• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.151-153
• /
• 2001

Q-Learning과 같은 기본적인 강화 학습 알고리즘은 문제의 사이즈가 커짐에 따라 성능이 크게 떨어지게 된다. 그 이유들로는 목표와의 거리가 멀어지게 되어 학습이 어려워지는 문제와 비 지향적 탐색을 사용함으로써 효율적인 탐색이 어려운 문제를 들 수 있다. 이들을 해결하기 위해 목표와의 거리를 줄일 수 있는 계층적 강화 학습 모델과 여러 가지 지향적 탐색 모델이 있어 왔다. 본 논문에서는 이들을 결합하여 계층적 강화 학습 모델에 지향적 탐색을 가능하게 하는 탐색 보너스를 도입한 강화 학습 모델을 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.494-496
• /
• 2020

기계학습 모델을 이용한 분류 및 회귀 문제해결에는 다양한 전처리 알고리즘 및 기계학습 모델이 활용된다. 하지만 합리적인 성능을 위해서는 주어진 데이터에 따라 적절한 알고리즘 조합에 대한 탐색 및 최적화 과정이 펄수적이다. 본 논문에서는 최적의 알고리즘 조합을 탐색하는 방법 중 랜덤 탐색과 유전 알고리즘 탐색 방법을 구현하고 8가지 데이터에 대한 성능 비교를 통해 여러 기계학습 모델을 고려하는 탐색 방법의 필요성을 보인다.

• 한국정보전자통신기술학회논문지
• /
• 제10권1호
• /
• pp.85-94
• /
• 2017

본 논문에서는 동물소리 인식시스템을 위하여 최대 빈도모델 탐색 알고리즘을 고안하고 이를 이용한 소리모델을 생성하는 방법을 제안하였다. 소리모델 생성 방법은 동물종의 소리 데이터로부터 학습과정, 비터비 탐색과정 및 최대 빈도모델 탐색과정을 반복하면서 HMM(Hidden Makcov Model)모델의 구조(상태의 수와 GMM의 수)를 탐색하여 최적의 인식률을 갖는 모델집합이 생성하는 방법이다. 최대 빈도모델 탐색 알고리즘은 입력 소리 데이터를 비터비(Viterbi) 알고리즘으로 탐색하여 모델리스트를 생성하고 이 리스트 중에서 최대 빈도수의 모델을 탐색하여 최종 인식결과로 결정하는 방법이다. 알고리즘에서 소리특징으로 MFCC(Mel Frequency Cepstral Coefficient), 모델형식으로 HMM을 이용하고 C# 프로그래밍언어로 구현 하였다. 알고리즘의 성능을 평가하기 위하여 27종의 동물소리를 선정하고 실험을 하였으며 27개의 HMM 모델집합이 97.29 퍼센트의 인식률로 생성됨을 확인하였다.

• 정보과학회 논문지
• /
• 제44권10호
• /
• pp.1034-1044
• /
• 2017

본 연구에서는 추상 도달가능성 그래프(ARG) 기반의 소프트웨어 모델체킹에서 그래프 탐색전략을 설정할 수 있는 새로운 방법을 제시한다. ARG의 여러 실행 경로를 하나로 묶어 모델체킹 성능을 향상시키는 기법인 블록 인코딩(Block Encoding) 기법을 활용하는 경우 기존의 기법들은 인코딩 전의 ARG에서 인코딩을 효과적으로 수행할 수 있는 탐색전략만을 고려하였을 뿐 실제 모델체킹의 성능을 좌우할 수 있는 인코딩 후의 ARG에 대한 탐색전략을 고려하지 못하는 문제가 있었다. 본 연구에서는 기존 연구에서 제시된 탐색 기법을 사용하여 블록 인코딩을 효과적으로 수행하는 동시에 인코딩된 후의 ARG에 대한 탐색 순서를 고려할 수 있는 이중 탐색전략 기법을 제시한다. 또한 탐색 순서의 변화가 모델체킹의 성능에 미치는 영향을 확인하기 위하여 제시하는 기법을 오픈소스 모델체킹 도구에 구현하고 벤치마크 실험을 수행하였으며 탐색전략이 달라지면 모델체킹의 성능이 달라지는 현상을 확인하였다.

• 문화기술의 융합
• /
• 제9권1호
• /
• pp.649-654
• /
• 2023

본 논문은 그래프 합성곱 신경망을 이용한 신경망 구조 탐색 모델 설계를 제안한다. 딥 러닝은 블랙박스로 학습이 진행되는 특성으로 인해 설계한 모델이 최적화된 성능을 가지는 구조인지 검증하지 못하는 문제점이 존재한다. 신경망 구조 탐색 모델은 모델을 생성하는 순환 신경망과 생성된 네트워크인 합성곱 신경망으로 구성되어있다. 통상의 신경망 구조 탐색 모델은 순환신경망 계열을 사용하지만 우리는 본 논문에서 순환신경망 대신 그래프 합성곱 신경망을 사용하여 합성곱 신경망 모델을 생성하는 GC-NAS를 제안한다. 제안하는 GC-NAS는 Layer Extraction Block을 이용하여 Depth를 탐색하며 Hyper Parameter Prediction Block을 이용하여 Depth 정보를 기반으로 한 spatial, temporal 정보(hyper parameter)를 병렬적으로 탐색합니다. 따라서 Depth 정보를 반영하기 때문에 탐색 영역이 더 넓으며 Depth 정보와 병렬적 탐색을 진행함으로 모델의 탐색 영역의 목적성이 분명하기 때문에 GC-NAS대비 이론적 구조에 있어서 우위에 있다고 판단된다. GC-NAS는 그래프 합성곱 신경망 블록 및 그래프 생성 알고리즘을 통하여 기존 신경망 구조 탐색 모델에서 순환 신경망이 가지는 고차원 시간 축의 문제와 공간적 탐색의 범위 문제를 해결할 것으로 기대한다. 또한 우리는 본 논문이 제안하는 GC-NAS를 통하여 신경망 구조 탐색에 그래프 합성곱 신경망을 적용하는 연구가 활발히 이루어질 수 있는 계기가 될 수 있기를 기대한다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2015년도 춘계 종합학술대회 논문집
• /
• pp.305-306
• /
• 2015

과속차량 단속카메라에 촬영된 차량 전면 영상은 차량번호를 인식하여 과속차량에 과금하는 용도로 사용되나 범죄 용의자 차량을 추적하기 위한 용도로도 사용되어진다. 본 연구에서는 국소특징점의 정합을 이용하여 차량 모델을 찾는 방법을 넘어서 실시간으로 차량 모델을 찾기 위한 알고리즘을 제안한다. 입력된 영상에 대하여 차량의 모델을 특징지을 수 있는 헤드라이트를 포함한 차량의 그릴 영역을 관심영역으로 제한하고 관심영역에서 추출된 특징점들을 모델 특징벡터 데이터베이스의 자료와 비교하는 방법 을 사용하였다. 입력 영상의 크기 변화와 조명 변화에 강인한 SURF 국소특징점을 이용한 매칭 방법은 차량 모델을 찾는데 적합하나 선형적으로 탐색하는데 시간이 오래걸린다. 따라서 블러를 사용하여 차량 이미지에서 추출되는 특징점들의 수를 매칭이 가능한 수준으로 낮추는 방법으로 모델 자료로부터 탐색에 필요한 시간을 단축시켰다. 또한 모델 자료를 구조화하여 탐색시간을 줄이는 방법들을 비교하여 LSH 를 사용한 결과 차량 모델을 탐색하는데 필요한 시간이 단축됨을 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (C)
• /
• pp.4-6
• /
• 2006

최근들어 웹 서비스의 수가 증가하면서 필요한 서비스를 정확하게 탐색하는 것이 중요한 이슈가 되고 있다. 이를 위해 온톨로지에 기반한 시맨틱 웹 서비스 탐색에 관한 연구들이 진행되었다. 그러나 기존 연구는 제한된 개념 해석 방식을 사용하고, 명확한 개념 기술 방법을 제공하지 않기 때문에 매칭 오류가 발생 할 수 있다. 본 논문에서는 이러한 문제를 해결하기 위해 통합 개념 모델과 이를 적용한 웹 서비스 탐색 방법을 제안한다. 제안된 통합 개념 모델은 개념 타입, 클래스, 프로퍼티를 이용한 유연하고 명확한 개념 기술 방벌을 제공한다. 제안된 탐색 방법은 통합 개념 모델에 기반하여 서비스와 사용자 요구사항을 기술하고 매칭을 수행한다. 또한 복합 매칭을 지원하여 보다 정교한 서비스 탐색이 가능하다. 다양한 형태의 사용자 요구사항에 대해 실험한 결과, 제안된 방법은 기존 연구보다 더 높은 정확률과 재현율을 보였다.

• 한국통신학회논문지
• /
• 제21권6호
• /
• pp.1379-1389
• /
• 1996

한글 필기는 항상 초성, 중성, 종성의 순으로 씌어진다. 본 논문은 이점을 이용하여 자소 탐색 모델을 설계하고 그 탐색 결과에 의거하여 글자를 인식하려는 온라인 필기 인식 방법을 제시하고자 한다. 기본 자소 모델은 은닉 마르코프 모델을 이용하고 자소 탐색 모델은 HMM의 망으로 구성한다. 자소 탐색은 Viterbi 알고리즘에 의한 정합으로 이루어지며 글자 인식은 이들 자소 가설 격자의 탐색으로 이루어진다. 인식 실험 결과는 간단한 인식기 구조에도 불구하고 정자체의 경우 87.47%에 달하는 상당한 인식률을 보였으며, 특히 자연스럽게 쓴 필기에서도 매우 훌륭한 자소 분할 결과를 얻을 수 있었다.

• 정보관리학회지
• /
• 제5권1호
• /
• pp.131-152
• /
• 1988

본 연구에서는 컴퓨터를 이용하는 탐색 시스템에서 탐색 용어와 관련된 제한점을 해결하고자 의미 네트워크 모델에 지식 베이스를 설계하였다. 이것은 탐색 전략에서 주제분 야의 용어 및 용어간의 어의적 관계에 대한 지식을 확장 이용하였을 때 검색의 효율을 높이 는 데에 촛점을 두었다. 이를 위해서 정보의 탐색과 지식 표현에 관한 문헌 연구를 하였으 며, 실제로 한글 문헌의 화학 공학분야에서 색인어 실험을 통하여 '유체의 흐름'과 '연소'에 관한 지식 베이스를 구성하였다. 탐색 방법은 두가지로 구분되었는데 용어에 관한 탐색과 질문식과 관련된 문헌 검색으로 실시되었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 2002년도 하계학술발표대회 논문집 제21권 1호
• /
• pp.99-102
• /
• 2002

본 논문에서는 한국어 대어휘 연속음성 인식 시스템의 성능향상을 위하여 Multi-Pass 탐색 방법을 도입하고, 그 유효성을 확인하고자 한다. 연속음성 인식실험을 위하여, 최근 실험용으로 널리 사용되고 있는 HTK와 Multi-Pass 탐색 방법을 이용한 음성인식 시스템의 비교 실험을 수행한다. 대어휘 연속음성 인식 시스템에 사용한 언어 모델은 ARPA 표준 형식의 단어 N-gram 언어모델로, 1-pass에서는 2-gram 언어모델을, 2-pass 에서는 역방향 3-gram 언어모델을 이용하여 Multi-Pass 탐색 방법으로 인식을 수행한다. 본 논문에서는 Multi-Pass 탐색 방법을 한국어 연속음성인식에 적합하게 구성한 후, 다양한 한국어 음성 데이터 베이스를 이용하여 인식실험을 수행하였다. 그 결과, 전화망을 통하여 수집된 잡음이 포함된 증권거래용 연속음성 데이터 베이스를 이용한 연속음성 인식실험에서 HTK가 $59.50\%$, Multi-Pass 탐색 방법을 이용한 시스템은 $73.31\%$의 인식성능을 나타내어 HTK를 이용한 연속음성 인식률 보다 약 $13\%$의 인식률 향상을 나타내었다.