• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.304-304
• /
• 2022

가뭄은 인간 활동과 생태계의 다양한 측면에 영향을 미치는 중요한 자연재해 중 하나이다. 가뭄을 사전에 예측하여 필요한 완화 조치를 취하고 환경적 피해를 줄이는 것이 중요하다. 이에 따라 다양한 인공지능 기술을 이용한 가뭄 예측은 수문학, 수자원 관리, 농업 등의 분야에서 중요성이 커지고 있다. 최근에는 딥러닝 알고리즘을 기반으로 하는 중장기 강수예보를 위한 다양한 방법이 제시되고 있다. 이 논문의 목적은 가뭄 예보를 목적으로 월 강수량 예측을 위한 딥러닝 모델의 성능을 평가하는 것이다. 이를 위해 딥러닝 모델인 LSTM(Long Short-Term Memory)을 적용하였으며, 1981-2020년 기간의 월 강수 자료가 모델을 구축하기 위해 사용되었다. 관측자료를 기반으로 학습된 모델을 이용하여 테스트 기간에 대해 월 강수량을 예측하였다. 예측된 강수량을 통해 표준강수지수(Standardized Precipitation Index, SPI)을 산정하고, 예측 정확도를 분석하였다. 이 연구는 가뭄 예보를 위한 딥러닝 모델의 적용 가능성을 보여준다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.593-594
• /
• 2020

본 논문은 급격하게 발전하는 IT기술의 발전과 그로 인한 기업들의 경쟁 속에서 수 많은 프로젝트들이 생성되는 현대 사회에서 이런 프로젝트들이 경쟁에서 이길 수 있도록 프로젝트가 빠르고 완성도 있게 만들어질 필요를 느끼고 기존의 프로젝트 개발 방법론과 테스트 설계 방법론 중 V모델을 연구해서 프로젝트 관리 시스템에 등록된 데이터를 기반으로 테스트가 자동 설계될 수 있게 함으로써 프로젝트 전체 기간을 줄이고 프로젝트 비용을 줄일 수 있는 방법을 제안한다. 이 논문에서 제안하는 모델을 확장시켜서 프로젝트 테스트 관리에 불필요한 설계 시간과 테스트 관리에 수월할 것이라 기대한다.

• Annual Conference of KIPS
• /
• 2021.11a
• /
• pp.741-744
• /
• 2021

본 논문은 사전 학습된 심층생성모델을 기반으로 가수 별 가사의 특성을 반영하여 새로운 가사를 생성하는 모델을 소개한다. 베이스 모델로 한국어 사전 학습 모델 KoGPT-2 를 사용하였으며, 총 가수 10 명의 노래 823 곡을 수집하여 미세조정 기법을 바탕으로 학습하였다. 특히, 가수 별로 구분한 가사를 학습 데이터로 구축하여, 가수 별로 독특하게 나타나는 가사 스타일이 전이되도록 하였다. 가수의 이름과 시작 단어를 입력으로 주고 작사를 수행한 실험 결과, (i) 가수 별로 생성되는 가사의 어휘와 스타일이 그 가수의 기존 곡들의 가사와 유사함을 확인하였고, (ii) 작사 결과 가수 별 차이를 확인하였다. 추후 설문을 통해, 개별 가수들의 가사와 생성된 가사의 어휘와 스타일 유사성을 확인하고, 가수 별 차이 또한 확인하고자 한다.

• Annual Conference on Human and Language Technology
• /
• 1993.10a
• /
• pp.503-518
• /
• 1993

봉네트는 온라인 한글 필기 글씨 모델이다 [신92]. 글씨를 자소와 연결획의 결합구조로 보고, 각 자소 및 연결획 모델을 정의한 후, 이들을 제자 원리에 따라 네트워크 구조로 설계한 모델이다. 본 논문에서는 봉네트가 소개된 후 지난 일년 동안 수행되었던 실험 및 모델 검증의 결과와 앞으로도 계속될 개선책을 소개하고, 동 모델의 바탕이 된 통계적 인식 이론을 정립하고자 한다.

• The Journal of Engineering Research
• /
• v.4 no.1
• /
• pp.151-158
• /
• 2002

본 연구에서는 주기적인 하중하에서의 철근콘크리트 기둥의 이력응답거동을 예측할 수 있는 해석적인 모델의 개발을 다루고 있다. 철근콘크리트 기둥의 비탄성 휨, 전단 및 휨-전단 변형은 개발된 모델을 통항 주기적인 변위하에서 검토되었다. 개발된 모델들을 포함한 해석치와 실험치와의 비교분석를 통하여 본 연구에서 개발된 모델들의 검증을 실시하였고, 이 비교분석을 통하여 휨-전단간의 상호작용의 중요성을 강조하였으며, 본 연구에서 개발된 모델들의 정확성, 효율성 및 타당성을 입증하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.01a
• /
• pp.25-26
• /
• 2020

본 논문에서는 머신러닝을 이용한 이미지 생성을 위한 새로운 오차 함수모델을 제안한다. 제안된 함수모델은 기존 오차함수가 반영하지 못하던 채널 간 오차비율정보를 반영하여 기존 오차함수에 비해 빠른 초기 수렴속도와 더 좋은 FID값을 보인다. 본 논문에서는 하나의 네트워크 모델을 통해 기존의 오차함수모델에 비해서 우수함을 보인다.

• Proceedings of the KAIS Fall Conference
• /
• 2009.05a
• /
• pp.289-293
• /
• 2009

본 논문은 공학교육과정에 기술사업화 교육이 본격적으로 도입되고 있는 최근 추세 하에 국내 공학교육 환경을 고려한 효과적인 기술사업화 교육시스템 모델을 제시하는데 그 목적이 있다. 이를 위해 첫째, 본 논문은 문헌연구를 통해 국내 공학교육 과정에서 전개되고 있는 기술사업화 교육의 주요 이슈들에 대해 진단하고 효과적인 기술사업화 교육시스템의 구축 방향을 분석하였다. 둘째, 본 논문은 문헌연구와 해외사례연구를 통해 공학교육과정에서 도입해야 하는 효과적인 기술사업화 교육시스템 모델을 정의하였다. 셋째, 본 논문은 국내 공학과정에 이미 도입된 기술사업화 교육시스템과 효과적인 기술사업화 교육 시스템 모델간의 비교연구를 통해 현재 국내 공학교육에서 이루어지고 있는 국내 기술사업화 교육시스템의 문제점을 진단하고 합리적인 개선방안을 제시하였다.

• Journal of the Korea Society for Simulation
• /
• v.19 no.4
• /
• pp.319-326
• /
• 2010

Effectiveness analysis of weapon system has been accomplished using engagement-level model alone. However, most previous works are prone to errors due to lack of behavioral information about the weapon systems. In order to overcome these limitations, this paper proposes an interoperation approach between the engagement- and engineering-level models. The proposed approach enables the engagement-level model to be supported by the engineering-level model representing the detailed behavior of weapon systems. Our methodology consider a limited combat situation including operational environments, dynamics and operational errors of weapons, and engagement orders. The paper describes a formalization of the system effectiveness analysis and defines an interface for interoperation between engagement- and engineering-level models. Then, we perform an anti-torpedo combat simulation as a case study.

• Annual Conference on Human and Language Technology
• /
• 2001.10d
• /
• pp.221-225
• /
• 2001

본 논문에서는 대량의 말뭉치를 바탕으로 한국어에 대해 단어 기반의 n-gram 언어 모델과 클래스 기반의 언어 모델을 구축하고, 이를 실험적으로 검증한다. 단어 기반의 n-gram 모델링의 경우 Katz의 백오프와 Kneser-ney의 스무딩(smoothing) 알고리즘에 대해 실험을 수행한다. 클래스 기반의 언어 모델의 경우에는 품사 태그를 단어의 클래스로 사용한 경우와 말뭉치로부터 자동으로 구축된 클래스를 사용한 경우로 나누어 실험한다. 마지막으로 단어 기반 모델과 클래스 기반 모델을 결합하여 각각의 모델과 그 성능을 비교한다. 실험 결과 단어 기반의 언어 모델의 경우 Katz의 백오프에 비해 Knerser-ney의 스무딩이 보다 조은 성능을 나타내었다. 클래스 기반의 모델의 경우 품사 기반의 방범보다 자동 구축된 단어 클래스를 이용하는 방법의 성능이 더 좋았다. 또한, 단어 모델과 클래스 모델을 결합한 모델이 가장 좋은 성능을 나타냈다. 논문의 모든 알고리즘은 직접 구현되었으며 KLM Toolkit이란 이름으로 제공된다.

• Annual Conference on Human and Language Technology
• /
• 2013.10a
• /
• pp.152-155
• /
• 2013

한국어 어절은 많은 동형이의어를 가지고 있기 때문에 주변 어절(또는 문맥)을 보지 않으면 중의성을 해결하기 어렵다. 이런 중의성을 해결하기 위해서 주변 어절 정보를 입력받아 통계적으로 의미를 선택하는 기계학습 알고리즘들이 많이 연구되었으며, 그 중에서 특히 은닉 마르코프 모델을 활용한 연구가 높은 성과를 거두었다. 일반적으로 마르코프 모델만을 기반으로 알고리즘을 구성할 경우 은닉 마르코프 모델 보다는 단순하기 때문에 빠르게 작동하지만 정확률이 낮다. 본 논문은 마르코프 모델을 기반으로 하면서, 부분적으로 은닉 마르코프 모델을 혼합한 알고리즘을 제안한다. 실험 결과 속도는 마르코프 모델과 유사하며, 정확률은 은닉 마르코프 모델에 근접한 것으로 나타났다.