메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
신혜주 (전남대학교) 오상원 (전남대학교) 오승민 (전남대학교) 김광기 (나사렛대학교) 김진술 (전남대학교)
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제18권 제2호
발행연도
2023.4
수록면
353 - 365 (13page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
데이터와 서비스의 폭발적인 증가로 인해 클라우드 컴퓨팅 기술의 꾸준한 성장이 예상되고 있다. 특히 하이브리드 클라우드 기술은 효율적인 인공지능 학습 방법으로 주목받고 있다. 그러나 기존 중앙 집중식 인공지능 학습 방법의 데이터 이동으로 인한 보안 및 서버 과부하 문제의 심각성에 대한 우려가 제기되고 있다. 이러한 문제를 해결하기 위해 다양한 분산 학습 방법들이 연구되었으며, 데이터 공유 없이 고성능 모델을 생성할 수 있는 연합 학습 알고리즘이 제안되었다. 그러나 연합 학습 알고리즘은 로컬 디바이스 내 리소스 요구량이 크다는 한계를 가지고 있다. 따라서, 본 논문에서는 로컬 디바이스의 제한된 리소스로도 안정적인 성능의 모델을 생성할 수 있도록 AWS 기반 하이브리드 클라우드 환경 내 연합학습을 적용한 시스템 아키텍처를 제안하였다. 제안하는 아키텍처의 타당성을 검증하기 위해 이미지 분류 작업에 대한 데이터 분포 및 개수의 균등성을 고려한 다양한 시나리오에서 연합 학습 모델 성능을 평가하였다. 결과적으로 로컬 데이터를 공유하지 않고도 로컬 모델과 글로벌 모델의 정확도가 98% 이상임을 확인할 수 있었다. 이는 향후 데이터와 서비스 증가에 따른 서버 과부하 문제의 해결책이 될 뿐만 아니라, 개인정보와 같은 민감한 데이터를 공유하지 않고도 높은 성능의 학습 모델을 생성하여 다양한 인공지능 서비스를 제공할 수 있도록 기여할 것이다.
#Hybrid Cloud #Federated Learning #Cloud Computing #Distributed Learning #Deep Learning #Image Classification

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0