• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회
• /
• pp.243-248
• /
• 2020

인공 신경망을 통한 심층 학습 모델의 발전은 컴퓨터 비전, 자연언어 이해 문제들에서 인간을 뛰어넘는 성능을 보이고 있다. 특히 트랜스포머[1] 기반의 사전 학습 모델은 질의응답, 대화문과 같은 자연언어 이해 문제에서 최근 높은 성능을 보이고 있다. 하지만 트랜스포머 기반의 모델과 같은 심층 학습 모델의 급격한 발전 양상에 비해, 이의 동작 방식은 상대적으로 잘 알려져 있지 않다. 인공 신경망을 통한 심층 학습 모델을 해석하는 방법으로 모델의 예측 값과 실제 값이 얼마나 일치하는지를 측정하는 모델의 보정(Calibration)이 있다. 본 연구는 한국어 기반의 심층학습 모델의 해석을 위해 모델의 보정을 수행하였다. 그리고 사전 학습된 한국어 언어 모델이 문장이 내포하는 애매성을 잘 파악하는지의 여부를 확인하고, 완화 기법들을 적용하여 문장의 애매성을 확신 수준을 통해 정량적으로 출력할 수 있도록 하였다. 또한 한국어의 문법적 특징으로 인한 문장의 의미 변화를 모델 보정 관점에서 평가하여 한국어의 문법적 특징을 심층학습 언어 모델이 잘 이해하고 있는지를 정량적으로 확인하였다.

• 한국학교수학회논문집
• /
• 제16권2호
• /
• pp.409-434
• /
• 2013

수리능력은 전문 역량 학습의 기초가 될 뿐만 아니라 직업 세계에의 적응과 경력 개발을 위해서도 필수적인 역량이다. 따라서 특성화 고둥학교 학생들의 기초 학력을 신장시키고, 나아가 이후 학생들이 직업 세계에 적응할 수 있도록 지원하는 학습 지원 체제가 필요하다. 이러한 취지하에, 이 연구에서는 특성화 고등학교 학생들의 수리능력을 향상시킬 수 있는 학생 개인별 수준에 맞는 맞춤형 프로그램을 개발하여 제공하고자 하였다. 이를 위하여, 첫째, 특성화고 마이스터고 학생들의 수리능력 신장을 위한 효율적 보정학습 체제를 구안하고자 하였다. 둘째, 보정학습 대상자 선정, 보정 대상 단계 및 수준 확정, 단계 인증을 위한 진단평가 도구를 개발하여 학습자 개개인을 위한 맞춤형 보정교육이 이루어질 수 있도록 하였다. 셋째, 직업 세계에서 수리능력의 효과적 활용을 도모하는 실제 중심의 보정학습 자료를 개발하고자 하였다. 다만, 본고에서는 자료 개발의 예로 모든 영역의 내용을 제시하기에는 방대하므로 함수에 해당하는 '변화와 관계' 영역에 중점을 두어 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.70-70
• /
• 2023

강우 발생 중 용담댐 상류로부터 용담댐으로 유입되는 유입량을 정확하게 예측하는 것은 하류 지역의 홍수 피해를 최소화하기 위한 댐의 적절한 운영에 필수적이다. 물리 기반 강우-유출 시뮬레이션 모형은 물리적 과정의 이해를 바탕으로 홍수 예측 분야에 광범위하게 사용되고 있다. 그러나 복잡한 물리 과정을 완벽히 이해하는 것은 거의 불가능하므로 다양한 가정 조건들을 이용해 복잡한 과정을 단순화하여 계산해야 하는 한계가 존재한다. 최근에는 방대한 데이터의 축적과 컴퓨터 능력의 향상으로 인해 데이터 기반 모형이 다양한 실무 문제를 해결하는 데 강력한 도구로 활용되고 있을 뿐 아니라 시뮬레이션 및 예측 등에도 다양하게 이용되고 있다. 그러나 예측 시간이 늘어날수록 입력자료로 이용되는 과거 자료와 출력자료로 이용되는 미래자료와의 상관관계가 줄어들어 모형의 성능이 저하된다. 따라서 본 연구에서는 용담댐의 시간당 유입량을 예측하기 위해 물리 기반 강우-유출 모형과 오차 보정 모형을 결합한 하이브리드 접근 방식을 제안한다. 물리 기반 강우-유출 모형으로는 HEC-HMS 모형을 사용하였으며, 오차 보정 모형에는 기계학습 모형인 인공신경망(Artificial Neural Network, ANN) 모형을 사용하였다. HEC-HMS 모형, ANN 및 하이브리드 모형(HEC-HMS + ANN)의 성능을 비교하기 위해 20 개의 홍수 사상을 모형 구축 및 검증에 사용하였다. 그 결과 하이브리드 모형은 예측 시간이 늘어날수록 HEC-HMS 및 ANN 모형보다 우수한 성능을 나타냈다. 물리모형에 기계학습을 이용한 오차 보정 절차를 통합한 경우 홍수 유출 예측의 정확성이 향상되었다. 다양한 모형의 비교 결과 본 연구에서 적용한 하이브리드 모형이 물리기반 강우-유출 모형 및 순수 기계학습 모형보다 우수한 성능을 보여줌으로써, 하이브리드 모형은 물리모형과 순수 기계학습 모형의 단점들을 보완하는데 이용할 수 있음을 나타낸다. 이 연구의 주요 목적은 강우-유출 시물레이션 모형의 오차 보정 기술에 대한 더 깊은 이해를 제공하는데 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.917-919
• /
• 2017

본 연구에서는 X-ray 산란선 보정을 위한 신경망에서 학습기법의 세부 방법론을 고찰한다. 학습데이터의 생성 과정과 데이터의 표현 과정에서 X-ray 영상의 특성을 반영하여 다양한 방법을 제시하고 실험적으로 고찰하였다. 학습을 위한 계산량의 문제와 유효하지 않은 학습데이터로 인한 성능 저하를 개선하기 위하여 샘플링과정을 수행하고 로컬영역을 고려하는 학습데이터 생성방법을 제시하였다. 실제 동일 피사체에 대하여 그리드 장비를 사용한 영상과 비교한 실험 결과를 통하여 제안된 방법의 유용성을 평가하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1269-1273
• /
• 2010

이러한 강우자료의 결측값이나 오자료를 보정하는 것은 그 유역의 정확한 수문학적 특성 파악 및 안전한 수공구조물의 설계에 영향을 미치게 되므로 매우 중요하다고 할 수 있다. 최근 이러한 강우자료를 비선형적 모델인 인공신경망(Artificial Neural Network)을 이용하여 보정하는 연구가 활발히 진행되고 있다(오재우 등, 2008). 그러나 이러한 인공신경망을 적용하는 경우, 선택한 신경망 구조의 형태와 학습(training)을 위해 사용되는 자료가 전체 자료의 특성을 반영하고 있는 정도에 따라 정확도에 차이를 보인다(한광희 등, 2010). 따라서 자료보정을 위한 입력 자료의 선택은 인공신경망을 이용한 결측치 보정의 중요한 과정이다. 본 연구에서는 이러한 입력 자료의 선택을 위한 여러 가지 기법 중 입력 변수간의 상호정보량 (Mutual Information)을 이용한 방법을 적용하여 대상 결측 지점을 보정할 강우지점을 선별한 후 선택된 지점만으로 인공신경망을 구성하여 강우자료를 보정하고 주변 자료를 모두 이용한 결과와 상관성분석으로 얻어진 결과와 비교하였다.

• 컴퓨터교육학회논문지
• /
• 제18권6호
• /
• pp.81-88
• /
• 2015

웹 3.0 시대의 도래와 IoT(Internet of Things) 기술을 발달에 따라 생산된 정보의 양 역시 기하급수적으로 늘고 있다. 본 논문에서는 이 중에서 사용자의 관심도가 높은 개체명(NE: Named Entity) 사전을 반자동으로 구축하는 도구를 개발하였다. 제안된 방법은 초기 학습 모델을 통해 인식된 결과로부터 오류 후보를 자동으로 생성하고 사용자로부터 최소한의 보정 작업을 수행하여 이를 재학습한다, 특히 공개지식자원인 위키피디아 내의 다양한 메타데이터의 특성을 활용하여 능동 학습에 필요한 학습 예제 작성을 위한 수작업을 최소화하고자 한다. 도구 활용 효과를 분석한 결과, 능동 학습을 통해 자동 인식 결과의 오류의 약 68.6%가 보정됨을 보였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 하계학술대회
• /
• pp.347-348
• /
• 2018

본 논문에서는 야간 도로 영상을 보정하여 주간 영상으로 변환하는 알고리즘을 제안한다. 영상 변환 딥러닝 알고리즘인 Generative Adversarial Network(GAN)를 기반으로 주야간 도로 영상을 학습시켜 주야간 상호 변환이 가능한 시스템을 구현한다. 우선, 입력 영상에 대해 변환된 영상을 출력하는 generative network 를 정의한다. 또한, 변환된 영상을 다시 본래 영상으로 변환하는 inverse network 를 정의한다. Generative network 와 inverse network 를 모두 통과한 결과 영상과 본래 영상의 차 영상을 통해 손실 함수를 정의함으로써 파라미터를 목적에 맞게 학습시킬 수 있다. 또한, generative network 를 통과한 결과 영상과 목적하는 영상을 구분하는 discrimination network 를 정의하여 discrimination network 와 generative network 의 minimax two- player game 을 통해 변환된 영상이 실제 목적 영상과 유사하도록 유도한다. 제안하는 알고리즘을 적용하여 야간 도로 영상의 보정을 수행하면 주변 물체 인식이 어려운 야간 영상을 물체 인식이 용이한 주간 영상으로 변환 할 수 있다.

• 전자공학회논문지S
• /
• 제36S권4호
• /
• pp.55-69
• /
• 1999

일반적으로 잉크젯 프린터는 농도에 대해 선형적인 계조재현 특성을 나타낸다. 그러나 인간 시각의 경우 농도에 선형적인 프린터 출력에 대하여 비선형적인 지각반응을 나타낸다. 즉 농도가 큰 패치(patch)에 대해서는 명도나 색차에 대한 변별력이 작으며 농도가 작은 패치에 대해서는 좀 더 예민한 변별력을 갖는다. 따라서 농도에 선형적인 프린터 출력은 시각적인 활성영역을 줄이므로 프린터에서 구별되는 계조의 범위가 좁아진다. 그러므로 본 논문에서는 인간의 시지각 특성과 매우 상관도가 높은 CIELAB 색공간을 이용하여 균등한 명도 변화 및 색차를 나타내도록 하는 프린터 계조재현 알고리즘을 제안한다. 이때 시각적으로 균등한 변화를 나타내는 프린터의 입력값을 찾기 위해 다층 퍼셉트론 신경망(multi-layer perceptron neural network, MLP)을 이용하였다. 신경망의 학습을 위해 계조에 따른 패치를 만들고, 프린터 구동입력신호 및 패치의 측정된 값으로 신경망을 학습하였다. 학습된 신경망으로 선형적인 출력을 내는 프린터 구동신호를 찾고 LUT(look-up table)를 이용하여 프린터 입력 신호를 역으로 보정하였다. 결과, 보정된 프린터의 출력이 선형적인 계조 변화를 보였고 변화가 인지되는 계조의 범위가 늘어났으며 실형상에 대한 실험에 있어서도 우수한 화질을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.97-97
• /
• 2023

최근 재해분야에서 인공신경망(ANN), 기계학습(ML), 딥러닝(DL) 등 AI 기술이 활용성이 점차 증가하고 있으며, 센싱정보와 연계한 시설물 안전관리, 원격탐사와 연계한 재해감시(녹조, 산사태, 산불 등), 수문시계열(수위, 유량 등) 예측, 레이더·위성강수 자료의 보정과 예측, 상하수도 관망누수예측 등 다양한 분야에서 AI 기술이 적용되고 그 활용성이 검증된 바 있다. 본 연구에서는 ML, DL, 물리기반신경망(Pysics-informed Neural Networks, PINNs)을 이용한 다양한 재해분석 사례를 소개하고, 그 활용성과 한계에 대해서 논의하고자 한다. 주요사례로는 (1) SAR영상과 기계학습을 이용한 재해피해지역(울진 산불) 감지, (2) 국가 디지털 정보를 이용한 산사태 위험지역 판별(인제 산사태) (3) 기계학습 및 딥러닝 기법을 이용한 위성강수 자료의 보정·예측 및 유출해석, (4) 수리해석을 위한 수치해석분야에서의 PINNs의 적용성(1차원 Saint-Venant 식 해석) 평가 연구결과를 공유한다. 특히, 자료의 입·출력 자료만으로 학습된 인공신경망 모형 대신 지배방정식(물리방정식)을 만족하도록 강제한 PINNs의 경우, 인공신경망 모형보다 우수한 모의능력을 보여주었으며, 향후 복잡한 수리모델링 등 수치해석분야에서 그 활용가능성이 매우 높을 것으로 판단된다.

• 컴퓨터교육학회논문지
• /
• 제22권1호
• /
• pp.63-78
• /
• 2019

본 연구는 학교 현장에 지속적이고 체계적인 기초학력 지원을 위해 2015년부터 초 중등 교사를 대상으로 활용되고 있는 기초학력 진단-보정 학습 시스템의 사용성 문제를 개선하는 데 목적이 있다. 이를 위해 사용자 유형(학교관리자 및 교사)별 UX/UI를 기초 설문조사, 사용자 테스팅, 심층 인터뷰, 전문가 휴리스틱스 등 사용성 평가를 수행하였다. 이러한 양적/질적 사용성 평가결과 분석을 통해 도출된 개선사항을 반영한 프로토타입을 개발하고 이를 반복적으로 평가함으로써 사용자 중심의 시스템으로 개선하였다. 본 연구는 전국단위로 활용하고 있는 기초학력 진단-보정 학습 시스템을 사용자 유형(관리자/교사/학생)별 맞춤형 기능 및 UX/UI 개선을 통해 사용자 친화적 시스템으로 개발하였다는데 의의가 있다.