• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2017년도 제29회 한글및한국어정보처리학술대회
• /
• 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.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• pp.49-51
• /
• 2006

분자 wDNF기계를 통해 해 집단을 병렬적으로 탐색하여 유망한 텀들을 선택한 후 그를 구성하는 변수들의 분포를 평가, 확률 모델을 확립하고 그로부터 다음 세대의 해 집단을 구성함으로써 진화 알고리즘의 확장인 EDA을 DNA컴퓨팅으로 모델링한다. 또한 희박한(sparse) 해 집단에서 간략한 (parsimonious) wDNF모델을 항께 찾으므로 단순히 해 집단의 분포만을 진화시켜 나가는 것이 아니라 모델의 구조도 같이 최적화 시켜 나가는 방안을 제시한다.

• 기계저널
• /
• 제30권4호
• /
• pp.322-330
• /
• 1990

2상유동의 물리적 문제는 이상화된 계면형상, 경계 및 초기조건과 연속체공식화를 이용한 지배 및 구속관계에 의해 정립된다. 본 글에서는 2상유동모델의 공식화에 대한 근거와 응용의 제한 성등이 제시되었다. 각 2상유동모델들 사이에는 많은 차이점이 존재하고 이들은 모두 주어진 경우에 적절한 평균화 과정에 의해 유도되었다. 2상유동모델링의 가장 큰 어려움은 구속관계의 개발과 관련되어 있으며 실험적 결과와의 송환과정을 통하여 향상될 수 있을 것이다. 구속 조 건의 개발과 함께 2상유동모델링에 대한 연구는 미시적인 동적해석을 위한 다차원 2-유체모델과 총체적인 계의 거동해석을 위한 1차원 2-유체모델, 혹은 단일유체모델의 분야에서 계속 진행되 어야 할 것이다.

• 전산구조공학
• /
• 제17권1호
• /
• pp.50-64
• /
• 2004

유한요소 인체모델은 인체의 기계적 특성을 수치 모형화 한 것이며, 외부로부터 다양한 기계적 하중을 받는 상황에서 인체의 거동과 상해와 같은 여러 현상들을 해석적으로 규명하고자 할 때 주로 사용된다. 따라서 인체 모델은 인체를 구성하고 있는 골격, 인대, 근육, 살, 장기 등의 특성을 수치적으로 정확히 표현하여야 한다. 그러나 인체는 매우 복잡한 메커니즘 속에서 동작하고 있기 때문에, 해석적으로 인체의 모든 특성을 구현하는 것은 현실적으로는 거의 불가능하다. 이 때문에, 인체 모델은 인체모델을 사용하고자 하는 상황이나 목적에 적합하도록 적절히 단순화되어야 한다.(중략)

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권11호
• /
• pp.535-540
• /
• 2016

상호참조 해결은 문서 내에 존재하는 멘션들을 식별하고, 참조하는 멘션끼리 군집화하는 것으로 정보 추출, 사건 추적, 질의응답과 같은 자연어처리 응용에 필수적인 과정이다. 최근에는 기계학습에 기반한 다양한 상호참조 해결 모델들이 제안되었으며, 잘 알려진 것처럼 이런 기계학습 기반 모델들은 상호참조 멘션 태그들이 수동으로 부착된 대량의 학습 데이터를 필요로 한다. 그러나 한국어에서는 기계학습 모델들을 학습할 가용한 공개 데이터가 존재하지 않는다. 그러므로 본 논문에서는 다른 기계학습 모델보다 적은 학습 데이터를 필요로 하는 효율적인 상호참조 해결 모델을 제안한다. 제안 모델은 시브-가이드 자질 기반의 랜덤 포레스트를 사용하여 상호참조하는 멘션들을 구분한다. 야구 뉴스 기사를 이용한 실험에서 제안 모델은 다른 기계학습 모델보다 높은 0.6678의 CoNLL F1-점수를 보였다.

• 한국융합학회논문지
• /
• 제12권10호
• /
• pp.27-35
• /
• 2021

기계번역 사후교정 (Automatic Post Editing, APE)이란 번역 시스템을 통해 생성한 번역문을 교정하는 연구 분야로, 영어-독일어와 같이 학습데이터가 풍부한 언어쌍을 중심으로 연구가 진행되고 있다. 최근 APE 연구는 전이학습 기반 연구가 주로 이루어지는데, 일반적으로 self supervised learning을 통해 생성된 사전학습 언어모델 혹은 번역모델이 주로 활용된다. 기존 연구에서는 번역모델에 전이학습 시킨 APE모델이 뛰어난 성과를 보였으나, 대용량 언어쌍에 대해서만 이루어진 해당 연구를 저 자원 언어쌍에 곧바로 적용하기는 어렵다. 이에 본 연구에서는 언어 혹은 번역모델의 두 가지 전이학습 전략을 대표적인 저 자원 언어쌍인 한국어-영어 APE 연구에 적용하여 심층적인 모델 검증을 진행하였다. 실험결과 저 자원 언어쌍에서도 APE 학습 이전에 번역을 한차례 학습시키는 것이 유의미하게 APE 성능을 향상시킨다는 것을 확인할 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.324-328
• /
• 2022

기계 독해란 주어진 문서를 이해하고 문서 내의 내용에 대한 질문에 답을 추론하는 연구 분야이며, 기계 독해 문제의 종류 중에는 여러 개의 선택지에서 질문에 대한 답을 선택하는 객관식 형태의 문제가 존재한다. 이러한 자연어 처리 문제를 해결하기 위해 기존 연구에서는 사전학습된 언어 모델을 미세조정하여 사용하는 방법이 널리 활용되고 있으나, 학습 데이터가 부족한 환경에서는 기존의 일반적인 미세조정 방법으로 모델의 성능을 높이는 것이 제한적이며 사전학습된 의미론적인 정보를 충분히 활용하지 못하여 성능 향상에 한계가 있다. 이에 본 연구에서는 기존의 일반적인 미세조정 방법에 템플릿을 적용한 템플릿 기반 미세조정 방법을 통해 사전학습된 의미론적인 정보를 더욱 활용할 수 있도록 한다. 객관식 형태의 기계 독해 문제 중 하나인 토익 문제에 대해 모델을 템플릿 기반 미세조정 방법으로 실험을 진행하여 템플릿이 모델 학습에 어떠한 영향을 주는지 확인하였다.

• 기계저널
• /
• 제49권12호
• /
• pp.32-35
• /
• 2009

가속시험은 사용조건보다 가혹한 시험조건을 사용하여 짧은 시간에 제품의 수명을 평가한다. 이 글에서는 가속시험에 활용되는 가속모델에 대한 개발절차와 유효성 검증방법을 간단하게 소개하고자 한다.

• 기계저널
• /
• 제55권10호
• /
• pp.36-39
• /
• 2015

이 글에서는 초고온가스로 노심 흑연 구조물의 신뢰성 평가 관련 이해를 돕기 위해 원자력급 흑연의 일반적인 특성, 흑연 구조물의 파손 평가 모델 및 이론, ASME 응력 평가 모델에 대해 기술하고자 한다.

• 기계저널
• /
• 제26권3호
• /
• pp.200-203
• /
• 1986

본 해설에서는 이론적 해석의 접근방법을 통하여 열접촉 저항의 기본적인 구조를 이해하는데 목적을 두었으며, 여러형태의 이론적 모델중에서 비교적 단순한 Cetinkale & Fishenden 의 연구 결과를 이용하여 이 모델에 포함된 각 인자들을 실제표면에 대해 어떻게 적용하는가를 검토하 였다.