본문 바로가기

쓰기

 
저자 신효정, 김보경, 김재광, 이지형 
학회명 한국 지능시스템학회 춘계 학술대회 
학회명 (약자) 한국 지능시스템학회 춘계 학술대회 
페이지 38-39 
학회시작일 2010-04-02 
학회종료일 2010-04-03 

낸드 플래시 메모리의 경우 해당 블록의 삭제 연산이 일정 횟수 이상 반복되면 더 이상 사용이 불가능하며, 이미 데이터기 있는 블록에 새로운 데이터를 쓰고자 할 때에는 상대적으로 많은 시간을 소모하는 삭제연산이 선행 되어야 한다는 단점을 기지고 있다. 본 논문에서는 입력되는 데이터의 크기를 고려해 Cold 데이터나 Hot 데이터로 예측하는 알고리즘을 제시한다. 이 방법을 적용하였을 때 삭제 횟수가 많았던 블록에 갱신 확률이 적은 Cold 데이터를, 삭제 횟수가 상대적으로 적은 블록에 갱신 확률이 적은 Hot 데이터를 맵핑함으로써 플래시 메모리의 오버헤드가 줄어드는 효과를 확인하였다.

    2014

    2012

      RNN을 이용한 고객 이탈 예측 및 분석
      2016.08.10
      저자: 이세희, 이지형     학회명: 한국컴퓨터정보학회 하계학술대회     학회명 (약자): KSCI2016     페이지: 45-48     학회시작일: 2016-07-14     학회종료일: 2016-07-16    
      연결키워드 중심의 문장 벡터 모델링
      2016.08.10
      저자: 이세희, 김수아, 이지형     학회명: 한국지능시스템학회 춘계 학술대회     학회명 (약자): KIIS 2016     페이지: 161-162     학회시작일: 2016-04-08     학회종료일: 2016-04-09