1 |
1
희소행렬의 특징과 클라우드 인스턴스의 특성을 기초로 성능예측 모델을 구축하는 성능예측 모델 구축부;사용자 단말로부터 입력 데이터 특성 및 기계학습 알고리즘에 관한 사용자 입력을 수신하는 사용자 입력 수신부;상기 사용자 입력에 대응되는 입력 희소행렬 곱셈을 정의하는 희소행렬 곱셈 정의부; 및상기 성능예측 모델을 이용하여 상기 입력 희소행렬 곱셈을 실행하기 위한 최적 클라우드 인스턴스를 결정하는 클라우드 인스턴스 결정부를 포함하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치
|
2 |
2
제1항에 있어서, 상기 성능예측 모델 구축부는모델 데이터 모집단을 기초로 상기 희소행렬의 특징에 관한 특징 집합을 생성하고,상기 특징 집합은 행렬의 원소 개수, 0이 아닌 원소 개수, 0이 아닌 원소 개수의 합 및 전체 곱셈의 실행 수를 포함하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치
|
3 |
3
제2항에 있어서, 상기 성능예측 모델 구축부는모델 데이터 모집단을 기초로 상기 클라우드 인스턴스의 특성에 관한 특성 집합을 생성하고,상기 특성 집합은 CPU 코어수, CPU 클락 속도, 메모리 크기, 디스크 및 네트워크 대역폭을 포함하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치
|
4 |
4
제3항에 있어서, 상기 성능예측 모델 구축부는상기 특징 집합과 상기 특성 집합을 기초로 복수의 제1 러너들(first learners)을 결합하여 제2 러너(second learner)를 생성하는 앙상블 러닝(ensemble learning)을 수행하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치
|
5 |
5
제4항에 있어서, 상기 성능예측 모델 구축부는그라디언트 부스팅 리그레서(Gradient Boosting Regressor) 기반의 앙상블 러닝을 통해 상기 복수의 제1 러너들을 상기 제2 러너로 결합하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치
|
6 |
6
제4항에 있어서, 상기 성능예측 모델 구축부는상기 제2 러너에 관한 베이지안 최적화(Bayesian Optimization)를 통해 하이퍼 파라미터(Hyper Parameter) 검색을 수행하여 상기 성능예측 모델을 생성하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치
|
7 |
7
제1항에 있어서, 상기 사용자 입력 수신부는상기 사용자 단말로부터 상기 사용자 입력으로서 상기 희소행렬의 특성을 직접 수신하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치
|
8 |
8
제1항에 있어서, 상기 희소행렬 곱셈 정의부는상기 입력 데이터 특성에 기초한 상기 기계학습 알고리즘의 수행 과정에서 가장 빈번하게 발생하는 희소행렬 곱셈을 상기 입력 희소행렬 곱셈으로 결정하는 것을 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치
|
9 |
9
제1항에 있어서, 상기 클라우드 인스턴스 결정부는상기 성능예측 모델에 복수의 클라우드 인스턴스들을 적용하여 상기 입력 희소행렬 곱셈에 대한 실행시간을 각각 예측하고 상기 복수의 클라우드 인스턴스들 각각의 실행시간과 비용에 관한 성능 리스트를 생성하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치
|
10 |
10
제9항에 있어서, 상기 클라우드 인스턴스 결정부는각 클라우드 인스턴스 별로 상기 실행시간과 상기 비용 간의 가중합을 산출하고 상기 가중합에 따라 상기 복수의 클라우드 인스턴스들을 정렬한 다음 상기 최적 클라우드 인스턴스를 결정하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치
|
11 |
11
제1항에 있어서,상기 성능예측 모델을 이용하여 상기 입력 희소행렬 곱셈을 실행하기 위한 최적 곱셈 방법을 결정하는 곱셈 방법 결정부를 더 포함하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 장치
|
12 |
12
희소행렬의 특징과 클라우드 인스턴스의 특성을 기초로 성능예측 모델을 구축하는 단계;사용자 단말로부터 입력 데이터 특성 및 기계학습 알고리즘에 관한 사용자 입력을 수신하는 단계;상기 사용자 입력에 대응되는 입력 희소행렬 곱셈을 정의하는 단계; 및상기 성능예측 모델을 이용하여 상기 입력 희소행렬 곱셈을 실행하기 위한 최적 클라우드 인스턴스를 결정하는 단계를 포함하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 방법
|
13 |
13
제12항에 있어서, 상기 성능예측 모델을 구축하는 단계는상기 희소행렬의 특징에 관한 특징 집합과 상기 클라우드 인스턴스의 특성에 관한 특성 집합을 기초로 복수의 제1 러너들(first learners)을 결합하여 제2 러너(second learner)를 생성하는 앙상블 러닝(ensemble learning)을 수행하여 상기 성능예측 모델을 구축하는 단계를 포함하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 방법
|
14 |
14
제12항에 있어서,상기 성능예측 모델을 이용하여 상기 입력 희소행렬 곱셈을 실행하기 위한 최적 곱셈 방법을 결정하는 단계를 더 포함하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 방법
|
15 |
15
제14항에 있어서, 상기 최적 곱셈 방법을 결정하는 단계는상기 최적 클라우드 인스턴스의 각 작업 노드 별로 상기 입력 희소행렬 곱셈을 실행하는 최적의 희소행렬 곱셈 방법을 결정하는 단계를 포함하는 것을 특징으로 하는 빅데이터 분석을 위한 인공지능 기반의 클라우드 최적화 방법
|