• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1855-1856
• /
• 2008

본 연구에서는 공정 중에 민감하게 반응하는 플라즈마로부터 수집되는 이온에너지 분포(IED : Ion Energy Distribution)와 시계열 신경망 모델링을 결합한 플라즈마 감시 기술을 개발하였다. NIEA(Non-invasive ion analyzer)를 이용하여 IED를 측정하였으며, 모델링에 사용된 신경망은 자기 상관 시계열 신경망(A-NTS : Auto-Correlated Neural Time-Series)이다. 모델 개발을 위한 학습과 테스트 데이터로는 Duty ratio 100%에서 수집한 IED를 이용하였으며, 개발된 모델의 감시 성능은 60%에서 수집된 IED로 평가하였다. 학습인자 k와 m의 범위는 각각 1-3 으로 총 9종류의 (k, m) 조합에 대해서 모델 성능을 평가하였다. 신경망 은닉층 뉴런수는 2-9의 범위에서 최적화하였다. 최적화된 모델은 (2, 3)과 뉴런수 2에서 구해졌으며, 0.335의 예측 에러를 보였다. 60% IED 데이터로 평가한 결과 플라즈마 고장에의 민감도는 62% 이상이었다. 이는 IED의 A-NTS 모델이 플라즈마 고장의 감시에 효과적으로 적용될 수 있음을 의미한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 봄 학술발표논문집 Vol.27 No.1 (B)
• /
• pp.354-356
• /
• 2000

의사형태소를 디코딩 단위로 한국어 연속 음성 인식에서의 조사, 어미, 접사 및 짧은 용언의 어간등의 단어가 상당수의 인식 오류를 발생시킨다. 이러한 단어들은 발화 지속시간이 매우 짧고 생략이 빈번하며 결합되는 다른 형태소의 형태에 따라서 매우 심한 발음상의 변이를 보인다. 본 논문에서는 이러한 단어들은 한국어 기능어라 정의하고 실제 의사형태소 단위의 인식 실험을 통하여 기능어 집합 1, 2를 규정하였다. 그리고 한국어 기능어에 기능어용 음소를 독립적으로 적용하는 방법을 제안했다. 또한 기능어용 음소가 분리되어 생기는 음향학적 변이들을 처리하기 위해 Gaussian Mixture 수를 증가시켜 보다 견고한 학습을 수행했고, 기능어들의 음향 모델 스코어가 높아짐에 따른 인식에서의 삽입 오류 증가를 낮추기 위해 언어 모델에 fixed penalty를 부여하였다. 기능어 집합1에 대한 음소 모델을 적용한 경우 전체 문장 인식률은 0.8% 향상되었고 기능어 집합2에 대한 기능어 음소 모델을 적용하였을 때 전체 문장 인식률은 1.4% 증가하였다. 위의 실험 결과를 통하여 한국어 기능어에 대해 새로운 음소를 적용하여 독립적으로 학습하여 인식을 수행하는 것이 효과적임을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (2)
• /
• pp.3-5
• /
• 1998

본 연구팀에서는 기존의 기호주의 전문가 시스템의 경우 지식표현 체계가 의미구조를 반영하지 못함으로써 발생하는 경직성문제를 해결하기 위해 CSN(Connectionist Semantic Network) 모델을 제안하였다. 그러나 CSN모델은 상위개념간의 관계를 표현하기 위해 단순한 전향 신경망을 사용함으로써 상위개념간의 일반적이고 구조화된 지식표현 및 추론에 어려움이 있었다. CSN 모델의 이런 문제점을 위해 본 논문에서는 상위개념간의 일반적이고 구조화된 지식표현과 추론이 용이한 기호주의 표현 체계와 이 표현 체계 안에 효과적으로 의미구조를 반영할 수 있는 연결주의 학습 모델인 CSN을 결합한 하이브리드 구조를 제안하고, 실험을 통하여 제안된 하이브리드 구조의 타당성을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.1551-1554
• /
• 2011

대용량 데이터 환경에의 적용이 가능한 대용량 학습기반의 자동범주화 기법과 범용적으로 사용할 수 있는 기법은 대량의 정보를 처리해야하는 정보분석 및 정보서비스 환경에 가장 필요한 기술요소라 할 수 있다. 본 논문에서는 대용량의 문서를 단위 컴포넌트로 분할하여 학습하고 이를 동적으로 결합하는 대용량 분류기 생성 기법을 소개하고 자동범주화 성능을 SVM 모델과 비교하여 봄으로써, 본 기술의 활용 가능성을 살펴보도록 한다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2004년도 동계학술대회
• /
• pp.413-421
• /
• 2004

지식 정보화 시대의 새로운 교육 패러다임의 변화에 따라 웹을 통하여 정보와 아이디어를 서로 공유할 수 있는 사회적 상호작용이 요구되고 있다. 이러한 사회적 상호작용을 증진시키기 위해서는 다양한 사회적 상호작용 도구를 제공할 수 있는 웹 기반협동학습 시스템이 필요하다. 따라서 이 논문에서는 사회적 상호작용을 증진시키기 위해서 웹 기반 협동학습 환경을 쉽게 구성할 수 있도록 재사용 가능한 협동학습객체 모형을 SCORM을 기반으로 설계하였다. 협동학습객체 모형을 필드와 메소드, 속성으로 구성하였다. 필드는 상호작용을 통해 발생된 상호작용 결과를 저장하기 위해 데이터 모델로 구현하였으며, 메소드는 상호작용 결과를 LMS에 전달하는 방법을 제공하기 위해 API 함수로 구현하였다. 또한 협동학습객체의 속성은 접근성, 다형성, 포장성, 제어성으로 구분하여 각각 베타데이터, 계열화, 패키지, 런치를 통해 구현하였다. 이러한 협동학습객체는 학습 내용과 결합하여 하나의 협동학습 활동을 구성하게 되고, 이렇게 구성된 협동학습 활동을 계열화함으로써 교수 학습 설계가 이루어진다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2017년도 제29회 한글 및 한국어 정보처리 학술대회
• /
• pp.111-115
• /
• 2017

목적 지향적 대화 시스템(Goal-oriented dialogue system) 은 텍스트나 음성을 통해 특정한 목적을 수행 할 수 있는 시스템이다. 최근 RNN(recurrent neural networks)을 기반으로 대화 데이터를 end-to-end learning 방식으로 학습하여 대화 시스템을 구축하는데에 활용한 연구가 있다. End-to-end 방식의 학습은 도메인에 대한 지식 없이 학습 데이터 자체만으로 대화 시스템 구축을 위한 학습이 가능하다는 장점이 있지만 도메인 지식을 학습하기 위해서는 많은 양의 데이터가 필요하다는 단점이 존재한다. 이에 본 논문에서는 도메인 특정 지식을 결합하여 end-to-end learning 방식의 학습이 가능한 Hybrid Code Network 구조를 기반으로 한국어로 구성된 식당 예약에 관련한 대화 데이터셋을 이용하여 식당 예약을 목적으로하는 대화 시스템을 구축하는 방법을 제안한다. 실험 결과 본 시스템은 응답 별 정확도 95%와 대화 별 정확도 63%의 성능을 나타냈다.

• 컴퓨터교육학회논문지
• /
• 제11권6호
• /
• pp.11-27
• /
• 2008

컴퓨터 실습수업에서 웹기반 학습을 도입하여 효과적이라는 연구결과가 많이 있지만 웹기반 학습은 교수자와의 정의적 교류를 통한 인간적 피드백의 부족과 웹기반 학습에 적응하지 못하는 학습자가 발생할 수 있다는 문제점들이 있다. 본 논문에서는 수준별 학습을 위해 웹기반 학습을 도입하고, 웹기반 학습의 문제점 보완과 학자자간 학업성취도 격차를 좁히기 위해 동료교수법을 결합한 혼합학습의 효과를 밝혔다. 실험적인 목적을 위해 고등학교 학습자를 두 그룹으로 나누고, 엑셀 교수-학습 시스템을 개발하여 이를 두 그룹 모두에 적용해 웹기반 수준별 기본학습을 선행하도록 하였다. 선행학습 후 실습문제 해결을 위해 웹기반 학습과 동료교수법을 비교집단과 실험집단에 각각 적용하였다. SPSS에 의해 분석된 학업성취도 평가 결과는 웹기반 선행학습과 동료교수법을 결합한 혼합학습이 하업성취도 향상에 긍정적인 효과가 있었다는 것을 보여주었다. 특히 혼합학습을 적용한 실험집단의 중 하위권 학습자들이 학업성취도에 있어 많은 향상을 보이며 상위권 학습자들과 격차를 좁힌 것이 실험집단의 전체 학업성취도 향상에 주요원인으로 분석되었다.

• 컴퓨터교육학회논문지
• /
• 제7권3호
• /
• pp.111-121
• /
• 2004

협동학습 모델 중에서 매우 간단하고 적용이 쉬운 구조중심 협동학습은 다양한 구조의 유기적 연결과 학습내용의 결합을 통해 교수학습이 이루어진다. 본 연구에서는 이러한 구조중심의 협동학습을 위한 교수-학습 모델을 제안하고, 이를 지원하는 웹기반 구조중심 협동학습 시스템을 설계 및 구현하였다. 본 연구에서 제안하는 구조중심 협동학습 모델에서는 교과학습에 적용할 수 있는 구체적인 틀을 제시하여 협동학습을 효과적으로 지원할 수 있도록 하였다. 또한 학습 내용과 형태에 따라 다른 구조를 적용할 수 있도록 지식 습득형, 탐구형, 기능 숙달형 구조로 분류하고 이에 따른 적용 모형들을 제시하고 있다. 이러한 모형들을 기반으로 실제 협동학습을 수행할 수 있도록 시스템을 구현하여, 수업에 적용한 후 그 효과를 분석해 보았다.

• 디지털콘텐츠학회 논문지
• /
• 제19권3호
• /
• pp.435-443
• /
• 2018

최근 컴퓨팅 파워의 폭발적인 발전으로 컴퓨팅의 한계 라는 장벽이 사라지면서 딥러닝 이라는 이름 하에 순환 신경망(RNN), 합성곱 신경망(CNN) 등 다양한 모델들이 제안되어 컴퓨터 비젼(Computer Vision)의 수많은 난제들을 풀어나가고 있다. 2014년 발표된 대립쌍 모델(Generative Adversarial Network)은 비지도 학습에서도 컴퓨터 비젼의 문제들을 충분히 풀어나갈 수 있음을 보였고, 학습된 생성기를 활용하여 생성의 영역까지도 연구가 가능하게 하였다. GAN은 여러 가지 모델들과 결합하여 다양한 형태로 발전되고 있다. 기계학습에는 데이터 수집의 어려움이 있다. 너무 방대하면 노이즈를 제거를 통한 효과적인 데이터셋의 정제가 어렵고, 너무 작으면 작은 차이도 큰 노이즈가 되어 학습이 쉽지 않다. 본 논문에서는 GAN 모델에 영상 프레임 내의 얼굴 영역 추출을 위한 deep CNN 모델을 전처리 필터로 적용하여 두 사람의 제한된 수집데이터로 안정적으로 학습하여 다양한 표정의 합성 이미지를 만들어 낼 수 있는 방법을 제시하였다.

• 스마트미디어저널
• /
• 제12권2호
• /
• pp.9-14
• /
• 2023

이 논문에서는 gradCAM를 활용한 적은 데이터로 얼굴 전체 또는 더 다양한 feature을 사용하여 얼굴인식을 할 수 있는 새로운 앙상블 방법론을 제안하였다. 인공지능 모델의 판단 근거는 gradCAM을 통하여 saliency map으로 표현될 수 있다. 따라서 본 논문에서는 학습된 얼굴인식 모델이 어느 부분에 편향적으로 관찰하여 판단했는지 gradCAM으로 시각화한다. 계산된 saliency map에서 일정 수치 이상의 돌출된 부분을 추가 모델이 학습에 사용할 수 없도록 노이즈를 추가해 데이터를 생산한다. 노이즈를 추가해서 만든 데이터로 학습할 경우 노이즈 부분을 활용하여 학습을 할 수 없으므로 새로운 얼굴 부분을 사용하여 얼굴인식 네트워크를 학습하게 된다. 기본 데이터로 학습한 네트워크와 돌출 부분에 노이즈를 추가해서 학습한 모델은 얼굴의 서로 다른 얼굴 feature을 사용할 수밖에 없고, 앙상블로 결합했을 때 얼굴의 좀 더 다양한 부분들을 사용한 임베딩 feature를 만들 수 있다. 이 논문에서 제안하는 앙상블 기법은 일반적인 앙상블 모델보다 정확도는 1.79% 상승하였고 equal error rate (EER)은 0.01788 감소하였다.