지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.8
- 수록면
- 1,262 - 1,269 (8page)
- DOI
- 10.7840/kics.2021.46.8.1262
이용수
초록· 키워드
오류제보하기
본 논문은 컴퓨팅 및 네트워크 자원이 제한적인 단말에서 딥러닝 서비스를 효과적으로 활용하기 위한 직교 특징벡터 추출기법을 제안한다. 단말에서 딥러닝 서비스를 이용하기 위한 방안 중 하나는 분석하고자 하는 데이터를 원격 서버에 전송하여 서비스를 이용하는 것이다. 이러한 방안은 대용량 컴퓨팅 자원이 필요하지 않을 수 있다. 하지만 전송하는 데이터의 크기가 크다면 원격서버와의 통신을 위한 자원이 많이 필요하다. 또한 원격 서버가 물리적으로 멀리 이격되어 있는 경우에는 과도한 지연시간의 발생으로 원활한 서비스 이용이 제한된다. 따라서 딥러닝 서비스의 성능 저하 없이 단말에서 전송하는 데이터의 크기를 되도록 줄여야 한다. 제안하는 기법은 이러한 필요성을 충족하기 위해 단말에서 원본데이터로부터 저용량의 직교 특징벡터를 다수 추출하고 특징벡터들간의 직교성을 이용하여 전송되는 데이터의 크기를 줄인다. 또한 엣지 서버에서는 다수의 직교 특징벡터들을 이용한 앙상블 모델을 통해 딥러닝 서비스의 성능을 향상시킨다. Fashion-MNIST 데이터셋 대상으로 실험한 결과, 제안하는 기법이 전송데이터의 크기는 줄이면서 딥러닝 서비스의 성능을 향상시킬 수 있음을 확인하였다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 딥러닝 서비스 모델 및 가정 사항
Ⅲ. 제안하는 딥러닝 서비스 모델
Ⅳ. 성능 분석
Ⅴ. 결론 및 향후 연구
References
참고문헌 (17)
참고문헌 신청
X. Du, et al., “Overview of deep learning,” IEEE 31st Youth Academic Annual Conf. Chinese Assoc. of Automat. (YAC), pp. 159-164, 2016.
K. Simonyan and A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” arXiv preprint, arXiv: 1409.1556, 2014.
C. Szegedy, W. Liu, Y. Jia, P. Sermanet, S. Reed, D. Anguelov, and A. Rebinovich, “Going deeper with convolutions,” in Proc. IEEE Conf. CVPR, pp. 1-9, 2015.
K. He, X. Zhang, S. Ren, and J. Sun, “Deep residual learning for image recognition,” arXiv preprint, arXiv: 1512.03385, 2015.
S. Han, H. Mao, and W. J. Dally, “Deep compression: Compressing deep neural networks with pruning, trained quantization and Huffman coding,” arXiv:1510.00149, 2015.
K. Simonyan and A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” arXiv preprint, arXiv: 1409.1556, 2014.
C. Szegedy, W. Liu, Y. Jia, P. Sermanet, S. Reed, D. Anguelov, and A. Rebinovich, “Going deeper with convolutions,” in Proc. IEEE Conf. CVPR, pp. 1-9, 2015.
K. He, X. Zhang, S. Ren, and J. Sun, “Deep residual learning for image recognition,” arXiv preprint, arXiv: 1512.03385, 2015.
S. Han, H. Mao, and W. J. Dally, “Deep compression: Compressing deep neural networks with pruning, trained quantization and Huffman coding,” arXiv:1510.00149, 2015.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Feature Vector Extraction and Adjustment Using Deep Learning
대한기계학회 춘추학술대회
2024 .11
-
회귀분석과 딥러닝의 예측 정확성에 대한 비교 그리고 딥러닝 모델 최적화를 위한 기법들의 중요성에 대한 실증적 분석
한국전자통신학회 논문지
2023 .04
-
딥러닝 모델 기반 모바일 단말과 에지 서버 연계형 상품 객체 분류 기술
한국통신학회 인공지능 학술대회 논문집
2024 .09
-
딥러닝 기반 SEM 이미지 패턴 엣지 추출 모델
대한기계학회 춘추학술대회
2020 .12
-
NOMA 시스템에서 SINR 정보 피드백을 이용한 딥러닝 기반 송신 전력 제어의 성능 분석
한국정보통신학회논문지
2021 .05
-
효율적 딥 러닝을 위한 이미지 전처리 알고리즘 분석
한국정보통신학회 종합학술대회 논문집
2020 .07
-
딥러닝
소음·진동
2017 .05
-
딥러닝 활용 기능 특징형상 인식
대한기계학회 춘추학술대회
2024 .11
-
다양한 딥러닝 알고리즘과 활용
정보과학회지
2015 .08
-
3 차원 라이다 데이터의 딥러닝 적용을 위한 특징 추출 방법 분석
한국통신학회 학술대회논문집
2023 .02
-
딥러닝을 이용한 주변 무선단말 파악방안
한국정보통신학회논문지
2018 .03
-
엣지 컴퓨팅을 위한 경량 딥러닝
대한전기학회 학술대회 논문집
2020 .07
-
사전훈련된 딥러닝 네트워크를 활용한 이미지 기반 딥러닝 모델 설계
한국통신학회논문지
2022 .04
-
네트워크 데이터 정형화 기법을 통한 데이터 특성 기반 기계학습 모델 성능평가
정보보호학회논문지
2019 .08
-
딥러닝의 이해와 그 적용 사례
유공압건설기계학회 학술대회논문집
2024 .10
-
엣지 컴퓨팅 환경에서 전송 레이어를 통한 딥러닝 워크로드의 성능 향상
대한전자공학회 학술대회
2020 .08
-
확장형 소스코드 템플릿을 활용한 딥러닝 실습
한국정보통신학회논문지
2023 .11
-
딥러닝과 병렬컴퓨팅 성능
정보과학회지
2016 .09
-
상향링크 전송 시 비직교 다중접속 기법을 적용한 D2D 통신
대한전자공학회 학술대회
2016 .06
-
The Method Using Reduced Classification Models for Distributed Processing of CNN Models in Multiple Edge Devices
Journal of KIISE
2020 .08
이 논문의 저자 정보
이 논문과 함께 이용한 논문
Container 환경에서의 Multi GPU 기반 딥러닝 분산 처리를 위한 집합 통신 성능 분석
최현성
,
김영랑
,
이재환
한국정보과학회 학술발표논문집
2019
.06
지식 증류를 이용한 DA-FSL 모델의 학습 수렴 곡선 및 학습 시간 개선 방법
임혜연
,
이준목
,
강대성
한국정보기술학회논문지
2020
.10
음성신호기반의 감정분석을 위한 특징벡터 선택
최하나
,
변성우
,
이석필
대한전기학회 학술대회 논문집
2015
.07
음성의 랜드마크를 이용한 지식기반 특징벡터의 추출과 음성인식 성능 분석
이정인
,
최정윤
한국통신학회 학술대회논문집
2008
.11
개인의 음성특징벡터를 이용한 켑스트럼 정규화 인식알고리즘
최재승
Proceedings of KIIT Conference
2012
.05
최근 본 자료
댓글(0)
0