• 한국IT서비스학회:학술대회논문집
• /
• 2007.11a
• /
• pp.224-229
• /
• 2007

정보화발전과 함께 정보시스템의 투자규모가 확대되고 무분별한 점보시스템의 구축으로 인해 체계적인 정보화 투자 및 관리가 필요하게 되었다. 이로 인해 ITA의 도입 및 활용이 의무화되었다. 더불어 ITA의 지속적인 발전 및 고도화방향 설정을 할 수 있도록 하기 위한 도구로 성숙도 모델이 각각 정보통신부와 행정자치부에서 개발되었다. 2종의 상이한 성숙도 모델로 인해 개별기관에서 적용에 어려움을 겪고 있으며, 성숙도수준에 대한 서로 다른 측정결과가 도출되는 문제가 발생하였다. 본 논문에서는 2개의 상이한 모델의 장점을 통합하고 국내관점들 적극적으로 적용하는 등 문제점들 개선한 단일 성숙도모델인 범정부 ITA 성숙도모델을 제안한다. 또한 개별기관의 성숙도 수준들 단일 성숙도모델로 측정하여 ITA 수행 및 활용 능력을 파악하고 문제점을 사전에 발견하여 향후 범정부 차원의 지원방향을 결정하는 등 많은 효용성을 기대한다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2000.04a
• /
• pp.12-17
• /
• 2000

본 연구에서는 다 물류센터 문제를 해결하기 위한 통합 차량운송계획모델의 연구로서 다음과 같은 3단계모델을 개발하였다. 첫 번째 단계로서 다 물류센터의 문제를 단일 물류센터 문제로 변환하는 단계로서 물류센터별 공급 가능한 수요지를 선정하기 위한 방법인 구역할당모델(Sector-Clustering Model)을 개발하였으며, 두 번째 단계에서는 구역할당이 이루어진 단일 물류센터별로 차량경로 계획문제를 해결하기 위하여 개선된 Saving 알고리즘을 개발하여 차량종류 및 운송능력 등을 고려한 차량경로계획모델 (VRP)을 개발하였다. 세 번째 단계에서는 차량경로별 차량운송거리 및 시간을 최소화하는 최적차량운송순서계획 모델 GA-TSP을 개발하였다. 또한 객체지향 프로그래밍기법(Object Oriented Programming)을 기반으로 하여 사용자를 위한 GUI-Type 프로그램을 개발하고 다 물류센터의 통합차량운송계획을 위한 실 예를 들어 본 모델의 우수성을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.05a
• /
• pp.552-555
• /
• 2013

클라우드 컴퓨팅은 인터넷 기술을 기반으로 소프트웨어, 스토리지, OS 등의 가상화된 IT 자원 서비스로서 이용한 만큼 비용을 지불하는 방식으로 제공된다. 따라서 이를 이용하는 사용자 또는 조직이 IT 자원의 유지비용을 절감할 수 있는 이점이 있다. 하지만 기존의 단일 클라우드 서비스 모델은 가용성 문제, vendor lock-in 문제 등의 해결하기 어려운 문제점을 가지고 있다. 이에 따라 최근 클라우드 서비스 간 상호작용을 통해 기존 단일 클라우드의 문제를 해결하고자 하는 모델에 대한 연구가 진행되고 있다. 본 논문에서는 앞서 언급한 모델을 hybrid 클라우드 서비스 모델이라 칭한다. 현재까지 hybrid 클라우드 서비스 모델은 multi-cloud, inter-cloud, collaborative-cloud 등 크게 세 가지 형태로 제안되었다. 본 논문에서는 hybrid 클라우드 서비스 모델에 대한 전반적인 내용을 분석하고, 서로 다른 클라우드 서비스 간 상호작용 과정에서 새롭게 발생할 수 있는 보안 문제를 분석한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.426-427
• /
• 2023

최근 현대인의 식습관 및 고령화로 인해 당뇨병 환자의 수가 연간 증가하고 있다. 따라서 현재는 아직 당뇨병이 발생하지 않았더라도 미래에 발생할 가능성 예측의 중요성이 커지고 있다. 기존의 당뇨병 발생 여부 진단 연구는 회귀 분석과 같은 단일 모델을 사용하여 수행된다. 그러나 당뇨병에 영향을 미치는 변수들은 복잡하게 얽혀있어 단일 모델만으로는 패턴을 충분히 학습하기 어렵다. 본 논문에서는 데이터에 적합하게 자동으로 다층 스태킹 앙상블 모델을 구성하는 알고리즘을 이용한 다층 스태킹 앙상블 모델을 제안한다. 제안하는 방법은 성능이 높은 모델들을 기준으로 층을 쌓으며 모델을 구성하며 실험 결과 다른 자동 기계학습 라이브러리와 비교해 F1 score 기준으로 최대 12.89%p의 성능 향상을 보였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.6
• /
• pp.245-254
• /
• 2022

Proteins are the basic unit of all life activities, and understanding them is essential for studying life phenomena. Since the emergence of the machine learning methodology using artificial neural networks, many researchers have tried to predict the function of proteins using only protein sequences. Many combinations of deep learning models have been reported to academia, but the methods are different and there is no formal methodology, and they are tailored to different data, so there has never been a direct comparative analysis of which algorithms are more suitable for handling protein data. In this paper, the single model performance of each algorithm was compared and evaluated based on accuracy and speed by applying the same data to CNN, LSTM, and GRU models, which are the most frequently used representative algorithms in the convergence research field of predicting protein functions, and the final evaluation scale is presented as Micro Precision, Recall, and F1-score. The combined models CNN-LSTM and CNN-GRU models also were evaluated in the same way. Through this study, it was confirmed that the performance of LSTM as a single model is good in simple classification problems, overlapping CNN was suitable as a single model in complex classification problems, and the CNN-LSTM was relatively better as a combination model.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07a
• /
• pp.34-36
• /
• 2005

여러 대의 컴퓨터가 협조해야만 달성할 수 있는 응용을 위해 분산 처리 모델은 성공적인 해결책을 제공한다. 이는 분간 처리 모델이 여러 대의 컴퓨터를 통합하여 운영하는 체계적인 절차와 서비스를 제공하기 때문이다. 본 연구팀에서는 여러 대의 컴퓨터를 통합하여 활용하기 위하여 이미 익숙한 컴퓨팅 환경(단일 컴퓨팅 환경)을 위한 절차와 서비스를 적용하는 방안을 연구하고 있으며 이미 발표한 TORB(Transparent Object Request Broker)는 프로그래밍 투명성의 제공을 통하여 분산된 컴퓨팅 환경을 활용하기 위한 프로그램을 작성하는 것에 대한 투명한 서비스를 지원한다. 단일 컴퓨팅 환경에서는, 작성된 응용 프로그램을 기동하는 것이 무시하여도 좋을 만큼 간단한 절차이다. 그러나 분산된 컴퓨팅 환경에서 이를 간단한 절차로 수용하는 것은 쉬운 일이 아니며 기존의 분산 처리 모델에서는 체계적인 지원을 고려하고 있지 않다. 본 논문에서는 여러 대의 컴퓨터를 통합하여 활용하기 위하여 작성되어 분산 처리를 수행하는 응용프로그램을 단일 컴퓨팅 환경에서와 동일하게 취급하는 투명성을 제공하기 위한 방안과 이 기능의 수용에 대한 효과를 제시한다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.496-497
• /
• 2021

감정 분류는 사람의 사고방식이나 행동양식을 구분하기 위한 중요한 열쇠로, 지난 수십 년간 감정 분석과 관련된 다양한 연구가 진행되었다. 감정 분류의 품질과 정확도를 높이기 위한 방법 중 하나로 단일 레이블링 대신 다중 레이블링된 데이터 세트를 감정 분석에 활용하는 연구가 제안되었고, 본 논문에서는 T5 모델을 한국어와 영어 코퍼스로 학습한 KE-T5 모델을 기반으로 한국어 발화 데이터를 단일 레이블링한 경우와 다중 레이블링한 경우의 감정 분류 성능을 비교한 결과 다중 레이블 데이터 세트가 단일 레이블 데이터 세트보다 23.3% 더 높은 정확도를 보임을 확인했다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.95-97
• /
• 2022

본 논문에서는 산업 현장에서 발생하는 불량품 탐지 분야에서 효율적으로 생산품의 불량을 탐지할 수 있는 PaDiM 구조의 Backbone 모델을 단일 Wide-ResNet 대신 두 개의 Wide-ResNet을 사용함으로써, 단일 모델에서 추출된 저차원의 Feature를 앙상블을 통해 성능 향상을 일으킬 수 있는 것을 증명하였다. 단일 Wide-ResNet 환경에서는 MVTec 데이터셋에서 생성된 다변량 가우시안 분포가 데이터셋의 적은 샘플수로 인하여 각 클래스 간 불균형이 발생하는 문제를 동종 앙상블을 통해 해결할 수 있었다. 따라서 본 논문에서는 제안하는 동종 모델의 앙상블을 사용함으로써 기존의 One-class classification 환경에서 불량품 탐지환경에서 적은 수의 데이터 샘플 환경에서 성능 향상을 나타낼 수 있음을 입증하였다.

• Journal of KIISE
• /
• v.42 no.6
• /
• pp.817-822
• /
• 2015

Relation extraction is an important information extraction technique that can be widely used in areas such as question-answering and knowledge population. Previous studies on relation extraction have been based on supervised machine learning models that need a large amount of training data manually annotated with relation categories. Recently, to reduce the manual annotation efforts for constructing training data, distant supervision methods have been proposed. However, these methods suffer from a drawback: it is difficult to use these methods for collecting negative training data that are necessary for resolving classification problems. To overcome this drawback, we propose a one-class classification model that can be trained without using negative data. The proposed model determines whether an input data item is included in an inner category by using a similarity measure based on lexical information and syntactic patterns in a vector space. In the experiments conducted in this study, the proposed model showed higher performance (an F1-score of 0.6509 and an accuracy of 0.6833) than a representative one-class classification model, one-class SVM(Support Vector Machine).

• Journal of the Korean Society for Railway
• /
• v.14 no.3
• /
• pp.203-210
• /
• 2011

This study formulates the theoretical wheel-set model to evaluate wheel-climbing derailments of rolling stock due to collision, and verifies this theory with dynamic simulations. The impact forces occurring during collision are transmitted from a car body to axles through suspensions. As a result of combinations of horizontal and vertical forces applied to axles, rolling stock may lead to derailment. The derailment type will depend on the combinations of the horizontal and vertical forces, flange angle and friction coefficient. According to collision conditions, the wheel-lift, wheel-climbing or roll-over derailments can occur between wheel and rail. In this theoretical derailment model of wheelset, the wheel-climbing derailment types are classified into Climb-over, Climb/roll-over, and pure Roll-over according to derailment mechanism between wheel and rail, and we proposed the theoretical conditions to generate each derailment mechanism. The theoretical wheel-set model was verified by dynamic simulations.