• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 2002년도 추계공동학술대회
• /
• pp.363-370
• /
• 2002

RF에서 동작하는 초미세 공정 MOS 트랜지스터의 기판 효과에 따른 기판 회로망과 물리적 의미를 가지는 파라미터 추출법이 고려되었다. 제안된 기판 회로망에는 단일의 저항과 링-형태의 기판 콘택에 의해 생성된 인덕터가 포함되었다. 모델 파라미터는 최적화 과정 없이 단절된 게이트와 공통-벌크 구성을 갖는 MOS 트랜지스터에서 측정된 S-파라미터로부터 추출된다. 제안된 기술은 다양한 크기의 MOS 트랜지스터에 적용되어졌다. 추출된 기판 회로망을 이용한 가상실험 결과와 측정치는 약 300Hz까지 일치함을 검증하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 하계학술대회
• /
• pp.123-124
• /
• 2019

본 논문에서는 다중 깊이 및 RGB 카메라의 캘리브레이션 최적화 알고리즘을 제안한다. 컴퓨터 비전 분야에서 카메라의 자세 및 위치를 추정하는 것은 꼭 필요한 과정 중 하나이다. 기존의 방법들은 핀홀 카메라 모델을 이용하여 카메라 파라미터를 계산하기 때문에 오차가 존재한다. 따라서 이 문제점을 개선하기 위해 깊이 카메라에서 얻은 물체의 실제 거리와 함수 최적화 방식을 이용하여 카메라 외부 파라미터의 최적화를 진행한다. 이 알고리즘을 이용하여 카메라 간의 정합을 진행하면 보다 더 좋은 품질의 3D 모델을 얻을 수 있다.

• 지구물리와물리탐사
• /
• 제23권3호
• /
• pp.157-167
• /
• 2020

최근 인공지능 기술의 발전과 함께 물리탐사의 다양한 분야에서도 인공지능의 핵심 기술인 머신러닝의 활용도가 증가하고 있다. 또한 머신러닝 및 딥러닝을 활용한 연구는 이미지, 비디오, 음성, 자연어 등 다양한 태스크의 추론 정확도를 높이기 위해 복잡한 알고리즘들이 개발되고 있고, 더 나아가 자료의 특성, 알고리즘 구조 및 하이퍼 파라미터의 최적화를 위한 자동 머신러닝(AutoML) 분야로 그 폭을 넓혀가고 있다. 본 연구에서는 AutoML 분야 중에서도 하이퍼 파라미터(hyperparameter) 자동 탐색을 위한 베이지안 최적화 기술에 중점을 두었으며, 본 기술을 물리탐사 분야에서도 암상 분류(facies classification) 문제에 적용했다. Vincent field의 현장 물리검층 및 탄성파 자료를 이용하여 암상 및 공극유체를 분류하는 지도학습 기반 모델에 적용하였고, 랜덤 탐색 기법의 결과와 비교하여 베이지안 최적화 기반 예측 프레임워크의 효율성을 검증하였다.

• 터널과지하공간
• /
• 제34권3호
• /
• pp.218-230
• /
• 2024

최근 건설현장의 안전사고 문제를 해결하기 위해 컴퓨터 비전 기술을 활용한 안전관리에 관한 연구를 많이 수행하고 있다. 최근 딥러닝 기반 객체 인식 및 영역 분할 연구에서 앵커 박스 파라미터를 사용하고 있다. 일관적인 정확도를 확보하기 위하여 학습 과정에서 앵커 박스 파라미터의 최적화가 중요하다. 앵커 박스 관련 파라미터는 일반적으로 학습자의 휴리스틱 방법으로 모양과 크기를 고정하여 학습을 수행하고 있고, 파라미터는 단일로 구성된다. 하지만 파라미터는 객체 종류와 객체 크기에 따라 민감하고 수가 증가하면 단일 파라미터로 데이터의 모든 특성을 반영하는데 한계가 발생한다. 따라서 본 논문은 분할 학습을 통해 최적화된 다중 파라미터를 적용하는 방법을 제안하여 단일 파라미터로 모든 객체의 특성을 반영하기 어려운 문제를 해결하고자 한다. 통합 데이터를 객체 크기, 객체 수, 객체의 형상에 따라 효율적으로 분할하는 기준을 정립하였으며, 최종으로 통합 학습과 분할 학습 방법의 성능 비교를 통해 제안한 학습 방법의 효과를 검증하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2024년도 제36회 한글 및 한국어 정보처리 학술대회
• /
• pp.228-232
• /
• 2024

거대 언어 모델(LLM)의 활용이 확산됨에 따라, 다양한 프로그래밍 언어에서 고품질 코드를 생성하는 LLM의 능력이 중요한 연구 주제로 부각되고 있다. 특히, 이러한 모델들이 코드 생성 능력을 어떻게 습득하는지에 대한 이해는 더 효율적인 모델 개발 및 최적화를 위한 핵심 요소로 작용할 수 있다. 본 연구는 LLM의 코딩 능력이 특화된 파라미터 집합인 Coding Core에서 비롯되는지를 분석하고자 하였다. 이를 위해 LLaMA 3.1 8B instruct 모델을 사용하여 Bash, C, C++, Go, Java, JavaScript, Julia 등 7개 프로그래밍 언어에 걸쳐 파라미터 중요도 점수를 적용해 핵심 파라미터를 식별하였다. 분석 결과, Coding Core는 LLM의 일반적인 코딩 능력에 필수적인 요소로 확인되었으며, 해당 파라미터의 1%를 제거했을 때 HumanEval 벤치마크에서 성능이 현저히 저하됨을 발견하였다. 또한, Coding Core는 GSM8K 벤치마크에서도 성능 저하를 초래하여, 수학적 추론에도 중요한 역할을 한다는 사실이 입증되었다. 반면, HellaSwag, MMLU, WinoGrande와 같은 다른 벤치마크에서는 성능 변화가 미미했으며, 이를 통해 Coding Core가 주로 코딩 및 수학적 능력에 관련된 기능을 담당한다는 사실을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제14권2호
• /
• pp.288-294
• /
• 2011

본 논문에서는 스테레오 이미지 생성 모델을 제시한 다음 이로부터 디스패리티를 구하는 과정을 유도하고 이의 해를 구하는 과정은 에너지 기반 스테레오 정합과 일치함을 수식으로 증명한다. 정합되는 화소 간의 차와 인근 화소에 해당되는 디스패리티의 차는 지수 확률분포에 근사하다는 사실을 실험적으로 확인하고 이에 근거하여 이들의 정합 파라미터를 최적화하는 식을 유도하고 이의 해법을 제시한다. 제안 알고리즘은 초기에 임의의 파라미터로 디스패리티 맵을 구한 후에 이의 통계적 특성을 이용하여 정합 파라미터를 추정하고 추정된 파라미터를 적용하여 디스패리티 맵을 재차 구하는 과정을 반복함으로써 최적의 파라미터에 적응적으로 수렴하도록 조정한다. 제안 알고리즘을 dynamic programming과 belief propagation 기반 스테레오 매칭 알고리즘에 각각 적용하여 구한 정합 파라미터가 수렴하는지를 조사하고 이의 수렴 속도와 성능 개선 효과 등을 확인한다.

• 한국산업정보학회논문지
• /
• 제21권1호
• /
• pp.7-15
• /
• 2016

해양의 파랑 파라미터는 해상 교통의 운행과 항해에 있어 안전성과 더불어 효율성을 위해 매우 중요하다. 본 논문에서는 X-대역의 해양 레이더를 이용하여 해류 속도, 파랑 파라미터와 같은 해상의 표현정보를 수집하는데 효율적인 알고리즘을 개발한다. 특히, 제안된 방식은 고정된 제어 방식을 사용하는 것 대신에 반복적인 보정 과정을 채택함으로써, 최적화된 해류 속도를 효과적으로 계산할 뿐만 아니라, 최적화된 방식으로 비용함수를 도입하도록 설계된다. 실험을 통해서 제안한 알고리즘은 기존의 알고리즘에 비해서 파랑 정보를 추출하는데 매우 효과적임을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.365-366
• /
• 2023

본 논문은 F1TENTH 와 같은 자율주행 경주 대회를 위한 고전적인 자율주행 알고리즘의 파라미터 최적화에 관한 연구를 다룬다. 고전적인 자율주행 알고리즘은 하이퍼파라미터의 영향을 크게 받고 더 나아가서 하이퍼파라미터의 설정에 따라서 성능의 차이가 크다. 이 하이퍼파라미터를 빠르게 찾기 위하여 Piece and Conquer Fireworks 방법을 제안한다. 결과적으로Random search에 비해서 일반 Fireworks알고리즘은 약8.3배, Piece and Conquer Fireworks알고리즘은 약 28.5배 빠른 성능을 보여준다.

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2016년도 제28회 한글및한국어정보처리학술대회
• /
• pp.252-256
• /
• 2016

본 논문에서는 한국어에 최적화된 단어 임베딩을 학습하기 위한 방법을 소개한다. 단어 임베딩이란 각 단어가 분산된 의미를 지니도록 고정된 차원의 벡터공간에 대응 시키는 방법으로, 기계번역, 개체명 인식 등 많은 자연어처리 분야에서 활용되고 있다. 본 논문에서는 한국어에 대해 최적의 성능을 낼 수 있는 학습용 말뭉치와 임베딩 모델 및 적합한 하이퍼 파라미터를 실험적으로 찾고 그 결과를 분석한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.168-171
• /
• 2006

본 논문에서는 Particle Swarm Optimization 기법을 이용한 뉴로-퍼지 시스템의 파라미터 동정을 실시한다. PSO의 학습 및 군집 특성을 이용하여 시스템을 학습한다. 유전 알고리즘과 같은 무작위 탐색법을 이용하며 하나의 해 군집에 대해 다수 객체들이 탐색하는 기법을 통하여 최적해 부분의 탐색성능을 높여 전체 모델의 학습성능을 개선하고자 한다. 제안된 기법의 유용성을 시뮬레이션을 통하여 보이고자 한다.