• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.343-346
• /
• 2020

개체명 인식은 주어진 문장 내에서 OOV(Out of Vocaburary)로 자주 등장하는 고유한 의미가 있는 단어들을 미리 정의된 개체의 범주로 분류하는 작업이다. 최근 개체명이 문장 내에서 OOV로 등장하는 문제를 해결하기 위해 외부 리소스를 활용하는 연구들이 많이 진행되었다. 본 논문은 의미역, 의존관계 분석에 한국어 어휘지도를 이용한 자질을 추가하여 성능 향상을 보인 연구들을 바탕으로 이를 한국어 개체명 인식에 적용하고 평가하였다. 실험 결과, 한국어 어휘지도를 활용한 자질을 추가로 학습한 모델이 기존 모델에 비해 평균 1.83% 포인트 향상하였다. 또한, CRF 단일 모델만을 사용했음에도 87.25% 포인트라는 높은 성능을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.964-966
• /
• 2022

본 연구는 유료 OCR 서비스를 이용하여 야외 촬영 이미지의 텍스트를 검출하는 프로젝트에서 야외 촬영 텍스트를 학습시킨 Yolov4 모델을 통한 전처리 작업을 제안한다. 텍스트 감지를 통한 이미지 텍스트 전처리 진행은 불필요한 OCR 실행을 줄여 리소스를 절약하고 유료 서비스의 경우 비용 절감 효과까지 도모할 수 있다는 장점이 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.918-919
• /
• 2023

딥러닝 기술이 발전함에 따라 모델의 복잡성 역시 증가하고 있다. 본 연구에서는 모델 경량화를 위해 Knowledge Distillation 기법을 Crowd Counting Model에 적용했다. M-SFANet을 Teacher 모델로, 파라미터수가 적은 MCNN 모델을 Student 모델로 채택해 Knowledge Distillation을 적용한 결과, 기존의 MCNN 모델보다 성능을 향상했다. 이는 정확도와 메모리 효율성 측면에서 많은 개선을 이루어 컴퓨팅 리소스가 부족한 기기에서도 본 모델을 실행할 수 있어 많은 활용이 가능할 것이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.600-601
• /
• 2024

본 논문은 RAG(Retrieval-Augmented Generation) End2End의 리소스(Resource) 과부하 문제를 해결하는 동시에 모델 성능을 향상 시키기 위해 PEFT(Parameters-Efficient Fine-Tuning)기술인 LoRA(Low Rank Adaptation)적용에 관한 연구이다. 본 논문에서는 RAG End2End 모델의 파라미터 값과 개수를 유지하면서, LRM(Low Rank Matrices)을 이용하여 추가적인 파라미터만을 미세 조정하는 방식으로, 전반적인 모델의 효율성을 극대화하는 방안을 제시하였다. 본 논문에서 다양한 도메인에 데이터 셋에 대한 제안 방식의 성능을 검증하고자 Conversation, Covid-19, News 데이터 셋을 사용하였다. 실험결과, 훈련에 필요한 파라미터의 크기가 약 6.4억개에서 180만개로 감소하였고, EM(Exact Match)점수가 유사하거나 향상되었다. 이는 LoRA를 통한 접근 법이 RAG End2End 모델의 효율성을 개선할 수 있는 효과적인 전략임을 증명하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.798-800
• /
• 2024

현대의 머신러닝 환경에서는 특히 모바일 컴퓨팅 및 사물 인터넷(IoT)의 애플리케이션 영역에서 개인 정보를 보호하고 효율적이며 확장 가능한 모델에 대한 관심이 높아지고 있다. 본 연구는 연합 학습(FL)과 자기지도 학습(self-supervised learning)을 결합하여 이질적(heterogeneous)인 분산 자원에서 레이블이 없는 데이터를 활용하면서 사용자의 개인 정보를 보호하는 새로운 프레임워크를 소개한다. 이 프레임워크의 핵심은 SimCLR 과 같은 자기지도 학습 기법으로 학습된 공유 인코더로, 입력 데이터에서 고수준 특성을 추출하도록 설계되었다. 또한 이 구조를 통해 주석(annotation)이 없는 방대한 데이터셋을 활용하여 모델 성능을 향상시키고, 여러 개의 격리된 모델이 필요하지 않아 리소스를 크게 최적화할 수 있는 가능성을 확인했다. 본 연구를 통해 생성된 모델은 중앙 집중 방식(CL)이면서 자기지도학습으로 학습되지 않은 기존 모델과 비교하여 전체 평균 정확도가 14.488% 향상됐다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.386-390
• /
• 2007

센서 네트워크 시스템은 한정된 자원을 갖는 센서노드들을 광대한 영역에 설치하여 새로운 정보를 수집 하고 모니터링 하는 기능을 한다. 센서 노드와 센서의 고장(Sensor node faulty or Sensor faulty)은 열악한 설치 환경이나 제한된 리소스에 의해 종종 발생 되는데 이들 고장은 네트워크 내에서 요구되는 양질의 서비스 제공에 많은 문제를 가져온다. 본 논문에서는 센서 노드의 고장 검출 알고리즘으로 알려져 있는 Consensus 알고리즘과 센서노드에서 사용되는 센서의 고장을 검출할 수 있는 localized faulty sensor detection 알고리즘을 혼합하여 시스템에 안정된 서비스를 제공할 수 있는 방법을 제안하며 실제 시뮬레이션과 제작된 실험장치에 적용함으로써 그 유용성을 확인하고자 한다.

• Journal of Digital Contents Society
• /
• v.12 no.2
• /
• pp.185-194
• /
• 2011

This paper introduces a Statecharts-based progressive behavior LOD model for computer games and virtual reality systems. In order to use computing resources efficiently and generate an LOD model having arbitrary complexity, we defined a progressive behavior LOD model which including a Statecharts-based specification process, refinement operations, a switching policy, and an LOD selection policy. Additionally, in order to show the possibility of the proposed approach, we demonstrate an example of progressive LOD models by illustrating a step-by-step design of a virtual vehicle.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.405-408
• /
• 2007

CRM, Biouformatics 등 데이터 마이닝이 적용되는 분야에서 데이터분석에 주로 사용되는 도구는 고가의 마이닝 패키지들이다. SAS사의 Enterprise Miner, SPSS사의 Clementine 등이 대표적이다. 그러나 이 패키지들은 방대한 분석시스템으로 이루어져 있기 때문에 배우기가 어렵고 또한 고급의 컴퓨터 리소스들을 요구한다. 따라서 중소규모의 업체나 연구조직에서는 이와 같은 고성능의 마이닝 패키지를 사용하는데 상당한 어려움이 있다. 본 논문에서는 공개 소스시스템에서 제공되는 패키지를 이용하여 중소규모의 마이닝 프로젝트를 위한 효과적인 전략을 제안한다. 본 논문의 제안전략에 의해 비용 절감과 동시에 수준 높은 마이닝 결과를 제공받을 수 있게 된다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.12 no.3
• /
• pp.1408-1416
• /
• 2011

Cloud computing provides not only cost savings and efficiencies for computing resources, but the ability to expend and enhance services. However, cloud service users(enterprisers) are very concerned about the risks created by the characteristics of cloud computing. In this paper, we discuss major concerns about cloud computing environments including concerns regarding security. We also analyze the security concerns specifically, identify threats to cloud computing, and propose general countermeasures to reduce the security risks.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04a
• /
• pp.499-501
• /
• 2002

지니의 가장 큰 장점은 "Network and Play"기능이다. 이는 언제 어디서나 네트웍에 연결만 될 수 있다면 지니 네트웍 내의 모든 서비스를 이용할 수 있다는 것을 의미 한다. 하지만 정보 단말기에서 지니가 동작 가능하기 위해서는 많은 제약 조건을 가진다. 우선 지니의 가장 큰 장점인 "Network and Play"기능을 지원하기 위해서는 RMI가 가능해야 한다는 것이다. 그러나 RMI는 리소tm가 제한된 정보 단말기에 올라가기에는 너무 무겁고 OS의 성능에 따라 그 실행 가능 여부가 좌우된다. 또한 많은 정보 단말은 RMI가 동작할 만큼의 충분한 리소스를 가지지 못하고 있다. 따라서 정보단말에서 지니를 지원하기 위해 본 논문에서는 룩업 서비스에 제한된 디바이스를 위한 Non-RMI 매니저들을 둠으로써 이를 해결하였다. 또한 이를 리눅스 위에 구현하여 기존의 지니 네트웍에 물려 잘 서비스됨을 보여 주었다.