XML 기반의 인터페이스 포맷을 정의하고 그 스키마를 제안한다. 제안된 스키마를 사용하여 메시지는 특정 프로그래밍 언어에 종속되지 않고 인코딩과 디코딩을 할 수 있으며 Open Container Initiative 표준을 기반으로실행 환경을 정의하는 컨테이너를 기술할 수 있다.
In modern warfare environment, the well defined networks becomes important to the operations. Thus, researchers study on how to use the military tactical network resources effectively. To analyze effectiveness of the results from multiple studies together, an integrated testbed is critical as well as the design and the implementation of a policy engine that performs multiple network algorithms and analyze performance simultaneously. However, when the network environment is heterogeneous, it is hard to respond adaptively to the performance indicators of the different data structures and the different execution environments of each user algorithm. To address this issue, we propose an XML-based interface format and its schema for the policy engine, which is independent from specific technologies such as programming languages and execution environments. A message from and to the policy engine and the testbed can be encoded and decoded regardless of the programming language. Furthermore, it can describe containers of the execution environment based on the Open Container Initiative standard.},
keywords = {interfacing, rule engine, 인터페이스 정의 언어, 정책 엔진, 테스트베드},
pubstate = {published},
tppubtype = {article}
}
현대전에서 작전 수행은 네트워크 중심전의 양상을 띄고 있으며, 이에 따라 군 전술망 자원을 효과적으로 사용하기 위한 여러 연구가 진행되고 있다. 단일 연구 결과가 아닌 여러 연구의 결과를 복합적으로 적용했을 때의 효과를 분석하기 위한 노력의 일환으로 통합 테스트베드가 구축되고, 여기에서 여러 네트워크 알고리즘을 동시에 수행하고 성능을 분석하기 위한 정책 엔진도 설계되었다. 하지만 이종 네트워크 환경에서는 사용자들이 요구하는 서른 다른 데이터 구조의 성능 지표와 이를 처리할 각 알고리즘의 서로 다른 실행 환경에 적응적으로 대응하기 어려운 문제가 있었다. 이에 본 연구에서는 프로그래밍 언어와 실행 환경 등 특정 기술에 종속되지 않는 정책 엔진을 위한 XML 기반의 인터페이스 포맷을 정의하고 그 스키마를 제안한다. 제안된 스키마를 사용하여 메시지는 특정 프로그래밍 언어에 종속되지 않고 인코딩과 디코딩을 할 수 있으며 Open Container Initiative 표준을 기반으로실행 환경을 정의하는 컨테이너를 기술할 수 있다.
In modern warfare environment, the well defined networks becomes important to the operations. Thus, researchers study on how to use the military tactical network resources effectively. To analyze effectiveness of the results from multiple studies together, an integrated testbed is critical as well as the design and the implementation of a policy engine that performs multiple network algorithms and analyze performance simultaneously. However, when the network environment is heterogeneous, it is hard to respond adaptively to the performance indicators of the different data structures and the different execution environments of each user algorithm. To address this issue, we propose an XML-based interface format and its schema for the policy engine, which is independent from specific technologies such as programming languages and execution environments. A message from and to the policy engine and the testbed can be encoded and decoded regardless of the programming language. Furthermore, it can describe containers of the execution environment based on the Open Container Initiative standard.
In modern warfare environment, the well defined networks becomes important to the operations. Thus, researchers study on how to use the military tactical network resources effectively. To analyze effectiveness of the results from multiple studies together, an integrated testbed is critical as well as the design and the implementation of a policy engine that performs multiple network algorithms and analyze performance simultaneously. However, when the network environment is heterogeneous, it is hard to respond adaptively to the performance indicators of the different data structures and the different execution environments of each user algorithm. To address this issue, we propose an XML-based interface format and its schema for the policy engine, which is independent from specific technologies such as programming languages and execution environments. A message from and to the policy engine and the testbed can be encoded and decoded regardless of the programming language. Furthermore, it can describe containers of the execution environment based on the Open Container Initiative standard.
156.
Park, Juwon; Yoon, Daegun; Yeo, Sangho; Oh, Sangyoon
AMBLE: Adjusting Mini-Batch and Local Epoch for Federated Learning with Heterogeneous Devices🌏 InternationalJournal Article
In: Journal of Parallel and Distributed Computing, 2022, ISSN: 0743-7315.
Abstract | Links | BibTeX | 태그: federated learning, Local mini-batch SGD, System heterogeneity
@article{Juwon2022AMBLE,
title = {AMBLE: Adjusting Mini-Batch and Local Epoch for Federated Learning with Heterogeneous Devices},
author = {Juwon Park and Daegun Yoon and Sangho Yeo and Sangyoon Oh},
url = {https://www.sciencedirect.com/science/article/pii/S0743731522001757},
doi = {https://doi.org/10.1016/j.jpdc.2022.07.009},
issn = {0743-7315},
year = {2022},
date = {2022-07-21},
urldate = {2022-07-21},
journal = {Journal of Parallel and Distributed Computing},
abstract = {As data privacy becomes increasingly important, federated learning applied to the training of deep learning models while ensuring the data privacy of devices is entering the spotlight. Federated learning makes it possible to process all data at once while processing data independently from various devices without collecting distributed local data in a central server. However, there are still challenges to overcome for the system of devices in federated learning such as communication overheads and the heterogeneity of the system. In this paper, we propose the Adjusting Mini-Batch and Local Epoch (AMBLE) approach, which adaptively adjusts the local mini-batch and local epoch size for heterogeneous devices in federated learning and updates the parameters synchronously. With AMBLE, we enhance the computational efficiency by removing stragglers and scaling the local learning rate to improve the model convergence rate and accuracy. We verify that federated learning with AMBLE is a stably trained model with a faster convergence speed and higher accuracy than FedAvg and adaptive batch size scheme for both identically and independently distributed (IID) and non-IID cases.},
keywords = {federated learning, Local mini-batch SGD, System heterogeneity},
pubstate = {published},
tppubtype = {article}
}
As data privacy becomes increasingly important, federated learning applied to the training of deep learning models while ensuring the data privacy of devices is entering the spotlight. Federated learning makes it possible to process all data at once while processing data independently from various devices without collecting distributed local data in a central server. However, there are still challenges to overcome for the system of devices in federated learning such as communication overheads and the heterogeneity of the system. In this paper, we propose the Adjusting Mini-Batch and Local Epoch (AMBLE) approach, which adaptively adjusts the local mini-batch and local epoch size for heterogeneous devices in federated learning and updates the parameters synchronously. With AMBLE, we enhance the computational efficiency by removing stragglers and scaling the local learning rate to improve the model convergence rate and accuracy. We verify that federated learning with AMBLE is a stably trained model with a faster convergence speed and higher accuracy than FedAvg and adaptive batch size scheme for both identically and independently distributed (IID) and non-IID cases.
155.
Yoon, Daegun; Oh, Sangyoon
SURF: Direction-Optimizing Breadth-First Search Using Workload State on GPUs🌏 InternationalJournal Article
In: Sensors, vol. 22, no. 13, pp. 4899, 2022.
Abstract | Links | BibTeX | 태그: breath-first search, direction-optimizing BFS, frontier workload, GPU
@article{yoon2022surf,
title = {SURF: Direction-Optimizing Breadth-First Search Using Workload State on GPUs},
author = {Daegun Yoon and Sangyoon Oh},
url = {https://www.mdpi.com/1424-8220/22/13/4899},
doi = {https://doi.org/10.3390/s22134899},
year = {2022},
date = {2022-06-29},
urldate = {2022-01-01},
journal = {Sensors},
volume = {22},
number = {13},
pages = {4899},
publisher = {Multidisciplinary Digital Publishing Institute},
abstract = { Graph data structures have been used in a wide range of applications including scientific and social network applications. Engineers and scientists analyze graph data to discover knowledge and insights by using various graph algorithms. A breadth-first search (BFS) is one of the fundamental building blocks of complex graph algorithms and its implementation is included in graph libraries for large-scale graph processing. In this paper, we propose a novel direction selection method, SURF (Selecting directions Upon Recent workload of Frontiers) to enhance the performance of BFS on GPU. A direction optimization that selects the proper traversal direction of a BFS execution between the push and pull phases is crucial to the performance as well as for efficient handling of the varying workloads of the frontiers. However, existing works select the direction using condition statements based on predefined thresholds without considering the changing workload state. To solve this drawback, we define several metrics that describe the state of the workload and analyze their impact on the BFS performance. To show that SURF selects the appropriate direction, we implement the direction selection method with a deep neural network model that adopts those metrics as the input features. Experimental results indicate that SURF achieves a higher direction prediction accuracy and reduced execution time in comparison with existing state-of-the-art methods that support a direction-optimizing BFS. SURF yields up to a 5.62×},
keywords = {breath-first search, direction-optimizing BFS, frontier workload, GPU},
pubstate = {published},
tppubtype = {article}
}
Graph data structures have been used in a wide range of applications including scientific and social network applications. Engineers and scientists analyze graph data to discover knowledge and insights by using various graph algorithms. A breadth-first search (BFS) is one of the fundamental building blocks of complex graph algorithms and its implementation is included in graph libraries for large-scale graph processing. In this paper, we propose a novel direction selection method, SURF (Selecting directions Upon Recent workload of Frontiers) to enhance the performance of BFS on GPU. A direction optimization that selects the proper traversal direction of a BFS execution between the push and pull phases is crucial to the performance as well as for efficient handling of the varying workloads of the frontiers. However, existing works select the direction using condition statements based on predefined thresholds without considering the changing workload state. To solve this drawback, we define several metrics that describe the state of the workload and analyze their impact on the BFS performance. To show that SURF selects the appropriate direction, we implement the direction selection method with a deep neural network model that adopts those metrics as the input features. Experimental results indicate that SURF achieves a higher direction prediction accuracy and reduced execution time in comparison with existing state-of-the-art methods that support a direction-optimizing BFS. SURF yields up to a 5.62×
154.
Lee, Seungjun; Jeong, Minjoong; Oh, Sangyoon
Is Ant Colony System better than FFD for VM placement in a heterogeneous cluster?🌏 InternationalConference 📃 In press
10th IEEE International Conference on Cloud Engineering 2022, 2022.
Abstract | BibTeX | 태그: ant colony system, cloud computing, resource efficiency, VM placement
@conference{Seungjun2022Ant,
title = {Is Ant Colony System better than FFD for VM placement in a heterogeneous cluster?},
author = {Seungjun Lee and Minjoong Jeong and Sangyoon Oh},
year = {2022},
date = {2022-06-11},
booktitle = {10th IEEE International Conference on Cloud Engineering 2022},
abstract = {First fit decreasing (FFD) is the most popular heuristic for virtual machine (VM) placement problems. However, FFD does not perform well in a heterogeneous cluster environment in which physical machines have different capacities. Moreover, FFD and other heuristics, such as best fit decreasing (BFD), do not effectively handle the VM placement problem if multiple resources are considered together. In this study, we analyze the reason why the ant colony system performs better than FFD for VM placement in a heterogeneous cluster. We verified our logical observations through experimental comparisons with other heuristics.},
keywords = {ant colony system, cloud computing, resource efficiency, VM placement},
pubstate = {published},
tppubtype = {conference}
}
First fit decreasing (FFD) is the most popular heuristic for virtual machine (VM) placement problems. However, FFD does not perform well in a heterogeneous cluster environment in which physical machines have different capacities. Moreover, FFD and other heuristics, such as best fit decreasing (BFD), do not effectively handle the VM placement problem if multiple resources are considered together. In this study, we analyze the reason why the ant colony system performs better than FFD for VM placement in a heterogeneous cluster. We verified our logical observations through experimental comparisons with other heuristics.
153.
정현석,; 유미리,; 윤대건,; 이승준,; 오상윤,
재난 대응 기계학습 모델의 Data Drift 문제에 대한 MLOps 기반 대응 기법🇰🇷 DomesticConference
2022 한국차세대컴퓨팅학회 춘계학술대회, 한국차세대컴퓨팅학회, 2022.
Abstract | Links | BibTeX | 태그: Data Drift, disaster response, MLOps
@conference{정현석2022재난,
title = {재난 대응 기계학습 모델의 Data Drift 문제에 대한 MLOps 기반 대응 기법},
author = {정현석 and 유미리 and 윤대건 and 이승준 and 오상윤},
url = {https://www.earticle.net/Article/A412404},
year = {2022},
date = {2022-05-21},
urldate = {2022-05-21},
booktitle = {2022 한국차세대컴퓨팅학회 춘계학술대회},
pages = {pp.473-476},
publisher = {한국차세대컴퓨팅학회},
abstract = {기계학습에서 Data Drift는 정확도에 큰 영향을 주는 중요한 문제이며, 재난 대응과 같이 모델의 잘못된 예측 피해가 큰 분야에서 더 중요하다. 본 논문에서는 재난 분야 Data Drift 문제에 대해 MLOps를 이용하여 모델의 재학습을 효과적으로 수행할 수 있는 방안으로 MLOps 기법과 툴들을 사용하는 것을 제안하고, Kaggle 데이터와 MLFlow를 기반으로 정확도 실험을 수행하여 주장을 검증하였다.},
keywords = {Data Drift, disaster response, MLOps},
pubstate = {published},
tppubtype = {conference}
}
기계학습에서 Data Drift는 정확도에 큰 영향을 주는 중요한 문제이며, 재난 대응과 같이 모델의 잘못된 예측 피해가 큰 분야에서 더 중요하다. 본 논문에서는 재난 분야 Data Drift 문제에 대해 MLOps를 이용하여 모델의 재학습을 효과적으로 수행할 수 있는 방안으로 MLOps 기법과 툴들을 사용하는 것을 제안하고, Kaggle 데이터와 MLFlow를 기반으로 정확도 실험을 수행하여 주장을 검증하였다.
2021
152.
Lee, Seungjun; Yoon, Daegun; Yeo, Sangho; Oh, Sangyoon
Mitigating Cold Start Problem in Serverless Computing with Function Fusion🌏 InternationalJournal Article
In: Sensors, vol. 21, no. 24, 2021, ISSN: 1424-8220.
Abstract | Links | BibTeX | 태그: function fusion, serverless computing, serverless workflow, workflow organization
@article{s21248416,
title = {Mitigating Cold Start Problem in Serverless Computing with Function Fusion},
author = {Seungjun Lee and Daegun Yoon and Sangho Yeo and Sangyoon Oh},
url = {https://www.mdpi.com/1424-8220/21/24/8416},
doi = {10.3390/s21248416},
issn = {1424-8220},
year = {2021},
date = {2021-12-23},
urldate = {2021-12-16},
journal = {Sensors},
volume = {21},
number = {24},
abstract = {As Artificial Intelligence (AI) is becoming ubiquitous in many applications, serverless computing is also emerging as a building block for developing cloud-based AI services. Serverless computing has received much interest because of its simplicity, scalability, and resource efficiency. However, due to the trade-off with resource efficiency, serverless computing suffers from the cold start problem, that is, a latency between a request arrival and function execution. The cold start problem significantly influences the overall response time of workflow that consists of functions because the cold start may occur in every function within the workflow. Function fusion can be one of the solutions to mitigate the cold start latency of a workflow. If two functions are fused into a single function, the cold start of the second function is removed; however, if parallel functions are fused, the workflow response time can be increased because the parallel functions run sequentially even if the cold start latency is reduced. This study presents an approach to mitigate the cold start latency of a workflow using function fusion while considering a parallel run. First, we identify three latencies that affect response time, present a workflow response time model considering the latency, and efficiently find a fusion solution that can optimize the response time on the cold start. Our method shows a response time of 28%–86% of the response time of the original workflow in five workflows.},
keywords = {function fusion, serverless computing, serverless workflow, workflow organization},
pubstate = {published},
tppubtype = {article}
}
As Artificial Intelligence (AI) is becoming ubiquitous in many applications, serverless computing is also emerging as a building block for developing cloud-based AI services. Serverless computing has received much interest because of its simplicity, scalability, and resource efficiency. However, due to the trade-off with resource efficiency, serverless computing suffers from the cold start problem, that is, a latency between a request arrival and function execution. The cold start problem significantly influences the overall response time of workflow that consists of functions because the cold start may occur in every function within the workflow. Function fusion can be one of the solutions to mitigate the cold start latency of a workflow. If two functions are fused into a single function, the cold start of the second function is removed; however, if parallel functions are fused, the workflow response time can be increased because the parallel functions run sequentially even if the cold start latency is reduced. This study presents an approach to mitigate the cold start latency of a workflow using function fusion while considering a parallel run. First, we identify three latencies that affect response time, present a workflow response time model considering the latency, and efficiently find a fusion solution that can optimize the response time on the cold start. Our method shows a response time of 28%–86% of the response time of the original workflow in five workflows.
151.
오도현,; 오상윤,
컨테이너 기반 엣지-클라우드 협업 구조의 공군 C4I 체계 적용🇰🇷 DomesticConference
2021 한국소프트웨어종합학술대회, 2021.
Abstract | Links | BibTeX | 태그: cloud computing, container, edge computing
@conference{오도현2021컨테이너,
title = {컨테이너 기반 엣지-클라우드 협업 구조의 공군 C4I 체계 적용},
author = {오도현 and 오상윤},
url = {https://www.dbpia.co.kr/pdf/pdfView.do?nodeId=NODE11035600&mark=0&useDate=&ipRange=N&accessgl=Y&language=ko_KR&hasTopBanner=true},
year = {2021},
date = {2021-11-26},
urldate = {2021-11-26},
booktitle = {2021 한국소프트웨어종합학술대회},
abstract = {ICT의 발전은 컴퓨터와 인터넷을 기반으로 한 정보화 시대를 이끌었고, 이는 21세기 들어 더욱 발전하고 있으며, 국방분야에도 폭넓게 적용되고 있다. 공군 C4I 체계는 Sensor-to-Shooter를 핵심 개념으로 하는 네트워크 중심전(NCW)을 가능하게 하는 핵심 체계이나, 정보제공 수준의 역할을 하는데 머물러 있는 것이 현실이다. 본 논문에서는 컨테이너 기반 엣지-클라우드 협업 구조를 공군 C4I 체계에 적용하는 방안을 제안 한다. 제안방안은 전장에서 발생하는 이종·대량의 데이터의 신속·정확한 처리를 통한 지휘결심 지원과 task 스케줄링, 효율적인 자원관리와 더불어 제공되는 서비스의 효율적인 개발, 테스트, 배포 및 관리 등을 기대한다.},
keywords = {cloud computing, container, edge computing},
pubstate = {published},
tppubtype = {conference}
}
ICT의 발전은 컴퓨터와 인터넷을 기반으로 한 정보화 시대를 이끌었고, 이는 21세기 들어 더욱 발전하고 있으며, 국방분야에도 폭넓게 적용되고 있다. 공군 C4I 체계는 Sensor-to-Shooter를 핵심 개념으로 하는 네트워크 중심전(NCW)을 가능하게 하는 핵심 체계이나, 정보제공 수준의 역할을 하는데 머물러 있는 것이 현실이다. 본 논문에서는 컨테이너 기반 엣지-클라우드 협업 구조를 공군 C4I 체계에 적용하는 방안을 제안 한다. 제안방안은 전장에서 발생하는 이종·대량의 데이터의 신속·정확한 처리를 통한 지휘결심 지원과 task 스케줄링, 효율적인 자원관리와 더불어 제공되는 서비스의 효율적인 개발, 테스트, 배포 및 관리 등을 기대한다.
150.
Yu, Miri; Lee, Seungjun; Oh, Sangyoon
Energy-aware container migration scheme in edge computing for fault-tolerant fire-disaster response system🌏 InternationalConference 📃 In press
The 7th International Conference on Next Generation Computing 2021, 2021.
Abstract | BibTeX | 태그: container migration, disaster response, edge computing
@conference{Yu2021container,
title = {Energy-aware container migration scheme in edge computing for fault-tolerant fire-disaster response system},
author = {Miri Yu and Seungjun Lee and Sangyoon Oh},
year = {2021},
date = {2021-11-05},
urldate = {2021-11-05},
booktitle = {The 7th International Conference on Next Generation Computing 2021},
abstract = {In light of the recent advancements made in IT, many researchers are studying and exploring ways to minimize damage from fire disasters using artificial intelligence and cloud technology. With the introduction of edge computing, fire-disaster response software systems have made significant progress. However, existing studies often do not consider the response to a sudden power supply cut-off due to fire. In this study, we propose a container migration scheme based on the first-fit-decreasing algorithm of bin-packing problem and 0-1 knapsack algorithm to provide fault tolerance for containers running on edge servers that are powered off.},
keywords = {container migration, disaster response, edge computing},
pubstate = {published},
tppubtype = {conference}
}
In light of the recent advancements made in IT, many researchers are studying and exploring ways to minimize damage from fire disasters using artificial intelligence and cloud technology. With the introduction of edge computing, fire-disaster response software systems have made significant progress. However, existing studies often do not consider the response to a sudden power supply cut-off due to fire. In this study, we propose a container migration scheme based on the first-fit-decreasing algorithm of bin-packing problem and 0-1 knapsack algorithm to provide fault tolerance for containers running on edge servers that are powered off.
149.
Yoon, Daegun; Oh, Sangyoon
Traversing Large Road Networks on GPUs with Breadth-First Search🌏 InternationalConference 📃 In press
The 7th International Conference on Next Generation Computing, 2021.
Abstract | BibTeX | 태그: breath-first search, graph, graphics processing units, road network
@conference{Yoon2021Traversing,
title = {Traversing Large Road Networks on GPUs with Breadth-First Search},
author = {Daegun Yoon and Sangyoon Oh},
year = {2021},
date = {2021-11-05},
urldate = {2021-11-05},
booktitle = {The 7th International Conference on Next Generation Computing},
journal = {The 7th International Conference on Next Generation Computing 2021},
abstract = {Breadth-first search (BFS) is one of the most used graph kernels, and substantially affects the overall performance when processing various graphs. Since graph data are frequently used in real life for example road networks in navigation systems, high performance graph processing becomes more critical. In this study, we aim to process BFS algorithm efficiently on road network data. We propose BARON, a BFS algorithm that copes with road networks. To accelerate graph traversal, BARON reduce the occurrence of branch and memory divergences by exploiting warp-cooperative work sharing and atomic operations. With this design approach, BARON outperforms the other BFS kernels of state-of-the-art graph processing frameworks executed stably on the latest GPU architectures. For various graphs, BARON yields speedups of up to 2.88x and 5.43x over Gunrock and CuSha, respectively.},
keywords = {breath-first search, graph, graphics processing units, road network},
pubstate = {published},
tppubtype = {conference}
}
Breadth-first search (BFS) is one of the most used graph kernels, and substantially affects the overall performance when processing various graphs. Since graph data are frequently used in real life for example road networks in navigation systems, high performance graph processing becomes more critical. In this study, we aim to process BFS algorithm efficiently on road network data. We propose BARON, a BFS algorithm that copes with road networks. To accelerate graph traversal, BARON reduce the occurrence of branch and memory divergences by exploiting warp-cooperative work sharing and atomic operations. With this design approach, BARON outperforms the other BFS kernels of state-of-the-art graph processing frameworks executed stably on the latest GPU architectures. For various graphs, BARON yields speedups of up to 2.88x and 5.43x over Gunrock and CuSha, respectively.
148.
여상호,; 오상윤,
도시 화재 시뮬레이션에서의 효과적인 화재 대응을 위한 강화학습 적용 솔루션의 설계 및 구현🇰🇷 DomesticConference
ACK 2021, vol. 28, no. 2, 2021.
Abstract | Links | BibTeX | 태그: disaster response, reinforcement learning
@conference{여상호2021도시2,
title = {도시 화재 시뮬레이션에서의 효과적인 화재 대응을 위한 강화학습 적용 솔루션의 설계 및 구현},
author = {여상호 and 오상윤},
url = {https://kiss.kstudy.com/thesis/thesis-view.asp?key=3921079},
year = {2021},
date = {2021-11-04},
urldate = {2021-11-04},
booktitle = {ACK 2021},
volume = {28},
number = {2},
pages = {104--106},
abstract = {도시의 인구 밀집도가 증가함에 따라 도시의 단위 면적당 건물 밀집도 역시 증가하고 있으며, 이에 도시 화재는 대규모 화재로 발전할 가능성이 높다. 도시 내 대규모 화재로 인한 인명 및 경제적인 피해를 최소화하기 위해 시뮬레이션 기반의 화재 대응 방안들이 널리 연구되고 있으며, 최근에는 시뮬레이션에서 효과적인 화재 대응 방안을 탐색하기 위해 강화학습 기술을 활용하는 연구들이 소개되고 있다. 그러나, 시뮬레이션의 규모가 커지는 경우, 상태 정보 및 화재 대응을 위한 행위 공간의 크기가 증가함으로 인해 강화학습의 복잡도가 증가하며, 이에 따라 학습 확장성이 저하되는 문제가 발생한다. 본 논문에서는 시뮬레이션 규모 증가 시 강화학습의 학습 확장성을 유지하기 위해, 화재 상황 정보와 재난 대응을 위한 행위 공간을 변환하는 기법을 제안한다. 실험 결과를 통해 기존에 강화학습 모델의 학습이 어려웠던 대규모 도시 재난 시뮬레이션에서 본 기법을 적용한 강화학습 모델은 학습 수행이 가능하였으며, 화재 피해가 없는 상황의 적합도를 100%로 하고, 이것 대비 99.2%의 화재 대응 적합도를 달성했다.},
keywords = {disaster response, reinforcement learning},
pubstate = {published},
tppubtype = {conference}
}
도시의 인구 밀집도가 증가함에 따라 도시의 단위 면적당 건물 밀집도 역시 증가하고 있으며, 이에 도시 화재는 대규모 화재로 발전할 가능성이 높다. 도시 내 대규모 화재로 인한 인명 및 경제적인 피해를 최소화하기 위해 시뮬레이션 기반의 화재 대응 방안들이 널리 연구되고 있으며, 최근에는 시뮬레이션에서 효과적인 화재 대응 방안을 탐색하기 위해 강화학습 기술을 활용하는 연구들이 소개되고 있다. 그러나, 시뮬레이션의 규모가 커지는 경우, 상태 정보 및 화재 대응을 위한 행위 공간의 크기가 증가함으로 인해 강화학습의 복잡도가 증가하며, 이에 따라 학습 확장성이 저하되는 문제가 발생한다. 본 논문에서는 시뮬레이션 규모 증가 시 강화학습의 학습 확장성을 유지하기 위해, 화재 상황 정보와 재난 대응을 위한 행위 공간을 변환하는 기법을 제안한다. 실험 결과를 통해 기존에 강화학습 모델의 학습이 어려웠던 대규모 도시 재난 시뮬레이션에서 본 기법을 적용한 강화학습 모델은 학습 수행이 가능하였으며, 화재 피해가 없는 상황의 적합도를 100%로 하고, 이것 대비 99.2%의 화재 대응 적합도를 달성했다.
147.
Lee, Seungjun; Yoon, Daegun; Oh, Sangyoon
Imitation learning for VM placement problem using demonstration data generated by heuristics🌏 InternationalConference 📃 In press
17th Int. Conference on Data Science (ICDATA’21), 2021.
Abstract | Links | BibTeX | 태그: consolidation, imitation learning, reinforcement learning
@conference{lee2021imitation,
title = {Imitation learning for VM placement problem using demonstration data generated by heuristics},
author = {Seungjun Lee and Daegun Yoon and Sangyoon Oh},
url = {https://youtu.be/CmG3E1rWroQ},
year = {2021},
date = {2021-07-26},
urldate = {2021-07-26},
booktitle = {17th Int. Conference on Data Science (ICDATA’21)},
abstract = {Data centers are key components of cloud computing to run virtual machines. For saving the cost to operate data centers, it is important to decide how to allocate each virtual machine to a certain physical machine. Because the virtual machine placement problem is NP-Hard, there are many heuristics to obtain near-optimal solutions as quickly as possible. The reinforcement learning technique can be applied for virtual machine placement problem. However, if the problem size gets bigger, the convergence speed of reinforcement learning gets slower. The possible solution is that the agent imitates the behavior of given demonstration, called imitation learning. In this paper, we propose a method combining reinforcement learning with imitation learning. In our proposed approach, demonstration data is generated by simple heuristics not human experts.},
keywords = {consolidation, imitation learning, reinforcement learning},
pubstate = {published},
tppubtype = {conference}
}
Data centers are key components of cloud computing to run virtual machines. For saving the cost to operate data centers, it is important to decide how to allocate each virtual machine to a certain physical machine. Because the virtual machine placement problem is NP-Hard, there are many heuristics to obtain near-optimal solutions as quickly as possible. The reinforcement learning technique can be applied for virtual machine placement problem. However, if the problem size gets bigger, the convergence speed of reinforcement learning gets slower. The possible solution is that the agent imitates the behavior of given demonstration, called imitation learning. In this paper, we propose a method combining reinforcement learning with imitation learning. In our proposed approach, demonstration data is generated by simple heuristics not human experts.
146.
윤대건,; 노병희,; 오상윤,
전술망 성능 개량을 위한 정책 엔진 인터페이스 설계🇰🇷 DomesticConference 📃 In press
2021 한국군사과학기술학회 종합학술대회, 2021.
BibTeX | 태그: data-exchange interface, rule engine
@conference{윤대건2021전술망,
title = {전술망 성능 개량을 위한 정책 엔진 인터페이스 설계},
author = {윤대건 and 노병희 and 오상윤},
year = {2021},
date = {2021-06-10},
booktitle = {2021 한국군사과학기술학회 종합학술대회},
keywords = {data-exchange interface, rule engine},
pubstate = {published},
tppubtype = {conference}
}
145.
여상호,; 이승준,; 오상윤,
도시 재난 대응을 위한 Multi Objective 강화학습 모델 설계🇰🇷 DomesticConference
2021 한국차세대컴퓨팅학회 춘계학술대회, 한국차세대컴퓨팅학회, 2021.
Links | BibTeX | 태그: deep reinforcement learning, disaster response, reinforcement learning
@conference{여상호2021도시,
title = {도시 재난 대응을 위한 Multi Objective 강화학습 모델 설계},
author = {여상호 and 이승준 and 오상윤},
url = {https://www.earticle.net/Article/A409315},
year = {2021},
date = {2021-05-13},
urldate = {2021-05-13},
booktitle = {2021 한국차세대컴퓨팅학회 춘계학술대회},
pages = {11-15},
publisher = {한국차세대컴퓨팅학회},
keywords = {deep reinforcement learning, disaster response, reinforcement learning},
pubstate = {published},
tppubtype = {conference}
}
144.
이승준,; 여상호,; 오상윤,
Edge AI의 추론 과정을 위한 계층적 작업 분할 배치 기법🇰🇷 DomesticConference
2021 한국차세대컴퓨팅학회 춘계학술대회, 한국차세대컴퓨팅학회, 2021.
Abstract | Links | BibTeX | 태그: deep learning, distributed deep learning, edge computing, neural network
@conference{이승준2021edge,
title = {Edge AI의 추론 과정을 위한 계층적 작업 분할 배치 기법},
author = {이승준 and 여상호 and 오상윤},
url = {https://www.earticle.net/Article/A409319},
year = {2021},
date = {2021-05-13},
urldate = {2021-05-13},
booktitle = {2021 한국차세대컴퓨팅학회 춘계학술대회},
pages = {26-29},
publisher = {한국차세대컴퓨팅학회},
abstract = {머신러닝 모델을 엣지 디바이스에 안정적으로 배포하기 위해서 기존 클라우드 기반의 머신 러닝 모델 배포는 높은 지연 시간으로 인해 머신 러닝 서비스의 질을 떨어트리는 문제를 야기한다. 또한, 추론을 위한 입력 데이터의 전송 과정은 개인 정보의 유출을 야기한다. 이러한 문제를 해결하기 위해서 개인 정보 유출 및 통신 부하 문제를 해결할 수 있는 엣지 서버 및 엣지 디바이스를 활용한 추론 과정의 정의가 요구된다. 본 연구팀은 효과적인 추론 과정의 정의를 위해 기존 분산 딥러닝의 모델 및 데이터 병렬화 파이프라인 기법에 기반하는 단일 추론 모델에 대한 엣지 서버-디바이스 간 모델 분할 기법 및 엣지에서 요청되는 독립된 다중 작업들에 대한 효과적인 스케쥴링 기법을 제안한다.},
keywords = {deep learning, distributed deep learning, edge computing, neural network},
pubstate = {published},
tppubtype = {conference}
}
머신러닝 모델을 엣지 디바이스에 안정적으로 배포하기 위해서 기존 클라우드 기반의 머신 러닝 모델 배포는 높은 지연 시간으로 인해 머신 러닝 서비스의 질을 떨어트리는 문제를 야기한다. 또한, 추론을 위한 입력 데이터의 전송 과정은 개인 정보의 유출을 야기한다. 이러한 문제를 해결하기 위해서 개인 정보 유출 및 통신 부하 문제를 해결할 수 있는 엣지 서버 및 엣지 디바이스를 활용한 추론 과정의 정의가 요구된다. 본 연구팀은 효과적인 추론 과정의 정의를 위해 기존 분산 딥러닝의 모델 및 데이터 병렬화 파이프라인 기법에 기반하는 단일 추론 모델에 대한 엣지 서버-디바이스 간 모델 분할 기법 및 엣지에서 요청되는 독립된 다중 작업들에 대한 효과적인 스케쥴링 기법을 제안한다.
143.
Zhu, Jiang; Wang, Lizan; Xie, Guoqi; Pei, Tingrui; Oh, Sangyoon; Li, Zhetao
A low redundancy and high time efficiency large-scale task assignment strategy for heterogeneous service-oriented cloud computing systems🌏 InternationalJournal Article
In: The Journal of Supercomputing, vol. 77, no. 4, pp. 3450–3483, 2021.
Links | BibTeX | 태그: cloud computing, fault tolerance, heterogeneous environment
@article{zhu2021low,
title = {A low redundancy and high time efficiency large-scale task assignment strategy for heterogeneous service-oriented cloud computing systems},
author = {Jiang Zhu and Lizan Wang and Guoqi Xie and Tingrui Pei and Sangyoon Oh and Zhetao Li},
url = {https://link.springer.com/article/10.1007/s11227-020-03403-x},
year = {2021},
date = {2021-01-01},
urldate = {2021-01-01},
journal = {The Journal of Supercomputing},
volume = {77},
number = {4},
pages = {3450--3483},
publisher = {Springer},
keywords = {cloud computing, fault tolerance, heterogeneous environment},
pubstate = {published},
tppubtype = {article}
}
142.
Yoon, Daegun; Li, Zhetao; Oh, Sangyoon
Balanced content space partitioning for pub/sub: a study on impact of varying partitioning granularity🌏 InternationalJournal Article
In: The Journal of Supercomputing, pp. 1–27, 2021.
Links | BibTeX | 태그: content space partitioning, load balance, partitioning granularity, Publish-subscribe paradigm
@article{yoon2021balanced,
title = {Balanced content space partitioning for pub/sub: a study on impact of varying partitioning granularity},
author = {Daegun Yoon and Zhetao Li and Sangyoon Oh},
url = {https://link.springer.com/article/10.1007/s11227-021-03821-5},
year = {2021},
date = {2021-01-01},
journal = {The Journal of Supercomputing},
pages = {1--27},
publisher = {Springer},
keywords = {content space partitioning, load balance, partitioning granularity, Publish-subscribe paradigm},
pubstate = {published},
tppubtype = {article}
}
141.
Yeo, Sangho; Naing, Ye; Kim, Taeha; Oh, Sangyoon
Achieving Balanced Load Distribution with Reinforcement Learning-Based Switch Migration in Distributed SDN Controllers🌏 InternationalJournal Article
In: Electronics, vol. 10, no. 2, pp. 162, 2021.
Links | BibTeX | 태그: distributed controllers, load balancing, reinforcement learning, SDN, software-defined networking, switch migration
@article{yeo2021achieving,
title = {Achieving Balanced Load Distribution with Reinforcement Learning-Based Switch Migration in Distributed SDN Controllers},
author = {Sangho Yeo and Ye Naing and Taeha Kim and Sangyoon Oh},
url = {https://www.mdpi.com/2079-9292/10/2/162},
year = {2021},
date = {2021-01-01},
journal = {Electronics},
volume = {10},
number = {2},
pages = {162},
publisher = {Multidisciplinary Digital Publishing Institute},
keywords = {distributed controllers, load balancing, reinforcement learning, SDN, software-defined networking, switch migration},
pubstate = {published},
tppubtype = {article}
}
140.
Kim, Taeha; Oh, Sangyoon
Metadata Replication with Synchronous OpCodes Writing for Namenode Multiplexing in Hadoop🌏 InternationalConference
2021 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS), IEEE 2021, ISBN: 978-1-6654-4067-7.
Links | BibTeX | 태그: conferences, data analysis, file systems, Hadoop, mechatronics, metadata, multiplexing, writing
@conference{kim2021metadata,
title = {Metadata Replication with Synchronous OpCodes Writing for Namenode Multiplexing in Hadoop},
author = {Taeha Kim and Sangyoon Oh},
url = {https://ieeexplore.ieee.org/abstract/document/9422639},
doi = {10.1109/IEMTRONICS52119.2021.9422639},
isbn = {978-1-6654-4067-7},
year = {2021},
date = {2021-01-01},
booktitle = {2021 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS)},
pages = {1--7},
organization = {IEEE},
keywords = {conferences, data analysis, file systems, Hadoop, mechatronics, metadata, multiplexing, writing},
pubstate = {published},
tppubtype = {conference}
}
139.
김대현,; 여상호,; 오상윤,
분산 딥러닝에서 통신 오버헤드를 줄이기 위해 레이어를 오버래핑하는 하이브리드 올-리듀스 기법🇰🇷 DomesticJournal Article
In: 정보처리학회논문지. 컴퓨터 및 통신시스템, vol. 10, no. 7, pp. 191–198, 2021.
Abstract | Links | BibTeX | 태그: all-reduce, deep learning, distributed deep learning, layer overlapping, synchronization
@article{김대현2021분산,
title = {분산 딥러닝에서 통신 오버헤드를 줄이기 위해 레이어를 오버래핑하는 하이브리드 올-리듀스 기법},
author = {김대현 and 여상호 and 오상윤},
url = {https://kiss.kstudy.com/thesis/thesis-view.asp?key=3898298},
year = {2021},
date = {2021-01-01},
urldate = {2021-01-01},
journal = {정보처리학회논문지. 컴퓨터 및 통신시스템},
volume = {10},
number = {7},
pages = {191--198},
abstract = {분산 딥러닝은 각 노드에서 지역적으로 업데이트한 지역 파라미터를 동기화는 과정이 요구된다. 본 연구에서는 분산 딥러닝의 효과적인 파라미터 동기화 과정을 위해, 레이어 별 특성을 고려한 allreduce 통신과 연산 오버래핑(overlapping) 기법을 제안한다. 상위 레이어의 파라미터 동기화는 하위 레이어의 다음 전파과정 이전까지 통신/계산(학습) 시간을 오버랩하여 진행할 수 있다. 또한 이미지 분류를 위한 일반적인 딥러닝 모델의 상위 레이어는 convolution 레이어, 하위 레이어는 fully-connected 레이어로 구성되어 있다. Convolution 레이어는 fully-connected 레이어 대비 적은 수의 파라미터를 가지고 있고 상위에 레이어가 위치하므로 네트워크 오버랩 허용시간이 짧고, 이를 고려하여 네트워크 지연시간을 단축할 수 있는 butterfly all-reduce를 사용하는 것이 효과적이다. 반면 오버랩 허용시간이 보다 긴 경우, 네트워크 대역폭을 고려한 ring all-reduce를 사용한다. 본 논문의 제안 방법의 효과를 검증하기 위해 제안 방법을 PyTorch 플랫폼에 적용하여 이를 기반으로 실험 환경을 구성하여 배치크기에 대한 성능 평가를 진행하였다. 실험을 통해 제안 기법의 학습시간은 기존 PyTorch 방식 대비 최고 33% 단축된 모습을 확인하였다.},
keywords = {all-reduce, deep learning, distributed deep learning, layer overlapping, synchronization},
pubstate = {published},
tppubtype = {article}
}
분산 딥러닝은 각 노드에서 지역적으로 업데이트한 지역 파라미터를 동기화는 과정이 요구된다. 본 연구에서는 분산 딥러닝의 효과적인 파라미터 동기화 과정을 위해, 레이어 별 특성을 고려한 allreduce 통신과 연산 오버래핑(overlapping) 기법을 제안한다. 상위 레이어의 파라미터 동기화는 하위 레이어의 다음 전파과정 이전까지 통신/계산(학습) 시간을 오버랩하여 진행할 수 있다. 또한 이미지 분류를 위한 일반적인 딥러닝 모델의 상위 레이어는 convolution 레이어, 하위 레이어는 fully-connected 레이어로 구성되어 있다. Convolution 레이어는 fully-connected 레이어 대비 적은 수의 파라미터를 가지고 있고 상위에 레이어가 위치하므로 네트워크 오버랩 허용시간이 짧고, 이를 고려하여 네트워크 지연시간을 단축할 수 있는 butterfly all-reduce를 사용하는 것이 효과적이다. 반면 오버랩 허용시간이 보다 긴 경우, 네트워크 대역폭을 고려한 ring all-reduce를 사용한다. 본 논문의 제안 방법의 효과를 검증하기 위해 제안 방법을 PyTorch 플랫폼에 적용하여 이를 기반으로 실험 환경을 구성하여 배치크기에 대한 성능 평가를 진행하였다. 실험을 통해 제안 기법의 학습시간은 기존 PyTorch 방식 대비 최고 33% 단축된 모습을 확인하였다.
138.
여상호,; 이승준,; 오상윤,
학습 성능 향상을 위한 차원 축소 기법 기반 재난 시뮬레이션강화학습 환경 구성 및 활용🇰🇷 DomesticJournal Article
In: 정보처리학회논문지. 소프트웨어 및 데이터 공학, vol. 10, no. 7, pp. 263–270, 2021.
Abstract | Links | BibTeX | 태그: dimension reduction, disaster response, reinforcement learning
@article{여상호2021학습,
title = {학습 성능 향상을 위한 차원 축소 기법 기반 재난 시뮬레이션강화학습 환경 구성 및 활용},
author = {여상호 and 이승준 and 오상윤},
url = {https://kiss.kstudy.com/thesis/thesis-view.asp?key=3898295},
year = {2021},
date = {2021-01-01},
journal = {정보처리학회논문지. 소프트웨어 및 데이터 공학},
volume = {10},
number = {7},
pages = {263--270},
abstract = {
강화학습은 학습을 통해 최적의 행동정책을 탐색하는 기법으로써, 재난 상황에서 효과적인 인명 구조 및 재난 대응 문제 해결을 위해 많이 활용되고 있다. 그러나, 기존 재난 대응을 위한 강화학습 기법은 상대적으로 단순한 그리드, 그래프와 같은 환경 혹은 자체 개발한 강화학습 환경을 통해 평가를 수행함에 따라 그 실용성이 충분히 검증되지 않았다. 본 논문에서는 강화학습 기법을 실세계 환경에서 사용하기 위해 기존 개발된 재난 시뮬레이션 환경의 복잡한 프로퍼티를 활용하는 강화학습 환경 구성과 활용 결과를 제시하고자 한다. 본 제안 강화학습 환경의 구성을 위하여 재난 시뮬레이션과 강화학습 에이전트 간 강화학습 커뮤니케이션 채널 및 인터페이스를 구축하였으며, 시뮬레이션 환경이 제공하는 고차원의 프로퍼티 정보의 활용을 위해 비-이미지 피쳐 벡터(non-image feature vector)에 이미지 변환방식을 적용하였다. 실험을 통해 본 제안 방식이 건물 화재 피해도를 기준으로 한 평가에서 기존 방식 대비 가장 낮은 건물 화재 피해를 기록한 것을 확인하였다.
},
keywords = {dimension reduction, disaster response, reinforcement learning},
pubstate = {published},
tppubtype = {article}
}
강화학습은 학습을 통해 최적의 행동정책을 탐색하는 기법으로써, 재난 상황에서 효과적인 인명 구조 및 재난 대응 문제 해결을 위해 많이 활용되고 있다. 그러나, 기존 재난 대응을 위한 강화학습 기법은 상대적으로 단순한 그리드, 그래프와 같은 환경 혹은 자체 개발한 강화학습 환경을 통해 평가를 수행함에 따라 그 실용성이 충분히 검증되지 않았다. 본 논문에서는 강화학습 기법을 실세계 환경에서 사용하기 위해 기존 개발된 재난 시뮬레이션 환경의 복잡한 프로퍼티를 활용하는 강화학습 환경 구성과 활용 결과를 제시하고자 한다. 본 제안 강화학습 환경의 구성을 위하여 재난 시뮬레이션과 강화학습 에이전트 간 강화학습 커뮤니케이션 채널 및 인터페이스를 구축하였으며, 시뮬레이션 환경이 제공하는 고차원의 프로퍼티 정보의 활용을 위해 비-이미지 피쳐 벡터(non-image feature vector)에 이미지 변환방식을 적용하였다. 실험을 통해 본 제안 방식이 건물 화재 피해도를 기준으로 한 평가에서 기존 방식 대비 가장 낮은 건물 화재 피해를 기록한 것을 확인하였다.