• 한국구조물진단유지관리공학회 논문집
• /
• 제25권1호
• /
• pp.51-58
• /
• 2021

2014년 수직증축형 리모델링 제도가 시행됨에 따라, 수직 증축과정에서 발생 가능한 구조 안전에 대한 문제 해결을 위해 증축형 리모델링 안전진단 매뉴얼이 제정되었다. 이 매뉴얼에서 내하력 평가를 위한 층별 가중치 부분은 재건축 안전진단 매뉴얼을 인용하였으나, 공학적 근거가 다소 미흡하다. 또한, 수직증축형 리모델링에서 내하력 평가의 중요도가 재건축에서보다 높으므로 층별 가중치 산정 방법의 개선이 필요하다. 따라서 본 연구에서는 층별 가중치에 대한 공학적 근거를 마련하고자 기존 매뉴얼 및 지침 분석을 통해 층별 중요도와 층별 가중치를 정의하였으며, 역학적 원리를 바탕으로 합리적인 가중치 산정식을 제시하였다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2005년도 추계 종합학술대회 논문집
• /
• pp.364-370
• /
• 2005

다층 퍼셉트론의 학습을 빠르게 하기 위한 방법으로 층별 학습이 제안되었었다. 이 방법에서는 각 층별로 주어진 오차함수를 최적화 방법을 사용하여 감소시키도록 학습이 이루어진다. 이 경우 중간층 오차함수가 학습의 성능에 큰 영향을 미치는 데, 이 논문에서는 층별 학습의 성능을 개선하기 위한 중간층 오차함수를 제안한다. 이 중간층 오차함수는 출력층 오차함수에서 중간층 가중치의 학습에 관계된 성분을 유도하는 형태로 제안된다. 제안한 방법은 필기체 숫자 인식과 고립단어인식 문제의 시뮬레이션으로 효용성을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제5권6호
• /
• pp.57-64
• /
• 2005

다층 퍼셉트론의 학습을 빠르게 하기 위한 방법으로 층별 학습이 제안되었었다. 이 방법에서는 각 층별로 오차함수가 주어지고, 이렇게 층별로 주어진 오차함수를 최적화 방법을 사용하여 감소시키도록 학습이 이루어진다. 이 경우 중간층 오차함수가 학습의 성능에 큰 영향을 미치는 데, 이 논문에서는 층별 학습의 성능을 개선하기 위한 중간층 오차함수를 제안한다. 이 중간층 오차함수는 출력층 오차함수에서 중간층 가중치의 학습에 관계된 성분을 유도하는 형태로 제안된다. 제안한 방법은 필기체 숫자 인식과 고립단어인식 문제의 시뮬레이션으로 효용성을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제20권6호
• /
• pp.1155-1167
• /
• 2009

2007년 경북인의 생활과 의식조사를 위한 표본설계를 연구하였다. 기존 조사에 대한 분석을 바탕으로 새로운 표본설계를 위한 여러 가지 사항을 검토하였다. 최근 시행된 2005년 인구주택총조사의 10% 표본조사자료를 조사모집단으로 사용하였고, 2006년 조사결과를 바탕으로 3가지 주요 항목 (경제활동상태, 연간소득수준, 주택소유)을 이용하여 표본조사구수에 대한 추정의 정도를 제시하고, 여러가지 층별 표본 배분을 검토한 후 비례배분을 사용하여 층별로 표본을 배분하고 적절한 표본의 크기를 결정하였다. 새로운 표본설계에서는 가중치를 계산하였고 이를 이용한 추정량과 추정오차 공식을 유도하여 기존의 단순집계를 벗어나 시군별 그리고 특성별 추정과 추정의 정도에 대한 평가를 가능하게 하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2021년도 제33회 한글 및 한국어 정보처리 학술대회
• /
• pp.605-608
• /
• 2021

KoBERT는 한국어 자연어처리 분야에서 우수한 성능과 확장성으로 인해 높은 위상을 가진다. 하지만 내부에서 이뤄지는 연산과 패턴에 대해선 아직까지 많은 부분이 소명되지 않은 채 사용되고 있다. 본 연구에서는 KoBERT의 핵심 요소인 self-attention의 패턴을 4가지로 분류하며 특수 토큰에 가중치가 집중되는 현상을 조명한다. 특수 토큰의 attention score를 층별로 추출해 변화 양상을 보이고, 해당 토큰의 역할을 attention 매커니즘과 연관지어 해석한다. 이를 뒷받침하기 위해 한국어 분류 작업에서의 실험을 수행하고 정량적 분석과 함께 특수 토큰이 갖는 의미론적 가치를 평가한다.

• 응용통계연구
• /
• 제22권6호
• /
• pp.1301-1313
• /
• 2009

미국 노동통계청에서 사용하고 있는 BLS 방법의 효율성과 민감성에 관한 연구 결과에 의하면 표본 틀 (Sample frame) 자료와 조사된 자료의 상관관계가 높을수록 BLS 무응답 보정 효과는 커지는 것으로 알려져 있다 (이석진과 신기일, 2008). 그러나 표본 틀 자료와 조사된 자료의 상관계수가 층별로 크기가 다른 경우, BLS 보정 효과는 달라질 수 있다. 따라서 일반적으로 실시되는 표본 설계에서는 층화추출 방법이 사용되기 때문에 각 층의 표본 크기와 상관계수가 다른 경우의 BLS 보정 효과률 살펴보는 것은 매우 중요하다. 본 논문에서는 층의 표본 크기와 상관계수 그리고 무응답 비율에 따른 BLS 무응답 보정 효과를 살펴보았다. 이를 위해 사용된 자료는 노동부의 월별 자료인 2007년 매월노동통계 자료이다.

• 응용통계연구
• /
• 제22권6호
• /
• pp.1315-1329
• /
• 2009

미국 노동통계청에서 사용하고 있는 BLS 방법의 효율성과 민감성에 관한 연구 결과에 의하면 표본 틀(Sample frame) 자료와 조사된 자료의 상관관계가 높을수록 BLS 무응답 보정 효과는 커지는 것으로 알려져 있다 (이석진과 신기일, 2008). 그러나 표본 틀 자료와 조사된 자료의 상관계수가 층별로 크기가 다른 경우, BLS 보정 효과는 달라질 수 있다. 따라서 일반적으로 실시되는 표본 설계에서는 층화추출 방법이 사용되기 때문에 각 층의 표본 크기와 상관계수가 다른 경우의 BLS 보정 효과률 살펴보는 것은 매우 중요하다. 본 논문에서는 층의 표본 크기와 상관계수 그리고 무응답 비율에 따른 BLS 무응답 보정 효과를 살펴보았다. 이를 위해 사용된 자료는 노동부의 월별 자료인 2007년 매월노동통계 자료이다.

• 응용통계연구
• /
• 제32권4호
• /
• pp.631-642
• /
• 2019

다수의 항목무응답이 발생한 표본조사에서는 추정의 정확성이 떨어진다. 이를 해결하기 위한 많은 방법이 개발되었으나 응답률이 관심변수에 의해 영향을 받는 경우임에도 이를 고려하지 않고 랜덤으로 무응답이 발생한다는 가정 하에서 사용하는 무응답 처리 방법을 사용하게 되면 편향이 발생하는 것으로 알려져 있다. Chung과 Shin (2017)과 Min과 Shin (2018)은 응답률이 관심변수의 함수인 경우에서 발생된 편향을 적절히 처리하여 추정의 정확성을 향상시키는 방법을 제안하였다. 본 연구에서는 응답률 함수가 선형(linear)이면서 초모집단 모형의 오차가 정규분포를 따르는 경우를 살펴보았으며 층별 모집단 수가 편향 보정에 영향을 주는지도 살펴보았다. 모의실험을 통하여 제안된 추정량의 성능을 살펴보았으며 실제 자료 분석을 통해 이를 확인하였다.

• 응용통계연구
• /
• 제32권5호
• /
• pp.693-702
• /
• 2019

딥러닝은 대용량의 데이터의 분류 및 예측하는 방법으로 각광받고 있다. 데이터의 양이 많아지면서 신경망의 구조는 더 깊어 지고 있다. 이때 초기값이 지나치게 클 경우 층이 깊어 질수록 활성화 함수의 기울기가 매우 작아지는 포화(Saturation)현상이 발생한다. 이러한 포화현상은 가중치의 학습능력을 저하시키는 현상을 발생시키기 때문에 초기값의 중요성이 커지고 있다.이런 포화현상 문제를 해결하기 위해 Glorot과 Bengio (2010)과 He 등 (2015) 층과 층 사이에 데이터가 다양하게 흘러야 효율적인 신경망학습이 가능하고 주장했다. 데이터가 다양하게 흐르기 위해서는 각 층의 출력에 대한 분산과 입력에 대한 분산이 동일해야 한다고 제안했다. Glorot과 Bengio (2010)과 He 등 (2015)는 각 층별 활성화 값의 분산이 같다고 가정해 초기값을 설정하였다. 본 논문에서는 절단된 코쉬 분포와 절단된 정규분포를 활용하여 초기값을 설정하는 방안을 제안한다. 출력에 대한 분산과 입력에 대한 분산의 값을 동일하게 맞춰주고 그 값이 절단된 확률분포의 분산과 같게 적용함으로써 큰 초기값이 나오는 걸 제한하고 0에 가까운 값이 나오도록 분포를 조정하였다. 제안된 방법은 MNIST 데이터와 CIFAR-10 데이터를 DNN과 CNN 모델에 각각 적용하여 실험함으로써 기존의 초기값 설정방법보다 모델의 성능을 좋게 한다는 것을 보였다.