KR102222934B1 - Method and apparatus for memory allocation in a multi-core processor system, and recoding medium therefor

    公开(公告)号:KR102222934B1

    公开(公告)日:2021-03-04

    申请号:KR1020190101333A

    申请日:2019-08-19

    CPC classification number: G06F9/5016 G06F9/5055 G06F9/526

    Abstract: 본 발명에서는 멀티코어 프로세서 시스템에서 메모리 할당 방법 및 장치, 이를 위한 기록매체가 개시된다. 구체적으로, 멀티코어(multi-core) 프로세서 시스템에서 공유 데이터의 메모리 할당 방법에 있어서, 데이터 정보 및 코어 별 메모리 접근 시간 정보를 입력 받는 단계, 상기 데이터 정보 및 상기 코어 별 메모리 접근 시간 정보를 기반으로 코어 별 데이터 접근 횟수와 메모리 접근 시간을 계산함으로써 데이터-메모리 테이블을 생성하는 단계, 상기 데이터-메모리 테이블을 기반으로 데이터 별 메모리 접근 시간의 최소값을 결정하는 단계, 상기 결정된 최소값과 상기 데이터 별 메모리 접근 시간 간의 차이를 내림차순으로 정렬하는 단계 및 상기 정렬된 순서에 따라 순차적으로 데이터를 메모리에 할당하는 단계를 포함할 수 있다.

    KR102239464B1 - Methods and apparatuses for forecasting power demand using deep structure

    公开(公告)号:KR102239464B1

    公开(公告)日:2021-04-13

    申请号:KR1020190018115A

    申请日:2019-02-15

    Inventor: 길이만 김대현

    CPC classification number: G06Q50/06 G06N20/00

    Abstract: 본 발명은 심층 구조를 이용한 전력 수요 예측 방법 및 장치에 관한 것으로, 본 발명의 일 실시 예에 따른 전력 수요 예측 방법은, 전력 수요 데이터의 위상 공간 분석(Phase space analysis)을 이용하여 시계열 예측 모델의 입력 구조를 결정하는 단계, 상기 결정된 시계열 예측 모델의 입력 구조에 따른 시계열 입력 데이터를 이용하여 커널 함수(Kernel function)를 갖는 복수의 가우시안 커널 함수 네트워크(Gaussian kernel function network)를 각각 학습하는 단계, 상기 학습된 복수의 가우시안 커널 함수 네트워크를 결합하여 상위 계층의 심층 가우시안 커널 함수 네트워크를 생성하고, 상기 전력 수요 데이터를 이용하여 상기 생성된 심층 가우시안 커널 함수 네트워크를 학습하는 단계, 및 상기 학습된 심층 가우시안 커널 함수 네트워크를 이용하여 전력 수요를 예측하는 단계를 포함한다.

    KR102236094B1 - Apparatus and method for alignment a discovery channel interval among cells in a cellular communication system

    公开(公告)号:KR102236094B1

    公开(公告)日:2021-04-05

    申请号:KR1020140042543A

    申请日:2014-04-09

    Abstract: 본 발명은 셀룰러 통신 시스템에서 셀간 탐색 채널 구간을 정렬하는 방법에 있어서, 서빙 셀을 관장하는 서빙 기지국이, 상기 서빙 셀에 위치하며 (RRC: Radio Resource Control) 연결 모드로 동작하는 적어도 하나의 단말을 선정하고, 상기 적어도 하나의 단말에게 인접 셀의 탐색 채널 관련 정보를 요청하는 요청 메시지를 전송하고, 상기 적어도 하나의 단말로부터 인접 셀 식별자(ID; Identifier), 상기 인접 셀의 프레임 기준 시각을 기준으로 탐색 채널을 이동시킨 시간적 조정 값 및 상기 서빙 셀과 상기 인접 셀 간의 시간 오프셋(NTD: Network Time Difference)을 수신하고, 상기 인접 셀 ID, 상기 시간적 조정값, 상기 NTD를 기반으로 상기 서빙 셀의 탐색 채널 구간을 상기 인접 셀의 탐색 채널 구간에 정렬한다.

    KR102234894B1 - Personalized non-invasive blood glucose measurement device and method using the measurement device using machine learning

    公开(公告)号:KR102234894B1

    公开(公告)日:2021-04-02

    申请号:KR1020190060012A

    申请日:2019-05-22

    CPC classification number: A61B5/14532 A61B5/0024 A61B5/7264 A61B5/7275

    Abstract: 본 발명에 따른 맞춤형 비침습적 혈당 측정 방법은 (a) 프로세서 유닛이 환자의 혈당수치 데이터를 수집하는 단계; (b) 상기 프로세서 유닛이 수집한 혈당수치 데이터로 허용 가능한 최종오류(E`)를 결정하는 단계; (c) 상기 최종오류(E`)가 결정되면, 상기 프로세서 유닛이 환자의 설정모드에 따라 비침습적으로 예측하여 혈당수치를 측정하는 단계; (d) 상기 프로세서 유닛이 주기적으로 상기 최종오류(E`)의 교정여부를 판단하는 단계; 및 (e) 상기 프로세서 유닛이 상기 (d)단계에서 재교정할 필요가 없는 경우, 상기 (b)단계에서 결정된 최종오류(E`) 범위에서 비침습적으로 예측하여 혈당수치를 측정하는 단계;를 포함하여 매일 침습으로 혈당을 측정해야 하는 환자에게 비침습으로 정확한 맞춤형 혈당수치를 제공할 수 있는 효과가 있다.

Patent Agency Ranking