• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.477-479
• /
• 2012

개의 발성은 성도의 물리적인 특징에 따라 고유의 특정 포먼트를 만들어 내며 개의 품종에 따라 다른 물리적 특징을 가지므로 개의 발성을 HMM(Hidden Markov Model)으로 모델링하여 개의 품종을 분류하는 연구를 하였다. 주파수 특징은 MFCC(Mel Frequency Cepstral Coefficients) 12차, 에너지 컴포넌트 1차, 델타 13차, 억셀러레이션(Acceleration) 13차, 총 39차 벡터를 사용하였다. 개의 품종 분류에 적합한 HMM 구조의 설계를 위하여 기본 좌우 모델, 좌우 모델, 좌우 모델2, 전후진 모델, 총 4가지를 제안하고 실험하여 성능을 비교분석하였다. 이 중 전후진 모델이 가장 바람직한 모델로 검증 되었다. 본 모델은 다음과 같은 장점을 갖는다. (1) 기본 좌우 모델과 마찬가지로 1~2회 발성을 갖는 데이터가 입력되어도 처음에서 마지막 상태까지의 이동단계가 최소 3번까지 가능하므로 적은 횟수의 발성 데이터도 처리가 가능하다. (2) 다수 반복된 발성 데이터의 신호도 처리가 가능하다. 즉, 본 모델은 상태의 이동이 후진도 가능하므로 5회이상 반복된 발성 데이터의 신호의 처리도 가능하다.

• Proceedings of the Technology Innovation Conference
• /
• 2004.06a
• /
• pp.237-248
• /
• 2004

투자성과평가에서 주요 이슈 중 하나는 최적의 투자규모, 즉 자원할당을 결정하는 것이다 기존연구에서는 서열모델, 평점모델, 경제성 모델, 포트폴리오 모델, 위험 분석 및 의사결정모델, 조직 의사결정모델 등 많은 모델들이 연구자들에 의해 제안되어 왔다. 시스템에서 성과측정은 시스템 설계와의 일치가 요구되므로, 자원할당도 시스템 설계와 연계되어 결정되어야 한다 그러나 자원할당방법에 대한 기존 연구는 대부분 자원할당모델의 개발에 중점을 두고 있으며, 모델 개발시에 시스템 설계에 대해 고려하고 있는 문헌은 거의 없다. 본 논문은 투자목표를 최대로 하기 위한 최적 자원할당방법에서 시스템 설계를 고려하기 위하여 시스템 설계분해개념에 기초한 자원할당방법의 절차와 유전자 알고리즘을 이용한 자원할당방법을 제안한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2017.07a
• /
• pp.384-385
• /
• 2017

과학 모델은 복잡한 자연현상을 단순화하고 패턴화한 것이다. 따라서 과학 모델은 특정한 알고리즘을 가지며, 과학 모델에 대한 이해는 모델이 갖는 특정한 알고리즘에 대한 이해와 직접적으로 관련되어있다. 본 연구에서는 많은 학생들이 대안 개념을 가지고 있는 산-염기를 주제로 하여, 이 모델이 가지는 알고리즘을 학습하기 위한 프로그램을 설계하고, 알고리즘을 학습 하였을 때 과학 학습에 미치는 효과를 확인하였다. 고등학생 3학년을 대상으로 4차시로 수업을 진행하였으며, 수업의 사전과 사후 검사를 실시하여, 학생들의 모델에 대한 이해를 분석하였다. 수업 결과, 학생들은 모델의 정의와 화학반응 및 화학평형의 정성적인 부분에서는 이해의 향상을 보였으나, 정량적인 부분에는 효과를 보이지 못하였다. 이는 화학이 많은 수의 입자를 고려해야 하는 독특한 과목의 특성에 기인하며, 이를 보완하기 위하여 추후 컴퓨터프로그램을 교육 도구로 사용하는 수업을 통해 후속연구를 진행하고자 한다.

• Nuclear Engineering and Technology
• /
• v.27 no.6
• /
• pp.918-931
• /
• 1995

임계열속을 예측하는 기존의 여러 방법중 임계열속 발생 역학구조에 근거한 이론적 접근 방법은 여러 유동형태(Flow pattern)별로 연구되고 있으며, 대표적으로 환상유동에서의 LFD(Liquid Film Dryout) 이론, 기포류에서의 BBLD(Bubble Boundary Layer Dryout) 흑은 LNID(Local Nucleation Initiated Dryout)이론 등이 제시되고 있다. 본 논문에서는 일반적으로 원자로 조건에 서 적용될 수 있는 LFD이론과 BBLD 이론에 대하여 대표적인 모델들을 소개하고 특성을 검토하였다. 특히 BBLD 이론중에서 기포군집 (Bubble coalescence) 모델과 층류막 드라이 아웃(Sublayer dryout) 모델에 대해서는 원형관에서의 임계열속 시험자료를 사용하여 각 모델의 예측 성능 및 특성을 평가하였다. 평가 결과, 기포군집 모형인 Weisman 모델의 예측성능이 가장 우수했으며 아울러 층류막 드라이아웃 모델인 Katto 모델과 Mudawwar 모델은 구성 인자중 기포군속도와 층류막 두께와의 관계가 보다 정확히 모형화되야 할 것으로 판단된다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2007.11a
• /
• pp.294-302
• /
• 2007

멀티 에이전트 강화학습에서 중요한 이슈 중의 하나는 자신의 성능에 영향을 미칠 수 있는 다른 에이전트들이 존재하는 동적 환경에서 어떻게 최적의 행동 정책을 학습하느냐 하는 것이다. 멀티 에이전트 강화 학습을 위한 기존 연구들은 대부분 단일 에이전트 강화 학습기법들을 큰 변화 없이 그대로 적용하거나 비록 다른 에이전트에 관한 별도의 모델을 이용하더라도 현실적이지 못한 가정들을 요구한다. 본 논문에서는 상대 에이전트에 대한RBFN기반의 행동 정책 모델을 소개한 뒤, 이것을 이용한 강화 학습 방법을 설명한다. 본 논문에서는 제안하는 멀티 에이전트 강화학습 방법은 기존의 멀티 에이전트 강화 학습 연구들과는 달리 상대 에이전트의 Q 평가 함수 모델이 아니라 RBFN 기반의 행동 정책 모델을 학습한다. 또한, 표현력은 풍부하나 학습에 시간과 노력이 많이 요구되는 유한 상태 오토마타나 마코프 체인과 같은 행동 정책 모델들에 비해 비교적 간단한 형태의 행동 정책 모델을 이용함으로써 학습의 효율성을 높였다. 본 논문에서는 대표적이 절대적 멀티 에이전트 환경인 고양이와 쥐 게임을 소개한 뒤, 이 게임을 테스트 베드 삼아 실험들을 전개함으로써 제안하는 RBFN 기반의 정책 모델의 효과를 분석해본다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.945-947
• /
• 2013

입력 모듈의 결함경향성을 결정하는 결함 예측 모델 연구들은 대부분 훈련 데이터 집합을 사용하는 감독형 모델에 관련된 것들이었다. 하지만 과거 데이터 집합이 없거나 현재 프로젝트 성격이 다른 경우는 비감독형 모델이 필요하며, 이들에 관한 연구들은 모델 구축의 어려움 때문에 극소수 존재한다. 본 논문에서는 대표적인 클러스터링 알고리즘들을 사용한 비감독형 모델들을 제작하여, 기존 모델들이 많이 사용한 K-means 모델과 나머지 모델들의 성능을 비교하였다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.470-474
• /
• 2019

한글 OCR 성능을 높이기 위해 딥러닝 모델을 활용하여 문자인식 부분을 개선하고자 하였다. 본 논문에서는 폰트와 사전데이터를 사용해 딥러닝 모델 학습을 위한 한글 문장 이미지 데이터를 직접 생성해보고 이를 활용해서 한글 문장의 OCR 성능을 높일 다양한 모델 조합들에 대한 실험을 진행했다. 딥러닝 모델은 STR(Scene Text Recognition) 구조를 사용해 변환, 추출, 시퀀스, 예측 모듈 각 24가지 모델 조합을 구성했다. 딥러닝 모델을 활용한 OCR 실험 결과 한글 문장에 적합한 모델조합은 변환 모듈을 사용하고 시퀀스와 예측 모듈에는 BiLSTM과 어텐션을 사용한 모델조합이 다른 모델 조합에 비해 높은 성능을 보였다. 해당 논문에서는 이전 한글 OCR 연구와 비교해 적용 범위를 글자 단위에서 문장 단위로 확장하였고 실제 문서 이미지에서 자주 발견되는 유형의 데이터를 사용해 애플리케이션 적용 가능성을 높이고자 한 부분에 의의가 있다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.245-250
• /
• 2023

RLHF(Reinforcement Learning from Human Feedback, 인간 피드백 기반 강화학습) 방법론이 최근 고성능 언어 모델에 많이 적용되고 있다. 이 방법은 보상 모델과 사람의 피드백을 활용하여 언어 모델로 하여금 사람이 선호할 가능성이 높은 응답을 생성하도록 한다. 하지만 상업용 언어 모델에 적용된 RLHF의 경우 구현 방법에 대하여 정확히 밝히고 있지 않다. 특히 강화학습에서 환경(environment)을 담당하는 보상 모델을 어떻게 설정하는지가 가장 중요하지만 그 부분에 대하여 오픈소스 모델들의 구현은 각각 다른 실정이다. 본 연구에서는 보상 모델을 훈련하는 큰 두 가지 갈래인 '순위 기반 훈련 방법'과 '분류 기반 훈련 방법'에 대하여 어떤 방법이 더 효율적인지 실험한다. 또한 실험 결과 분석을 근거로 효율성의 차이가 나는 이유에 대하여 추정한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.582-585
• /
• 2024

이 연구는 컴퓨팅 자원이 제한된 환경에서 딥러닝 모델의 문제를 해결하기 위해 합성곱 신경망(CNN)에서 동적 가지치기 모델의 적용을 탐구한다. 첫째, 동적 가지치기 모델의 원리와 방법에 대해 기존 방법과의 비교를 소개한다. 둘째, 기존적인 방법 동적 가지치기 모델의 구현 과정 및 결과 분석을 포함한 실험 단계를 자세히 설명한다. 실험 결과는 동적 가지치기 모델이 적절한 훈련에서 모델의 분류 성능을 효과적으로 향상시킬 수 있으며 강력한 일반화 능력을 가지고 있음을 보여준다. 마지막으로 딥러닝 방법과 기존 방법의 차이점과 장단점을 분석하고 요약하여 실제 적용에서 딥러닝 모델 배치에 유용한 탐색과 참고 자료를 제공한다. 이 연구는 딥러닝 분야에서 동적 가지치기 모델의 적용을 추가로 탐색하기 위한 중요한 이론 및 실습 기반을 제공한다.

• Proceedings of the Korean Fiber Society Conference
• /
• 1998.04a
• /
• pp.253-257
• /
• 1998

지금까지 직물의 역학적 특성을 고찰하기 위하여 직물의 구조에 대한 기하학적인 모델들이 많은 연구자들에 의해 소개되어 왔다. 1937년에 Peirce$^1$가 원형 단면의 모델을 제안하면서부터 이 모델을 기본으로 한 기하학적 모델에 대한 연구가 활발히 진행되어 race track 모델, lenticular 모델, circular arc 모텔, 직선 모델등 여러 가지 모델이 제시되었다. 이러한 모델들은 직물의 종류와 이완상태에 따라 직물의 역학적 특성을 예측하는데 있어 커다란 차이가 있다.(중략)