• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권12호
• /
• pp.1260-1270
• /
• 2005

최근 기계학습 분야에서 커널머신을 이용한 대표적 학습기로 Support Vector Machines (SVM)이 주목 받고 있다. SVM은 통계적 학습이론에 기반하여 뛰어난 일반화 성능을 보여주며, 다양한 패턴인식 문제에 적용되고 있다. 그러나. SVM은 이진 분류기이므로 일반적인 다중 클래스 문제에 곧바로 적용할 수 없다. SVM을 다중 클래스 문제의 하나인 얼굴인식에 도입하기 위한 방법으로는, One-Per-Class와 All-Pairs가 대표적이다. 상기 두 방법은 다중 클래스 문제를 여러 개의 이진 클래스 문제로 분할하고, 이들을 다시 종합하여 최종 결정을 내리는 출력코딩이라는 일반적인 방법에 속한다. 본 논문에서는 이진 분류기인 SVM의 다중 클래스 분류기 확장 방안으로 출력코딩 방법론을 설명한다. 또한 출력코딩 방법론의 대표적인 이론적 기반인 ECOC(Ewor-Correcting Output Codes)를 근간으로 하는 새로운 출력코딩 방법들을 제안하고, 얼굴인식 실험을 통해 SVM을 기반 분류기로 사용할 경우의, 출력코딩 방법의 특성을 비교$\cdot$분석한다.

• 한국시뮬레이션학회논문지
• /
• 제21권3호
• /
• pp.11-16
• /
• 2012

시뮬레이션은 시간에 따라 변화하는 실제 프로세스나 시스템에 대한 운영을 모방한다. 이 방법론은 실제 시스템의 운영적 특성들을 연구하는데 관심을 가진다. 일반적으로 시뮬레이션 프로젝트는 자료수집, 코딩, 모델 타당성 및 유효성 검증, 실험 계획, 출력 자료 분석, 적용과 같은 여러 가지 단계들을 거친다. 본 논문에서는 이와 같은 여러 단계들 중 시뮬레이션 출력 자료의 통계적 분석에 대한 연구들을 살펴 보기로 한다. 특별히 본 연구에서는 종료형(terminating) 시뮬레이션과 비종료형(non-terminating) 시뮬레이션 각각의 경우에 대한 평균 ${\mu}$를 구간 추정하는 방법을 설명한다. 그런 다음 이 연구결과를 확장한 일반적인 평균 ${\mu}$의 보다 더 일반화된 형태인 $f({\mu})$를 추정하는 방법에 대해 설명한다. 여기서 함수 $f({\bullet})$은 비선형 함수로서 $f'({\mu}){\neq}0$인 ${\mu}$의 이웃에서 미분 가능한 함수이다.

• 한국지리정보학회지
• /
• 제7권4호
• /
• pp.65-76
• /
• 2004

본 연구는 이동체와 지도정보의 출력을 위한 XML 엔코딩 표준인 GML(geography markup language)을 이용하여 이동체 관리 시스템을 설계하고 구현하였다. OGC(OpenGIS consortium) 웹매핑 기술인 WFS(web feature service) (OpenGIS, 2002) 개념을 응용하여 공간 데이터와 이동체 정보를 통합하며, 통합 과정에서 요구되는 표준화된 데이타 모델과 인터페이스는 OGC가 제안한 표준화된 개념을 사용한다. 데이터는 별도의 응용스키마를 정의하여 적용하였다. GML은 공간데이터와 비공간데이터의 저장과 전송을 위한 XML 엔코딩 표준이므로, 데이터 공유를 위한 확장성 및 상호운용성을 확보할 수 있다. 뿐만 아니라 컴포넌트 기반 개발 방법론을 통해 이동체 위치정보 Web/Mobile 인터페이스를 컴포넌트화 함으로써 시스템 구현 시 보다 효과적인 개발 환경을 제공하며, 이동체 정보 관리 플랫폼과 모바일 시스템 사이에 새로운 응용 서비스를 추가하거나 기존 응용 서비스의 교체 시 보다 용이한 장점이 있다.

• 한국문헌정보학회지
• /
• 제57권1호
• /
• pp.93-114
• /
• 2023

정보추출은 문헌 내에 존재하는 개체명을 인식함과 동시에 이들 간의 의미적 관계까지도 식별하여 최종적으로 문헌 내에 포함된 의미적 트리플을 자동으로 추출하여 활용할 수 있으므로 문헌에 대한 심층적인 분석과 이해에 많은 도움을 줄 수 있다. 그러나 지금까지 대부분의 정보추출에 대한 연구는 개체명 인식과 관계추출이 개별 연구로 각각 분리되어 진행되었으며, 그 결과 입력 문헌에 대한 정보추출의 최종 출력인 의미적 트리플 추출 성능에 대한 객관적이고 정확한 평가가 제대로 이루어지지 않았다. 이에 본 논문에서는 진료 기록 문헌에 나타나는 개체명과 그들 간의 관계를 트리플 형태로 직접 추출할 수 있는 종단형 정보추출의 2가지 모델인 파이프라인 및 결합형 모델을 구축하는 구체적인 방법론을 제시하고 성능 비교 실험을 진행하였다. 우선 파이프라인 모델은 양방향 GRU-CRFs를 활용한 개체명 인식 모듈과 다중 인코딩 기반 관계추출 모듈로 구현되었고, 결합형 모델을 위해서는 다중 헤드 레이블링 기반의 양방향 GRU-CRFs이 적용되었다. 두 가지 시스템을 바탕으로 진료기록 문헌 내의 개체명과 관계를 모두 태깅하여 구축된 i2b2/VA 2010 데이터셋을 활용한 비교 실험에서 파이프라인 모델의 성능이 5.5%(F-measure) 더 높게 나타났다. 추가적으로, 대규모 신경망 언어모델과 수작업으로 구축된 자질 정보를 활용한 최고 수준의 기존 시스템과의 비교 실험을 통해, 본 논문에서 구현한 종단형 모델의 객관적인 성능 수준을 파악할 수 있었다.