HOME > 공학 > 기타(공학) > 한국게임학회 > 한국게임학회 논문지
Combing data representation by Sparse Autoencoder and the well-known load balancing algorithm, ProGReGA-KF -
분야 공학 > 기타(공학)
저자 Chayoung Kim Jung-min Park Hye-young Kim
발행기관 한국게임학회
간행물정보 한국게임학회 논문지 2017년, 한국게임학회 논문지 제17권 제5호, 103page~111page(총9page)
파일형식 3468141 [다운로드 무료 PDF 뷰어]
판매가격 6,000원
적립금 180원 (구매자료 3% 적립)
이 자료를
논문의 미리보기 2페이지를 PDF파일로 제공합니다.
 
연관 논문
A Robust Dynamic Load Balancing Scheme for Data Parallel Application on Multicomputer Systems -
Load Balancing in Cloud Computing Using Meta-Heuristic Algorithm
분산 및 병렬처리 : 참조 정보를 이용한 RAID5 제어기의 부하 균형 반출 기법 ( Distributed and Parallel Processing : The Load Balancing Destage Algorithm of RAID5 Controller using Reference History )
분산 및 병렬처리 : 주기성을 이용한 제한된 부하균형 기법 ( Distributed Prodessing and Parallel Processing : A restricted load balancing scheme using a periodicity )
Distributed Video Compressive Sensing Reconstruction by Adaptive PCA Sparse Basis and Nonlocal Similarity
 
 
목차
부제 : Sparse Autoencoder의 데이터 특징 추출과 ProGReGA-KF를 결합한 새로운 부하 분산 알고리즘
요약
ABSTRACT
1. Introduction
2. Related Works
3. The proposed Algorithm
4. Performance Evaluation
5. Conclusion
REFERENCES
 
 
국문초록
In recent years, expansions and advances of the Internet of Things (IoTs) in a distributed MMOGs (massively multiplayer online games) architecture have resulted in massive growth of data in terms of server workloads. We propose a combing Sparse Autoencoder and one of platforms in MMOGs, ProGReGA. In the process of Sparse Autoencoder, data representation with respect to enhancing the feature is excluded from this set of data. In the process of load balance, the graceful degradation of ProGReGA can exploit the most relevant and less redundant feature of the data representation. We find out that the proposed algorithm have become more stable.
 
 
영문초록
많은 사용자가 함께 즐기는 온라인 게임(MMOGs)에서 IoT의 확장은 서버에 엄청난 부하를 지속적으로 증가시켜, 모든 데이터들이 Big-Data화 되어가는 환경에 있다. 이에 본 논문에서는 딥러닝 기법 중에서 가장 많이 사용되는 Sparse Autoencoder와 이미 잘 알려진 부하분산 알고리즘(ProGReGA-KF)을 결합한다. 기존 알고리즘 ProGReGA-KF과 본 논문에서 제안한 알고리즘을 이동 안정성으로 비교하였고, 제안한 알고리즘이 빅-데이터 환경에서 좀 더 안정적이고 확장성이 있음 시뮬레이션을 통해 보였다.
 
 
Sparse Autoencoder, massively multiplayer online games (MMOGs), 부하분산, 데이터 특징 추출, load balance, Deep Learning, data representation, 딥러닝
 
 
도움말
본 논문은 참고용 논문으로 수정 및 텍스트 복사가 되지 않습니다.
 
 
추천자료
멕시코 국가 조사(영문)
[토익] 해커스 토익 예상문제(3년치분)
[지리] GIS FAQ입니다.
[전산] 인공지능언어 Prolog 에 관한 FAQ
전자정보통신 약어정리
Making Index implementation by red-black-tree Algorithms
[토익] 토익 RC총정리 990문제
[졸업][정보통신공학]인터넷 기반의 EDI/EC 에서의 보안 프로토콜에 관한 연구
[전산] 프로그램 수치계산 C소스
[TOEIC]eye of the toeic - 이익훈 어휘정리
오늘 본 자료
오늘 본 자료가 없습니다.
장바구니 담은 자료
장바구니가 비어 있습니다.
이 간행물 인기자료
온라인 게임 과몰입 전문상담사 교육...
게임음악의 변천에 대한 고찰 -
HTML5 게임 엔진을 이용한 모바일 게...
게임요소의 만족도분포 추정에 관한 ...
MMORPG 커스터마이징에서 젠더에 대한...
이 간행물 신규자료
Proximal Policy Optimization을 이용...
모션플랫폼과 VR HMD를 사용하는 VR콘...
유전알고리즘을 이용한 Match-3 게임 ...
가상현실 속 3D 공간에서의 동양화 기...
게임 퀘스트의 편집가능성에 따른 플...
저작권 정보
본 학술논문은 ㈜누리미디어와 각 학회간에 저작권 계약이 체결된 것으로 HAPPY학술이 제공하고 있습니다. 본 저작물을 불법적으로 이용시는 법적인 제재가 가해질 수 있습니다.
 
서비스이용약관 | 개인정보취급방침 | E-mail 수집 거부 | 제휴 및 광고문의 | FAQ
이메일 무단 수집 거부
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나 그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며, 이를 위반시 정보통신망법에 의해 형사처벌됨을 유념하시기 바랍니다. [게시일 2003년 4월 2일]