• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.253-255
• /
• 2002

본 논문에서는 다중 모델 기계학습 기법을 이용하여 문서 자동 분류의 성능과 신뢰도를 향상시킬 수 있는 연구와 실험 결과를 기술하였다. 기존의 다중 모텔 기계 학습법들이 훈련 데이터 또는 학습 알고리즘의 편향에 의한 오류를 극복하고 한 것들인데 비해 본 논문에서 제안한 메타 학습을 이용한 하이브리드 다중 모델 방식은 이 두 가지의 오류 원인을 동시에 해소하고자 하였다. 다양한 문서 집합에 대한 실험 결과, 본 연구에서 제안한 하이브리드 다중 모델 학습법이 전반적으로 기존의 일반 다중모델 학습법들에 비해 높은 성능을 보였으며, 다중 모델의 결합 방식으로서 메타 학습이 투표 방식에 비해 효율적인 것으로 나타났다.

• Proceedings of the Korea Technical Association of the Pulp and Paper Industry Conference
• /
• 2006.04a
• /
• pp.103-112
• /
• 2006

제지 기계의 습부 공정을 안정화시키고, 또한 종이의 지필도에 악영향을 끼치지 않으면서 종이의 기계방향 물성의 변이를 줄이기 위해서, 보류도와 지필도 공정을 동시에 제어하기 위한 제어전략들이 개발되었다. 보류도와 지필도에 미치는 주 변수들에 관한 연구를 양이온성팜(CPAM)/벤토나이트 보류제와 파일럿 제지 기계를 사용하여 수행하였다. 마이크로파티클 보류제 첨가량이 보류도와 지필도에 미치는 영향을 설명하기 위해서 deposition efficiency 모델과 bridging strength 모델을 개발하였다. 제지 기계 보류 공정의 동특성 모델을 질량수지분석을 사용해서 개발하였다. 지료화학 변수의 효과를 모델에 포함하기 위해서, 보류도를 작업조건들에 의존하는 변수로 모델에 포함시켰다. 또한 지필도의 실험적 모델을 개발하고 보류공정을 위한 동특성 모델들과 연계해서 지필도의 동특성을 모사하였다. 여러 제어 전략들이 시뮬레이션상에서 실험되어졌다. 평량과 종이의 회분율 대신에 종이내의 펄프 질량과 충전제 질량을 제어하면 decouper를 사용하지 않고도 두 제어 루프간 상호작용을 줄일 수 있음을 보였다. 지필도의 제어를 위해서, 헤드박스 펄프 농도제어와 폴리머유량과 벤토나이트 유량의 비율제어를 제안하였다. 지종 변경시 백수농도의 설정값을 계산하는 문제를 해결하였다. 또한, 평량, 회분율, 백수농도 및 헤드박스 펄프 농도의 다변수제어가 논의되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.310-312
• /
• 2005

유한상태 기계는 신뢰성이 요구되는 내장형 시스템의 제어흐름을 표현하고 검증하는데 많이 사용되는 모델이다. 하지만 자체가 가지고 있는 단순함으로 인해 복잡한 시스템을 명세하기에는 부족하다. 이러한 유한상태 기계의 단점을 극복하기 위해 다양하게 확장시킨 유한상태 기계들이 나왔지만 이렇게 확장된 유한상태 기계들에 대한 정형 의미의 부재로 인해서 요구사항중 하나인 명세를 검증하는데 어려움이 따른다. 이에 우리는 확장된 유한상태 기계의 정형 단계 의미를 정의하고, 이를 사용하여 모델에 대한 정형검증을 수행하였다. 그 결과 레이스 조건(race condition)과 애매한 전이, 순환하는 전이 등의 버그들을 모델에서 정형적으로 검출 할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.922-925
• /
• 2019

기계 독해 기술은 기계가 주어진 비정형 문서 내에서 사용자의 질문을 이해하여 답변을 하는 기술로써, 챗봇이나 스마트 스피커 등, 사용자 질의응답 분야에서 핵심이 되는 기술 중 하나이다. 최근 딥러닝을 이용한 기학습 언어모델과 전이학습을 통해 사람의 기계 독해 능력을 뛰어넘는 방법론들이 제시되었다. 하지만 이러한 방식은 사람이 인식하는 질의응답 방법과 달리, 개체가 가지는 의미론(Semantic) 관점보다는 토큰 단위로 분리된 개체의 형태(Syntactic)와 등장하는 문맥(Context)에 의존해 기계 독해를 수행하였다. 본 논문에서는 기존의 높은 성능을 나타내던 기학습 언어모델에 대규모 지식그래프에 등장하는 개체 정보를 함께 학습함으로써, 의미학적 정보를 반영하는 방법을 제시한다. 본 논문이 제시하는 방법을 통해 기존 방법보다 기계 독해 분야에서 높은 성능향상 결과를 얻을 수 있었다.

• Transactions of the Korean Society of Mechanical Engineers B
• /
• v.40 no.2
• /
• pp.75-83
• /
• 2016

Since a turbomachine has complex flow characteristics, which are caused by adverse pressure gradient and high speed motion, an elaborate turbulence model is needed to accurately predict the flow. Some turbulence models such as an algebraic or a two-equation eddy viscosity model have been used for in-house RANS-code, but it is difficult to obtain good result for several complex flows. In this study, Durbin's V2-F turbulence model, which has been known for better prediction for severe flow separation, is applied to T-Flow. It was validated for simple cases such as channel and compressor cascade, and its applicability to turbomachinery was shown by analyzing internal flow of a single rotor. As a result, the V2-F turbulence model shows better blade surface pressure distribution than the one-and-two equation turbulence model.

• Journal of Digital Convergence
• /
• v.19 no.7
• /
• pp.199-208
• /
• 2021

Automatic Post Editing(APE) is the study that automatically correcting errors included in the machine translated sentences. The goal of APE task is to generate error correcting models that improve translation quality, regardless of the translation system. For training these models, source sentence, machine translation, and post edit, which is manually edited by human translator, are utilized. Especially in the recent APE research, multilingual pretrained language models are being adopted, prior to the training by APE data. This study deals with multilingual pretrained language models adopted to the latest APE researches, and the specific application method for each APE study. Furthermore, based on the current research trend, we propose future research directions utilizing translation model or mBART model.

• Journal of Korean Society of Industrial and Systems Engineering
• /
• v.18 no.33
• /
• pp.103-109
• /
• 1995

컴퓨터원용 공정계획(CAPP; Computer-Aided Process Planning)은 CAD와 CAM을 연결하는, CIM의 완성을 위한 필수 기능이다. 지금까지 많은 CAPP 관련 연구 논문과 시스템이 발표되었으나, CAPP의 필수 기능인 기계의 선택 문제를 근본적으로 다루고 해결한 예는 없었다. 본 연구에서는 먼저 완전히 일반적인 기계 선택 문제의 모델을 제시하였다. 그 모델로부터 기계 선택 문제의 속성이 고찰되었다. 기계 선택 문제는 완전히 일반화해서는 경우의 수가 다룰 수 없을 만큼 크기 때문에 그것을 단순화하는 방법들이 제시되었다. 예를 통해서 그 방법의 효과를 입증하였다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.41-46
• /
• 2021

기계 독해는 문단과 질문이 주어질 때에 정답을 맞추는 자연어처리의 연구분야다. 최근 기계 독해 모델이 사람보다 높은 성능을 보여주고 있지만, 문단과 질의가 크게 변하지 않더라도 예상과 다른 결과를 만들어 성능에 영향을 주기도 한다. 본 논문에서는 문단과 질문 두 가지 관점에서 적대적 예시 데이터를 사용하여 보다 강건한 질의응답 모델을 훈련하는 방식을 제안한다. 트랜스포머 인코더 모델을 활용하였으며, 데이터를 생성하기 위해서 KorQuAD 1.0 데이터셋에 적대적 예시를 추가하여 실험을 진행하였다. 적대적 예시를 이용한 데이터로 실험한 결과, 기존 모델보다 1% 가량 높은 성능을 보였다. 또한 질의의 적대적 예시 데이터를 활용하였을 때, 기존 KorQuAD 1.0 데이터에 대한 성능 향상을 확인하였다.

• Transactions of the Korean Society of Mechanical Engineers
• /
• v.9 no.3
• /
• pp.327-334
• /
• 1985

본 연구에서는 개선된 Sung과 Chung의 모델을 이용하여 Choi와 Chung이 취급 한 직관에서의 압력강하의 속도분포를 재해석하고 그 결과를 Choi와 Chung의 결과와 비교함으로써 개선된 Sung과 Chung의 모델이 좀더 정확한 해를 주는지의 여부를 고찰 하기로 한다.

• Annual Conference on Human and Language Technology
• /
• 2017.10a
• /
• pp.35-40
• /
• 2017

기계 독해(Machine reading comprehension)는 주어진 문맥을 이해하고, 질문에 적합한 답을 문맥 내에서 찾는 문제이다. Simple Recurrent Unit (SRU)은 Gated Recurrent Unit (GRU)등과 같이 neural gate를 이용하여 Recurrent Neural Network (RNN)에서 발생하는 vanishing gradient problem을 해결하고, gate 입력에서 이전 hidden state를 제거하여 GRU보다 속도를 향상시킨 모델이며, Self-matching Network는 R-Net 모델에서 사용된 것으로, 자기 자신의 RNN sequence에 대하여 어텐션 가중치 (attention weight)를 계산하여 비슷한 의미 문맥 정보를 볼 수 있기 때문에 상호참조해결과 유사한 효과를 볼 수 있다. 본 논문에서는 한국어 기계 독해 데이터 셋을 구축하고, 여러 층의 SRU를 이용한 Encoder에 Self-matching layer를 추가한 $S^2$-Net 모델을 제안한다. 실험 결과, 본 논문에서 제안한 $S^2$-Net 모델이 한국어 기계 독해 데이터 셋에서 EM 65.84%, F1 78.98%의 성능을 보였다.