• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.211-214
• /
• 2020

Abstract Meaning Representation(AMR)은 문장의 의미를 그래프 구조로 인코딩하여 표현하는 의미 형식표현으로 문장의 각 노드는 사건이나 개체를 취급하는 개념으로 취급하며 간선들은 이러한 개념들의 관계를 표현한다. AMR 파싱은 주어진 문장으로부터 AMR 그래프를 생성하는 자연어 처리 태스크이다. AMR 그래프의 각 개념은 추상 표현으로 문장 내의 토큰과 명시적으로 정렬되지 않는 어려움이 존재한다. 이러한 문제를 해결하기 위해 별도의 사전 학습된 정렬기를 이용하여 해결하거나 별도의 정렬기 없이 Sequence-to-Sequence 계열의 모델로 입력 문장으로부터 그래프의 노드를 생성하는 방식으로 연구되어 왔다. 본 논문에서는 문장의 입력 시퀀스와 부분 생성 그래프 사이에서 반복 추론을 통해 새로운 노드와 기존 노드와의 관계를 구성하여 점진적으로 그래프를 구성하는 모델을 한국어 AMR 데이터 셋에 적용하여 Smatch 점수 39.8%의 실험 결과를 얻었다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.54-59
• /
• 2020

사실 불일치 교정은 기계 요약 시스템이 요약한 결과를 실제 사실과 일치하도록 만드는 작업이다. 실제 요약 생성연구에서 가장 공통적인 문제점은 요약을 생성할 때 잘못된 사실을 생성하는 것이다. 이는 요약 모델이 실제 서비스로 상용화 하는데 큰 걸림돌이 되는 부분 중 하나이다. 본 논문에서는 원문으로부터 개체명을 가져와 사실과 일치하는 문장으로 고치는 방법을 제안한다. 이를 위해서 언어 모델이 개체명에 대한 문맥적 표현을 잘 생성할 수 있도록 학습시킨다. 그리고 학습된 모델을 이용하여 원문과 요약문에 등장한 개체명들의 문맥적 표현 비교를 통해 적절한 단어로 교체함으로써 요약문의 사실 불일치를 해소한다. 제안 모델을 평가하기 위해 추상 요약 데이터를 이용해 학습데이터를 만들어 학습하고, 실제 시나리오에서 적용가능성을 검증하기 위해 모델이 요약한 요약문을 이용해 실험을 수행했다. 실험 결과, 자동 평가와 사람 평가에서 제안 모델이 비교 모델보다 높은 성능을 보여주었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.345-348
• /
• 2022

본 논문에서는 유체 시뮬레이션(Fluid simulation)중 화염에서 표현되는 불똥 입자(Fire-flake particle)의 생성, 움직임과 삭제를 효율적으로 학습하고 표현할 수 있는 인공지능 기법에 대해 소개한다. 유체 시뮬레이션을 계산하기 위해서는 일반적으로 수치해석학과 같은 학문의 이해가 필요하며 불똥이나 거품과 같은 유체의 2차 효과(Secondary effect)는 기반유체(Underlying fluids)를 통해 추출되기 때문에 복잡하고 계산양이 많아진다. 이러한 문제를 완화하고자 본 논문에서는 인공신경망을 이용한 분류 모델 학습을 통해 격자 내에서 표현되어야 하는 불똥 입자의 생성을 학습하고, 다항 회귀 모델 학습을 통해 불똥 입자의 움직임을 예측한다. 또한, 불똥 입자가 삭제되어야하는 상태를 네트워크 학습을 통해 얻어내며, 수명(Lifespan) 임계값 조절하여 다양한 장면에서 불똥을 제어할 수 있다. 결과적으로 화염의 움직임을 기반으로 불똥의 움직임을 복잡한 수학식이나 디자이너에게 의존하지 않고 인공지능 학습을 통해 쉽게 제어하고 예측하는 결과를 보여준다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.615-616
• /
• 2022

본 논문에서는 간단한 선형 회귀를 이용하여 복잡한 불 시뮬레이션(Fire simulation)에서 표현되는 불똥 입자(Fire-flake particle)을 효율적으로 생성할 수 있는 방법을 제안한다. 일반적으로 불 시뮬레이션에서 불꽃은 격자기반으로 표현하고, 불똥은 입자로 표현하는 입자-격자 하이브리드 시스템을 이용한다. 이러한 방식을 그대로 인공신경망에 사용을 하게 되면 상대적으로 메모리가 많이 필요하며 계산양도 증가된다. 특히, 불똥 입자가 존재하지 않는 부분에서도 격자 공간에 대한 메모리를 할당해야 되기 때문에 고해상도 불똥 효과를 학습하는데 있어서 많은 문제점을 가지고 있다. 이러한 문제를 완화하기 위해 본 논문에서는 격자 단위가 아닌, 입자 단위로 불똥 입자 생성을 학습할 수 있는 방법을 제안한다.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.670-672
• /
• 2022

이러닝 시스템을 유용하게 활용하려면 학습자의 감정을 인식하여 학습자에게 적절한 피드백을 주는 것이 무엇보다 중요하다. 이러닝 시스템의 학습효율을 높이기 위해서는 학습자의 감정을 인식하여 그에 적절한 피드백을 제공하는 것이 중요하다. 본 논문에서는 학습자에 대한 적절한 피드백을 제공하기 위해서 상황인식 컴퓨팅 기술을 바탕으로 학습자의 감정표현단어를 상황정보로 사용하여 감정을 인식할 수 있는 상황인식 미들웨어로서 EF-CAM을 제안한다. EF-CAM은 감정표현단어의 범주화기술을 기반으로 온톨로지를 구축하여 학습자의 감정을 인식한다. 이러닝 학습자의 감정을 인식하기 위해서 학습자의 감정표현 단어를 상황정보로 사용하고, 학습자의 감정에 영향을 미칠 수 있는 환경정보(온도, 습도, 날씨 등)를 추가하여 인식한다. 학습자의 감정을 표현하기 위해서 OWL 언어를 사용하여 온톨로지를 구축하였다.

• Annual Conference of KIPS
• /
• 2023.05a
• /
• pp.92-94
• /
• 2023

사물인터넷이 발전함에 따라 사용자에게 여러 서비스를 제공하기 위한 사물인터넷 플랫폼이 활발하게 개발되고 있다. 그러나 각각의 플랫폼은 독자적인 환경에서 개발되고 있어 상호운용성에 어려움이 있다. 특히, 이기종 사물인터넷 플랫폼이 리소스 보호를 위해 동일한 속성기반 접근제어를 사용하더라도 속성을 표현하는 표현법이 상이하여 유효한 속성을 소유하고 있음에도 타 플랫폼의 리소스에 접근할 수 없는 문제가 있다. 이에, 본 논문에서는 속성기반 접근제어를 활용하는 이기종 사물인터넷플랫폼 간의 서로 다른 속성 표현법을 이해하여 상호운용할 수 있는 프레임워크를 제안한다. 본 프레임워크는 자가적응 모듈을 통해 동일한 속성이더라도 표현법의 차이로 발생하는 상호운용의 문제를 해결하여 이기종 플랫폼 간의 리소스 접근이 가능하도록 한다.

• Annual Conference of KIPS
• /
• 2023.05a
• /
• pp.507-509
• /
• 2023

최근 딥러닝은 도로 CCTV 동영상의 교통사고 검출에 널리 사용되지만 일인칭 동영상의 교통사고 검출은 분명히 어렵다. 일인칭 동영상은 역동적이고 시야가 제한되어 있기 때문이다. 본 논문에서는 일인칭 동영상을 분석하여 교통사고를 검출하는 방법을 제시한다. 이 방법은 교통 표현 특성을 분석하는 것 외에도 의미를 이해하고 교통 장면을 인코딩한다. 프레임의 표현 특징은 각 프레임 상의 물체의 특징과 물체의 위치 관계의 공간적 숨겨진 특진을 학습함으로써 얻어진다. 그 후에 프레임 표현 특징과 교통 장면의 특징이 연결되어 GRU 실행기에 공급된다. 여러 GRU 실행기는 분석한 후 사고가 발생했는지 확인된다. 이 방법은 높은 역학과 제한된 시야 문제를 효과적으로 해결한다.

• Annual Conference of KIPS
• /
• 2008.05a
• /
• pp.44-47
• /
• 2008

본 논문에서는 유비쿼터스 환경에서 인간의 행동패턴을 인식하고 이 결과를 활용하여 사용자의 의도를 추론하는 방법론에 관해 기술한다. 인간행동의 예측에 관한 지식표현으로부터의 추론기능과 예제패턴 기반의 학습기능을 동시에 지원하는 모델을 제시하고 이론의 타당성과 유용성을 고찰한다. 의도 추론 문제에서 지식기반 기법이 갖는 불완전성을 극복하기 위하여 예제기반 학습능력의 필요성을 도출하는 한편, 다양한 변이가 존재하는 응용에서 학습데이터 선정의 어려움을 보완하기 위한 방법론을 제시한다. 세부적으로 인간행동에 관한 특징표현과 행동패턴 클래스를 정의하고 이들간의 관계를 고유한 지식표현 규칙으로 정형화 한다. 또한 제안된 지식표현을 수용하는 추론 메커니즘을 제시하며, 제시한 모델의 부수적 특징으로 학습과정을 통한 지식 정련기능의 유용성을 고찰한다.

• Annual Conference of KIPS
• /
• 2008.05a
• /
• pp.54-57
• /
• 2008

상황은 실세계에 존재하는 실체의 상태를 특징화하여 요약한 정보로 정의될 수 있으며, 상황인식은 이러한 상황 정보의 상호 작용에 의하여 인간의 현재 상황을 특성화 할 수 있는 기술적 방법을 의미한다. 실세계의 상태를 표현하는 것은 정보의 표현 및 지식 표현과 관련되며, 상황인식 컴퓨팅은 이러한 지식 표현 방법에서 출발한다고 할 수 있다. 본 논문에서는 앞서 말한 상황인식 능력을 지향하는 시스템, 즉 지능형 홈 서비스를 제공하는 상황인식 컴퓨팅 시스템을 제안한다. 본 논문에서는 가정 내에 설치된 센서장치로부터 사용자 생체 신호 데이터와 환경 데이터를 획득하한 후에, 획득된 컨텍스트 데이터를 정규화하고, 정규화된 컨텍스트 데이터를 패턴인식 알고리즘을 통하여 처리한 후에 자동적으로 지능형 홈오토메이션 서비스를 제공하는 게이트웨이에 대한 설계에 대하여 서술한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.23-26
• /
• 2024

본 논문에서는 그래프 구조의 데이터에서 각 노드의 신호를 예측하는 연구를 진행하였다. 이를 위해 분석하고자 하는 그래프에 대해 연결 관계를 기반으로 각 노드에 비-유클리드 공간 상에서의 좌표를 부여하여 그래프의 공간적 임베딩을 얻은 뒤, 각 노드의 공간적 임베딩을 입력으로 받고 해당 노드의 신호를 예측하는 그래프 암시적 신경 표현 모델을 제안 하였다. 제안된 모델의 검증을 위해 네트워크형 데이터와 3차원 메시 데이터 두 종류의 그래프 데이터에 대하여 신호 학습, 신호 예측 및 메시 데이터의 초해상도 과정 실험들을 진행하였다. 전반적으로 기존의 그래프 암시적 신경 표현 모델과 비교하였을 때 비슷하거나 더 우수한 성능을 보였으며, 특히 네트워크형 그래프 데이터 신호 예측 실험에서 큰 성능 향상을 보였다.