• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.429-431
• /
• 2012

하이퍼네트워크를 학습하는 기존의 방법은 데이터의 분포를 학습하기 위하여 주로 하이퍼에지의 적절한 조합을 찾는데 초점을 맞추었다. 반면 본 논문에서는 주어진 하이퍼에지의 조합 내에서 가중치를 조절하여 데이터의 분포를 학습하도록 하는 방법을 제안한다. 이 방법은 분류 문제에서 하이퍼네트워크가 표현하고 있는 클래스 y에 대한 데이터 x의 조건부 우도(Conditional Likelihood)를 대화하는 방식으로 학습을 진행한다. 본 논문에서는 제안된 학습 방법이 기존의 학습 방법보다 개선된 학습 성능을 보일 뿐만아니라, 제안된 가중치 학습 방법이 기존의 가중치 학습 방법을 포함하는 관계임을 논증한다.

• Journal of Practical Engineering Education
• /
• v.14 no.2
• /
• pp.313-325
• /
• 2022

This study aims to identify the conditional direct and indirect effects by Gender in the relationship between Learning Agility, Unlearning and Learning Flow for university students. Based on the data collected from 265 university students the conditional effectiveness of the research model was analyzed using Process v3.4 for SPSS. As a result, first, the Learning Agility of university students had a statistically significant effect Unlearning and Learning Flow. Second, Learning Agility had a statistically significant direct effect on Learning Flow by gender but, the moderated effect of Learning Flow had a significant negative effect. Third, the moderated mediating effect of Unlearning by gender was found to be significant in the relationship between Learning Agility and Learning Flow of university students. Based on these results, implications of education at university were presented.

• Industry Promotion Research
• /
• v.9 no.1
• /
• pp.249-257
• /
• 2024

This study aims to confirm the conditional direct effect of career development pressure on the effect of career continuous learning on career success through a sense of professional mission among Chinese young teachers in a university. Data were collected through a survey targeting 354 Chinese young teachers purposively sampled at a university in Guangdong, China. The collected data was analyzed using SPSS PC+ Win ver. 25.0 and SPSS PROCESS macro ver. 4.2. The applied statistical methods were frequency analysis, reliability analysis, correlation analysis, and conditional direct effect analysis. The conclusion of the study is as follows. First, a sense of professional mission had a significant positive correlation with career success but was found to have no significant correlation with career development pressure. Career development pressure showed a significant negative correlation with career success. Second, the conditional direct effect of career development pressure was confirmed in the effect of career continuous learning on career success through a sense of professional mission. Based on these results, this study proposed a plan to simultaneously utilize not only career continuous learning but also a sense of professional mission and career development pressure for young teachers' career success.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.543-546
• /
• 2004

Bishop과 Nabney에 의해 소개된 기존의 혼합 밀도 네트워크(Mixture Density Network)에서는 조건부 확률밀도 함수의 매개변수들(parameters)이 하나의 MLP(multi-layer perceptron)의 출력 벡터로 주어진다. 최근에는 변형된 혼합 밀도 네트워크(Modified Mixture Density Network)라고 하는 이름으로 조건부 확률밀도 함수의 선분포(priors), 조건부 평균(conditional means), 그리고 공분산(covariances) 등이 각각 독립적인 MLP의 출력벡터로 주어지는 경우를 다룬 연구가 보고된 바 있다. 본 논문에서는 조건부 평균이 입력에 관해 선형인 경우를 위한 버전에 대한 이론과 매트랩 프로그램 개발 및 적용을 다룬다. 본 논문에서는 우선 일반적인 혼합 밀도 네트워크에 대해 간단히 설명하고, 혼합 밀도 네트워크의 출력인 다층 퍼셉트론의 매개변수를 각각 다른 다층 퍼셉트론에서 학습시키는 변형된 혼합 밀도 네트워크를 설명한 후, 각각 다른 다층 퍼셉트론을 통해 매개변수를 얻는 것은 동일하나 평균값은 선형함수를 통해 얻는 혼합 밀도 네트워크 버전을 소개한다. 그리고, 모의실험을 통하여 이러한 혼합 밀도 네트워크를의 적용가능성에 대해 알아본다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.61-62
• /
• 2021

본 논문에서는 조건부 wavenet을 이용한 음성 신호의 잡음 제거 기술을 제안한다. 기존의 음성 신호 잡음 제거 기술은 스펙트로그램을 기반으로 발전되어 왔으나, 잡음으로 인해 변형된 원음의 위상 정보를 복원할 수 없는 문제점을 가진다. 이를 해결하기 위해 시간 영역에서 전 과정을 실행하는 기계학습 모델인 wavenet을 사용하여 음성 신호의 잡음을 제거하는 방법을 제안한다. 특히, 잡음 종류를 조건으로 입력하여 성능 향상을 얻도록 한다. 성능 평가를 통하여 제안 방법이 시간 영역에서 잡음을 감소시킬 수 있음을 확인하였다.

• Journal of the Korean Society for information Management
• /
• v.38 no.1
• /
• pp.221-242
• /
• 2021

This study applied reference metadata recognition using bidirectional GRU-CRF model based on pre-trained language model. The experimental group consists of 161,315 references extracted by 53,562 academic documents in PDF format collected from 40 journals published in 2018 based on rules. In order to construct an experiment set. This study was conducted to automatically extract the references from academic literature in PDF format. Through this study, the language model with the highest performance was identified, and additional experiments were conducted on the model to compare the recognition performance according to the size of the training set. Finally, the performance of each metadata was confirmed.

• School Mathematics
• /
• v.9 no.3
• /
• pp.397-408
• /
• 2007

This research intends to look into how mathematically gifted 6th graders (age12) who have not learned conditional probability before solve conditional probability problems. In this research, 9 conditional probability problems were given to 3 gifted students, and their problem solving approaches were analysed through the observation of their problem solving processes and interviews. The approaches the gifted students made in solving conditional probability problems were categorized, and characteristics revealed in their approaches were analysed. As a result of this research, the gifted students' problem solving approaches were classified into three categories and it was confirmed that their approaches depend on the context included in the problem.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.09b
• /
• pp.53-56
• /
• 2003

유사도 혹은 자료간의 거리 개념은 많은 기계학습 알고리즘에서 사용되고 있는 중요한 측정개념이다 하지만 입력되는 자료의 속성들중 순서가 정의되지 않은 범주형 속성이 포함되어 있는 경우, 자료간의 유사도나 거리 측정에 어려움이 따른다. 비거리 기반의 알고리즘들의 경우-C4.5, CART-거리의 측정없이 작동할 수 있지만, 거리기반의 알고리즘들의 경우 범주형 속성의 거리 정보 결여로 효과적으로 적용될 수 없는 문제점을 갖고 있다. 본 논문에서는 이러한 범주형 자료들간 거리 측정을 자료 집합의 특성을 충분히 고려한 방법을 제안한다. 이를 위해 자료 집합의 선험적인 정보를 필요로 한다. 이런 선험적 정보인 조건부 확률을 기반으로한 거리 측정방법을 제시하고 오류 피드백을 통해서 속성 간 거리 측정을 최적화 하려고 노력한다. 주어진 자료 집합에 대해 서로 다른 두 범주형 값이 목적 속성에 대해서 유사한 분포를 보인다면 이들 값들은 비교적 가까운 거리로 결정한다 이렇게 결정된 거리를 기반으로 학습 단계를 진행하며 이때 발생한 오류들에 대해 피드백 작업을 진행한다. UCI Machine Learning Repository의 자료들을 이용한 실험 결과를 통해 제안한 거리 측정 방법의 우수한 성능을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.321-324
• /
• 2004

본 논문에서는 유도전동기 고장진단을 위하여 계층적인 하이브리드 뉴럴네트웍을 제안하였다. 시스템의 입출력 데이터에 근거하여 패턴을 분류하고자 할 때 직접적인 분류가 어렵거나 성능이 좋지 않을 경우 적절한 방법을 통하여 변환을 하거나 또는 패턴 분류기의 특성에 맞도록 변환하여 패턴 분류 성능을 향상하는 등 단계별 변환 및 분류 기법을 이용하였다. 제안된 방법에서는 실험에 의해 측정된 전류값을 주기별로 주성분분석(PCA) 기법을 이용하여 입력차원을 축소한 후 이를 조건부 FCM으로 방사기저함수의 초기치를 최적화하여 학습을 하였다. 이는 주성분분석이 가지는 특성을 이용하여 데이터의 특징을 나누었으며 이를 뉴럴네트웍의 학습 기능을 이용하여 모델의 최종 성능을 개선하는 것이다. 각각의 알고리즘이 가지는 특징을 활용하면서도 단점을 계층적으로 보안하여 유도 전동기 고장 진단 성능을 개선하였다. 이를 실제 계측된 유도전동기 데이터를 이용하여 제안된 방법의 유용성을 보이고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.1116-1119
• /
• 2021

2018 년 Google 사의 사전 학습된 언어 인공지능 BERT 를 기점으로, 자연어 처리 학계는 주요 구조를 유지한 채 경쟁적으로 모델을 대형화하는 방향으로 발전했다. 그 결과, 오늘날 자연어 인공지능은 거대 사기업과 그에 준하는 컴퓨팅 자원을 소유한 연구 단체만의 전유물이 되었다. 본 논문에서는 다층 퍼셉트론을 병렬적으로 배열해 자연어 인공지능을 제작하는 기법의 모델을 제안하고, 이를 적용한'조건부 게이트 다층 퍼셉트론 모델(SG-MLP)'을 구현하고 그 결과를 비교 관찰하였다. SG-MLP 는 BERT 의 20%에 해당하는 사전 학습량만으로 다수의 지표에서 그것과 준하는 성능을 보였고, 동일한 과제에 대해 더 적은 연산 비용을 소요한다.