• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.27-31
• /
• 2011

차량의 대형화 및 고속화, 그리고 기존 교량의 노후화를 고려하였을 때, 교량의 건전성 평가는 매우 중요해지고 있다. 거동을 예측하는데 사용되는 유한요소 모델의 신뢰도는 이상적인 가정과 모델링 오차, 교량의 노후화 등에 의해 실제 거동을 반영하지 못하는 경우가 많다. 유한요소 모델의 신뢰도를 높이기 위해, 실제 교량의 거동을 계측하여, 이를 기반으로 물리적 의미를 가지는 변수들과 지점의 조건을 수정하는 모델의 개선이 주로 행해진다. 이러한 모델 개선은 최적화 기법을 통해 수행된다. 본 연구에서는 목적함수간 가중치에 의한 모델 개선 결과의 영향과 다중 목적 함수 최적화 기법을 통해, 가중치의 영향을 줄이고, 다양한 개선 모델들을 구하는데 적용하였다. 팔곡 3교의 실제 계측 데이터를 이용하여 단일 다중 목적 함수 기반의 모델 개선을 수행하였다. 단일 목적 함수의 경우, 정의되는 목적함수는 주로 고유진동수와 모드 형상에 관한 차이의 가중치 합으로 표현되어 지며, 이러한 가중치에 따라, 모델 개선의 결과에 영향을 가함을 확인하였다. 다중 목적 함수 기반의 모델 개선을 통해, 구해진 모델 개선 결과를 단일 목적 함수 기반 모델 개선의 결과들과 비교하였으며, 모델 개선에 대한 다중 목적 함수 최적화 적용을 분석하였다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.71-76
• /
• 2022

목적 지향 대화 시스템은 사용자가 원하는 목적을 달성하기 위해 사용하는 시스템으로 일상 대화와 다르게 시스템이 정보를 명확히 전달하는 것이 중요하다. 따라서 최근 연구에서 목적 지향 대화 시스템을 위한 자연어 생성 모델은 정해진 대화 정책에 따라 알맞은 응답을 생성할 수 있도록 의도와 슬롯 정보를 담은 대화 행위(Dialog Act)를 활용한다. 하지만 대화 행위는 생성하는 문장을 탁월하게 제어하는 반면에 대화의 흐름과 상황에 맞게 다양한 문장을 생성하기 어렵다는 문제점을 가지고 있다. 이러한 문제점을 해소하고자 본 논문에서는 목적에 부합하는 내용을 명확하게 자연어로 생성하기 위해 대화 행위를 사용하면서 동시에 일상 대화 생성 모델과 같이 문맥을 고려하여 대화 흐름에 어울리는 자연스러운 문장을 생성할 수 있는 문맥 기반의 제어 가능한 자연어 생성 모델을 제안한다. 실험에서는 KoGPT2 사전 학습 모델과 한국어 대화 데이터셋을 사용하였으며 실험을 통해 대화 행위 기반의 자연어 생성 모델과 본 연구에서 제안한 문맥 기반의 제어 가능한 자연어 생성 모델을 비교하였다. 결과적으로 대화 행위를 단독으로 학습한 모델보다 일정 문맥을 함께 학습한 모델이 유의미한 BLEU 점수 향상을 보인다는 점을 확인하였다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2001.05a
• /
• pp.565-570
• /
• 2001

대상 기계구조물의 유한요소 모델로부터 구한 해석결과가 실험결과와 오차를 나타낼 때, 이러한 오차를 줄일 수 있도록 유한요소 모델의 변경이 요구된다. 유한요소 모델개선은 이러한 역문제(Inverse Problem)를 다루는 체계적인 접근법이다. 일반적으로 유한요소 모델에서 변경할 수 있는 매개변수의 개수는 실험결과의 개수보다 많으므로 실험결과와 일치되는 개선된 유한요소 모델은 무한하다고 할 수 있다. 그러나, 개선된 유한요소 모델이 물리적 타당성을 갖도록 매개변수의 변경량에 제한을 주면 일반적으로 초기 유한요소 모델에 비해 실험결과와의 오차가 개선된 근사해만 존재하게 된다. 따라서, 모델개선 과정을 통해 구한 개선된 모델은 오차의 평가기준 또는 목적함수에 따라 정해진 다양한 근사해 중 하나이다. 기존의 모델개선 방법에서는 단 하나의 오차 평가기준 또는 목적함수를 사용하고 이를 최소화 하는 모델을 구한다. 개선된 모델을 구하기 이전에는 사용된 평가기준이 타당한지 검토할 수 없으므로 대부분의 경우, 시행착오법으로 목적함수를 설정하게 된다. 본 논문에서는 다목적 최적화 기법을 이용한 오차 평가기준을 소개하고 이를 하드디스크커버 유한요소 모델개선에 응용한다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2002.05a
• /
• pp.660-665
• /
• 2002

일반적으로 유한요소 모델로부터 구한 해석결과는 대상 구조물의 모드 실험결과와 오차를 보인다. 이러한 오차로 인해서 유한요소 모델의 효용성에 한계가 발생하게 되면, 모델의 신뢰성을 높일 수 있도록 모델을 보정하는 절차가 필요하다. 유한요소 모델 개선은 이러한 오차를 줄이기 위해서 유한요소 모델을 변경하는 체계적인 접근법이다. 유한요소 모델에서 변경할 수 있는 매개변수의 개수는 실험결과의 개수보다 훨씬 많으므로 실험결과와 일치되는 개선된 모델의 수는 무한하다고 할 수 있다. 그러나, 개선된 유한요소 모델이 물리적 타당성을 갖도록 매개변수의 선택과 변경에 제한을 주면 초기 유한요소 모델에 비해서 실험결과와의 오차가 개선된 근사해만 존재하게 된다. 따라서, 모델 개선 과정을 통해서 구한 개선된 모델은 오차의 평가기준 또는 목적함수에 따라서 정해진 다양한 근사해 중 하나이다. 기존의 모델 개선 방법에서는 실험결과와의 오차를 나타내는 단 하나의 평가기준 또는 목적함수를 사용하고 이를 최소화하는 모델을 구한다. 최적화 결과를 얻기 전에는 사용된 평가기준이 타당한지 검토할 수 없으므로 대부분의 경우, 시행착오 방법으로 목적함수를 설정하게 된다. 본 논문에서는 이러한 문제점을 해결하기 위해서 다목적 최적화 개념을 이용한 평가기준을 소개하고 특히, 대화식 다목적 최적화 기법을 이용하여 유한요소 모델을 개선한다.

• Journal of the Korean Society of Safety
• /
• v.4 no.1
• /
• pp.103-120
• /
• 1989

최근 도시교통계획분야에 있어서 교통수요의 예측모델 또는 교통정책의 평가 모델로서 비집계(非集計) 모델에 관한 연구가 진행되고 있다. 이 비집계모델은 개개의 의사결정단위에 있어서 선택행동을 영역마다 집계하는 것이 아니고 의사결정레벨의 데이터률 그대로 모델로 구성할 경우 이 데이터를 이용함으로써 의사결정단위의 선택행동을 모델화 할 수 있다는 특징을 갖고 있다. 한편 비집계모델의 사용목적은 여러가지로 생각되나 이것을 교통수요의 목적이나 교통정잭의 평가를 위한 모델로 이용할 때는 파라미터의 추정값이나 선택비율의 추정값에 대한 안정성이 매우 중요한 문제가 되고 있다.

• Journal of Korean Society of Transportation
• /
• v.16 no.1
• /
• pp.165-186
• /
• 1998

선진 외국의 대도시에서는 도시고속도로의 원할한 교통류 흐름을 유지하기 위하여 다양한 교통류 관리기법을 도입.시행하고 있으며, 운영전략의 개발과 교통류 관리기법의 평가를 위한 다양한 모델을 개발.적용하고 있다. 서울시 도시고속도로의 경우에는 외국 도시고속도로의 교통류와 상이한 특성이 많아 기존에 개발된 모델의 적용이 매우 어려운 실정이며, 현재가지 실제교통류 관리를 위한 목적으로 개발되어 적용되는 모델은 없는 실정이다. 따라서 향후 서울시 도시고속도로 교통관리시스템의 효율적인 운영을 위하여 교통류 관리기법을 선정하고, 각 기법별로 교통류 소통상황을 예측할 수 있는 기능을 갖춘 국내 실정에 맞는 도시고속도로 교통류 예측 모델의 개발이 반드시 필요하다. 본 연구의 목적은 도시고속도로를 대상을 교통류의 현상을 잘 표현하며, 도시고속도로 교통류 관리를 위한 기법의 개발 및 평가가 가능한 시뮬레이션 모델(KUFRE:Korean Urban Freeway Simulation Model)을 개발하는 것이 목적이다.

• Journal of The Korean Association For Science Education
• /
• v.37 no.2
• /
• pp.239-252
• /
• 2017

The purpose of this study is to examine metamodeling knowledge and its components, which means knowledge about model and modeling required for students and teachers for successful application of modeling in the field of science education based on research literature. For this, we analyzed and categorized major previous studies on modeling and modeling through research literature methods. Metamodeling knowledge aims to recognize models and modeling and is the most crucial element to create a scientific model in scientific modeling practice. The point of view of metamodeling knowledge proposed in this study is categorize nature of model, multiplicity of model, purpose of model, modeling process, and evaluation and revision of model. Students should be able to achieve more in-depth understanding through the awareness of the nature of the model. The development of metamodeling knowledge can facilitate students' science learning.

• Proceedings of the Korea Contents Association Conference
• /
• 2003.11a
• /
• pp.260-264
• /
• 2003

본 논문에서는 인터넷에서의 트래픽 엔지니어링 체제를 구축하기 위하여 트래픽 엔지니어링을 수행하기 위한 기능 모델을 제시하였다. 제시한 기능 모델은 트래픽 관리, 용량 관리, 그리고 네트워크 계획으로 구성된다. 트래픽 관리는 다양한 조건하에서 네트워크 성능을 최대화하는 것을 목적으로 하며, 용량 관리는 최소의 비용으로 네트워크 요구에 대한 성능 목표치를 만족시키기 위하여 네트워크가 설계되고 제공됨을 목적으로 한다. 또한 네트워크 계획은 예측된 트래픽 증가에 앞서 노드와 전송 용량이 계획되고 배치됨을 보장한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.393-396
• /
• 2022

본 연구는 국방과학기술 분야의 특허 및 논문 실적을 이용하여 통계기반 기계학습 모델 4 종을 학습하고, 실제 분석 대상기관의 데이터 입력결과를 분석하여 실용성에 대한 한계점 분석을 목적으로 한다. 기존 연구에서는 특허분류코드를 기준으로 분류하여 특수 목적으로 활용하거나 세부 연구 범위 내 연구 주제탐색 및 특징연구 등 미시적인 관점에서의 상세연구 활용 목적인 반면, 본 연구는 거시적인 관점에서 연구의 전체적인 흐름과 경향성 파악을 목적으로 한다. 이에 ICT 기술 138 종의 특허 및 논문 30,965 건과 국방과학기술 192 종의 특허 및 논문 23,406 건을 학습데이터로 각 모델을 학습하였다. 비교한 통계기반 학습모델은 Support Vector Machines, Decision Tree, Naive Bayes, XGBoost 모델이다. 학습데이터에 대한 학습검증 단계에서는 최대 99.4%의 성능을 보였다. 다만, 실제 분석대상기관의 특허 및 논문 12,824 건으로 입력분석한 결과, 모델별 편향성 문제, 데이터 전처리 이슈, 다중클래스 및 다중레이블 문제를 확인, 도출한 문제에 대한 해결방안을 제시하고 추가 연구의 방향성을 제시한다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.531-534
• /
• 2022

신경망 기반 심층학습 기술은 대화처리 분야에서 대폭적인 성능 개선을 가져왔다. 특히 GPT-2와 같은 대규모 사전학습 언어모델을 백본 네트워크로 하고 특정 도메인 타스크 대화 데이터에 대해서 미세조정 방식으로 생성되는 종단형 대화모델의 경우, 해당 도메인 타스크에 대해서 높은 성능을 내고 있다. 하지만 이런 연구들은 대부분 하나의 도메인에 대해서만 초점을 맞출 뿐 싱글 모델로 두 개 이상의 도메인을 고려하고 있지는 않다. 특히 순차적인 미세 조정은 이전에 학습된 도메인에 대해서는 catastrophic forgetting 문제를 발생시킴으로써 해당 도메인 타스크에 대한 성능 하락이 불가피하다. 본 논문에서는 이러한 문제를 해결하기 위하여 MultiWoz 목적지향 대화 데이터에 오픈 도메인 칫챗 대화턴을 유사도에 기반하여 추가하는 데이터 증강 방식을 통해 사용자 입력 및 문맥에 따라 MultiWoz 목적지향 대화와 오픈 도메인 칫챗 대화를 함께 생성할 수 있도록 하였다. 또한 목적지향 대화와 오픈 도메인 칫챗 대화가 혼합된 대화에서의 시스템 응답 생성 성능을 평가하기 위하여 오픈 도메인 칫챗 대화턴을 수작업으로 추가한 확장된 MultiWoz 평가셋을 구축하였다.