• Journal of Labour Economics
• /
• v.36 no.1
• /
• pp.63-91
• /
• 2013

This paper analysed the training effects on wage and employment security by the non-standard worker types by using Economically Active Population Additional Survey data. Through propensity score matching method, we found that the regular workers' training effect on wage was 4.2%, that was very higher than 2.7% of fixed-term workers. Logistic regression analysis showed that the training participation itself did not affect on the regular workers' regular position continuance, but training duration affected. Just in fixed-term workers among non-standard workers, both of training participation and training duration affected the transition from non-standard position to regular position. The result that both training effects on wage and on employment were positive just in the fixed-term workers might be interpreted owing to the clear employment contract relation between employer and employees.

• The Korean Journal of Applied Statistics
• /
• v.27 no.6
• /
• pp.1039-1047
• /
• 2014

An autoregressive model with normal errors is a natural model that attempts to fit time series data. More flexible models that include normal distribution as a special case are necessary because they can cover normality to non-normality models. The skewed exponential power distribution is a possible candidate for autoregressive models errors that may have tails lighter(platykurtic) or heavier(leptokurtic) than normal and skewness; in addition, the use of skewed exponential power distribution can reduce the influence of outliers and consequently increases the robustness of the analysis. We use SIR algorithm and grid method for an efficient Bayesian estimation.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.18-22
• /
• 2019

FAQ 분류는 자주 묻는 질문을 범주화하고 사용자 질의에 대해 가장 유사한 클래스를 추론하는 방식으로 진행된다. FAQ 데이터셋은 클래스가 다수 존재하기 때문에 클래스 간 포함 및 연관 관계가 존재하고 특정 데이터가 서로 다른 클래스에 동시에 속할 수 있다는 특징이 있다. 그러나 최근 FAQ 분류는 다중 클래스 분류 방법론을 적용하는 데 그쳤고 FAQ 데이터셋의 특징을 모델에 반영하는 연구는 미미했다. 현 분류 방법론은 이러한 FAQ 데이터셋의 특징을 고려하지 못하기 때문에 정답으로 해석될 수 있는 예측도 오답으로 여기는 경우가 발생한다. 본 논문에서는 신뢰성이 부족한 FAQ 데이터셋에서도 분류를 잘 하기 위해 손실 함수를 조정하는 정규화 기법을 소개한다. 이 정규화 기법은 클래스 간 포함 및 연관 관계를 반영할 수 있도록 오답을 예측한 경우에도 예측 강도에 비례하여 손실을 줄인다. 이는 오답을 높은 확률로 예측할수록 데이터의 신뢰성이 낮을 가능성이 크다고 판단하여 학습을 강하게 하지 않게 하기 위함이다. 실험을 위해서는 다중 클래스 분류에서 가장 좋은 성능을 보이고 있는 모형인 BERT를 이용했으며, 비교 실험을 위한 정규화 방법으로는 통상적으로 사용되는 라벨 스무딩을 채택했다. 실험 결과, 본 연구에서 제안한 방법은 기존 방법보다 성능이 개선되고 보다 안정적으로 학습이 된다는 것을 확인했으며, 데이터의 신뢰성이 부족한 상황에서 효과적으로 분류를 수행함을 알 수 있었다.

• The Korean Journal of Applied Statistics
• /
• v.15 no.2
• /
• pp.223-232
• /
• 2002

The present paper develops a test of the multivariate normality based on nonlinear transformations and the likelihood function. For checking the normality, we test the shape parameter which indexes the family of transformations. A score test and a parametric bootstrap test are used to evaluate the discrepancy between the data and a multivariate normal distribution. In order to compare the performance of our test with the existing tests, a simulation study was carried out for several situations where nuisance parameters have to be estimated. The results showed that the proposed method is superior to the existing methods.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.589-591
• /
• 2002

본 연구에서는 영상안에서의 중요한 객체정보를 검출하기 위한 전처리 과정으로 효율적인 색상정보 정규화에 의한 영역분석 방법을 제안한다. 다중색상 정규화는 기존의 화소내 색상성분간의 정규화와 모든 화소에 대한 성분별 정규화를 복합적으로 사용함으로써, 객체의 영역들이 갖는 고유 색상성분의 분포를 좀더 특정 공간에 집중시키고 영상분할을 용이하게 한다. 이러한 방법의 효과를 입증하기 위해 가상의 입력영상을 제작하여 기존의 알고리즘과 본 논문에서의 방법을 함께 적용, 비교평가한다.

• Proceedings of the Korean Society for Information Management Conference
• /
• 2006.08a
• /
• pp.101-108
• /
• 2006

본 연구는 고용형태의 차이가 사서의 직무태도와 성과에 어떠한 영향을 미치는가를 파악하고자 하는 것이다. 즉, 정규직과 비정규직 사서의 직무태도와 성과의 차이 유무와 그 직무태도와 성과에 영향을 미치는 요인이 무엇인가를 알아보고자 하였다. 연구결과는 고용형태별로 직무태도와 성과에는 차이가 있었으며, 직무태도와 성과에 영향을 주는 요인으로는 정규직 사서의 경우 동료관계, 고용보장성, 기술다양성이 영향요인으로 나타났으며, 비정규직 사서의 경우 동료관계와 자율성이 영향요인으로 나타났다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.481-483
• /
• 2002

본 논문에서는 데이터 결합 영역에서 문서값을 정규화 하는 기법과 결합함수에 따라 용어가중치 결합이 검색성능에 어떤 영향을 미치는가를 분석하였으며, 특히 용어가중치 결합이 실질적으로 효율적인가를 성능 향상률 측면과 검색시스템의 효율성 측면에서 검증하고, 성능이 향상된 용어가중치 결합의 특징을 분석하였다. 실헙결과 대부분의 장어가중치 결합은 문서값 정규화 기법과 실험집단에 관계없이 높은 성능 향상률을 보이지 않았다. 특히 단일가중치고 높은 검색성능을 보였던 상위 가중치 알고리즘들은 다른 가중치 알고리즘과 결합할 경우 두드러진 성능 향상률을 보이지 않았다. 검색시스템의 효율성 측면에서 용어가중치 결합을 평가한 결과 문헌 내 단어빈도를 최대단어 빈도로 정규화한 가중치 알고리즘이 코사인 정규화 기법을 적용한 가중치 알고리즘들과 결합될 때 5개 실험집안에서 최적 단일가중치 보다 2% 이상 높은 성능을 보였다. 이는 서로 다른 특성을 지니는 용어가중치 알고리즘들이 장단점을 보완하여 검색성능을 향상시킨 수 있다는 것을 의미한다. 그러나 용어가중치 결합의 효율성은 컬렉션과 가중치 알고리즘의 특성에 의존적이었으며, 비록 각 용어가중치 결합의 성능이 높게 나타날지라도 최적의 성능을 보인 달일가중치와 비교하면 그 성능 차이가 미미하거나 낮아서 대부분의 용어가중치 결합이 실질적으로 효과적이지 못하였다.

• Proceedings of the KSRS Conference
• /
• 2009.03a
• /
• pp.296-300
• /
• 2009

가상현실이나 인터넷 웹지도 서비스와 같이 3차원의 실세계를 시스템 상에 그대로 재현(reconstruction)하기 위해서는 정교하고 세밀한 3차원 도시모델이 필수적이다. 이러한 3차원 도시모델의 자동생성은 원격탐사 및 사진측량 분야에서 많은 연구가 수행되고 있다. 이러한 연구들은 다양한 센서 데이터와 기 구축되어 있는 GIS자료를 이용하여 건물, 도로, 지형 등의 도시모델을 자동으로 생성하고자 한다. 그러나 대부분의 연구에서 추출한 각 기본요소(primitives)-평면패치(planar patches), 에지(edges), 모서리(corners)에 대한 국부적인 정제(refinement)는 수행하였으나, 생성한 건물 모델에 대한 광역적인 조정을 통한 정규화에 대한 연구는 미비한 상태이다. 본 연구에서는 다양한 데이터로부터 생성된 B-rep (boundary representation) 형태의 건물 모델에 대하여 기하학적인 제약요소(constraints)를 이용한 정규화(regularization) 방법론을 제시하고자 한다. 제안하는 방법은 건물의 Domain Knowledge에 기반하여 도출한 건물을 구성하는 기본요소(primitives)간의 인접성, 직교성, 평행성, 교차성 등의 다양한 제약조건을 이용하여 광역적으로 조정한다. 시뮬레이션 데이터에 적용한 결과의 분석을 통해 제안된 정규화 방법을 통해 오차가 포함된 건물모델이 보다 정형화된 형태로 조정되었음을 확인하였다.

• Journal of Labour Economics
• /
• v.32 no.3
• /
• pp.1-26
• /
• 2009

Using panel data from the Korean Labor and Income Panel Study(KLlPS), we examine the wage differentials between standard and Don-standard workers. To control for unobserved individual heterogeneities, we estimate the fixed effect models. Our results show that the OLS estimates are upwardly biased. We also find that labor unions and firm size are important determinants of the wage differentials.

• Journal of KIISE:Software and Applications
• /
• v.34 no.6
• /
• pp.503-518
• /
• 2007

Normalization transforms one parent genotype to be consistent with the other before crossover. In this paper, we explain how normalization alleviates the difficulties caused by non-synonymously redundant encodings in genetic algorithms. We define the encodings with maximally non-synonymous property and prove that the encodings induce uncorrelated search spaces. Extensive experiments for a number of problems show that normalization transforms the uncorrelated search spaces to correlated ones and leads to significant improvement in performance.