|
동시성 제어를 위한 2단계 로킹(Two-Phase Locking) 기법
15.2 타임스탬프 순서에 기반을 둔 동시성 제어 기법
15.3 다중버전 동시성 제어 기법
15.4 검증(낙관적) 동시성 제어 기법
15.5 데이타 항목의 단위크기와 다중 단위크기 로킹
15.6 인
|
|
|
설계
3.3 제약조건(데이터 무결성)
3.4 정규화
3.5 동시성제어
제4장 객체지향 데이터 베이스
4.1 객체지향 데이터 베이스의 개요
제5장 망 구조와 계층 구조 데이터 베이스
5.1 망구조 데이터 베이스
5.2 계층구조 데이터 베이스
|
|
|
version read-consistent concurrency model 을 지원한다. 즉, 읽기는 쓰기에 의해서 차단되지 않으면서 데이터에 대해서 여러 개의 버전을 유지하면서 일관성을 지원할 수 있다는 것이다. 은행 뱅킹 시스템이라고 가정했을 때 계좌 잔액을 모두 구하는 SQL
|
|
|
우 동시성 제어 기법을 구현하기가 용이하나 동시성 정도가 떨어지는 단점이 존재하고, 로킹 단위가 작을 경우에는 동시성 제어 기법을 구현하기가 복잡하나 동시성의 정도가 향상되는 장점이 있다. 즉, 로킹 단위 크기의 차이에 따라 트레이
|
|
|
제어하는 α=1, β=3 인 상수가 되어 버퍼의 크기를 제어하게 된다. Ⅰ. TCP란
Ⅱ. 혼잡제어 및 회피 알고리즘
ⅰ. Slow Start
ⅱ. Congestion Avoidance
ⅲ. Fast Retransmit
ⅳ. Fast Recovery
Ⅲ. TCP 버전별 혼잡제어의 차이점
ⅰ. Tahoe TCP
ⅱ
|
|
 |
기법을 사용한다. 그리고 제어기를 이용해 속도를 조절할 수 있었다. <그림 4-7>은 최저 전압인 약 2V를 주었을때의 파형과 회전수를 나타낸 그림이다. 회전 속도는 843rpm었다. 제어기를 사용하여 최고 입력 전압인 6.9V까지 올렸을 때 1836rpm
|
|
|
동시성 제도(Concurrency)
APFO 제도는 개발이 승인되기 위해서는 개발업자가 반드시 공공시설물들이 개발로 인해 추가되는 부담을 수용할 수 있는지의 여부를 보여주어야만 한다. 즉, 공공시설들이 개발과 동시에 혹은 개발로 인한 영향이 발생
|
|
|
기법의 변화 2
2. 새로운 공격기법 3
(1) 백오러피스 4
(2) 네트워크 스캐닝 4
(3) 인터넷 웜(Internet Worm) 5
(4) 백도어 5
(5) 악성 에이전트 5
3. 새로운 공격기법의 특징 5
(1) 에이전트화 6
(2) 분산화 6
(3) 자동화 6
III. 네트워크 보안 기술의 현
|
|
|
제어
3) 알고리즘 과정
4) 관련연구와 비교
Ⅲ 멀티미디어를 위한 네트워크 구조
1. 기존의 네트워크 구조
2. 개선된 네트워크 구조
Ⅳ 분할 네트워크의 효율성 실험 및 분석
1. 실험환경 및 내용
2. 실험결과 및
|
|
|
다중 클러스터
2.3 LVS(Linux Virtual Server)
2.3.1 NAT를 이용한 LVS
2.3.2 IP 터널링을 이용한 LVS
2.3.3 DR(직접 라우팅)을 이용한 LVS
2.4 LVS 스케줄링 알고리즘
2.4.1 LVS 스케줄링 개요
2.4.2 Round-Robin Scheduling
2.4.3 Weighted Round Rob
|
|
 |
제어 시스템 프로젝트에서, 저는 C++을 이용한 제어 알고리즘 개발과 Python을 활용한 데이터 처리 및 분석을 담당했습니다. 이 프로젝트에서 모터 제어를 위한 실시간 알고리즘을 구현하면서, 다중 스레드와 비동기 통신 기법을 통해 제어 성능
|
|
|
제어공학의 기초부터 고급 이론까지 체계적으로 습득할 계획입니다. 기계제어 분야에서 요구되는 기초적인 제어 이론과 수학적 기법을 탄탄히 익히고, 그에 대한 실습을 통해 이론을 실제 문제에 적용하는 능력을 기르고자 합니다. 특히, 제
|
|
 |
제어 알고리즘이 주는 성능 한계를 극복하기 위해 PID 제어기를 최적화하고, 제어 시스템의 성능을 높이는 작업을 했습니다. 그 결과, 시스템의 에너지 효율성을 크게 개선할 수 있었습니다.
또한, 시뮬레이션 기법을 활용하여 제어 시스템 성
|
|
 |
제어기 설계 및 파라미터 최적화를 제안했습니다. 기존 제어 시스템에서는 가변 부하 환경에서 제어 성능이 저하되는 문제가 있었기 때문에, 실시간으로 부하 변화에 따라 제어 파라미터를 자동으로 조정할 수 있는 Adaptive Control 기법을 적용
|
|
 |
제어 시스템을 최적화하는 연구를 수행할 수 있습니다.
3. 기계학습 및 데이터 분석 (A)
엘리베이터의 예측 유지보수 및 최적화에는 데이터 분석 기술이 필수적입니다. 이 과목을 통해 머신러닝 모델을 활용한 패턴 분석 및 이상 탐지 기법을
|
|
메뉴펼치기
