• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.

• 정보처리학회논문지D
• /
• 제13D권4호
• /
• pp.513-524
• /
• 2006

정규화 변환은 시계열 시퀀스를 구성하는 엔트리들의 전체적인 패턴을 분석하는데 매우 유용하다. 본 논문에서는 단일 색인을 사용한 정규화 변환 지원 서브시퀀스 매칭 방법을 제안한다. 기존의 정규화 변환 지원 서브시퀀스 매칭 방법은 다양한 길이의 질의 시퀀스를 지원하기 위하여 여러 개의 색인을 생성해야 하고, 이에 따라 색인 저장 공간의 오버헤드와 색인 관리의 오버헤드가 발생한다. 본 논문에서는 하나의 색인을 사용하면서도 다양한 길이의 질의 시퀀스에 대한 정규화 변환을 지원하는 효율적인 서브시퀀스 매칭 방법을 제안한다. 이를 위하여, 우선 정규화 변환을 일반화한 포함-정규화 변환(inclusion-normalization transform) 개념을 제시한다. 포함 정규화 변환이란 색인에 저장할 윈도우에 대해서 해당 윈도우를 포함하는 서브시퀀스의 평균과 표준편차로 정규화하는 것으로서, 기본적인 정규화 변환을 윈도우 및 서브시퀀스 개념을 사용하여 확장한 것이다. 다음으로, 포함-정규화 변환을 기존 서브시퀀스 매칭 연구에 적용하기 위한 이론적 근거를 정리로서 제시하고 증명한다. 그리고, 이 방안을 구현하기 위한 색인 구성 알고리즘 및 서브시퀀스 매칭 알고리즘을 각각 제시한다. 실제 주식 데이터에 대한 실험 결과, 제안한 방법은 기존 방법에 비해 최대 $2.5{\sim}2.8$배까지 성능을 향상 시킨 것으로 나타났다. 본 논문에서 제안한 정규화 변환 지원 서브시퀀스 매칭은 정규화 변환 이외의 다른 변환을 지원하는 서브시퀀스 매칭으로 일반화 될 수 있다. 따라서, 제안한 방법은 정규화 변환을 포함하는 많은 다른 종류의 변환을 지원하는 서브시퀀스 매칭에 폭넓게 적용될 수 있는 좋은 연구결과라 사료된다.

• 한국농림기상학회지
• /
• 제17권3호
• /
• pp.207-216
• /
• 2015

본 연구는 산불 피해지에서 복원 방법 및 수종의 구성에 따라 미세 기후가 어떻게 변하는지에 관한 연구는 거의 이루어진 바 없어 산불 피해지에서 복원 방법 및 임분의 구성에 따라 임분 내 기상 패턴이 어떻게 변화하는지에 대해 구명하고자 수행되었다. 본 연구에서 사용된 독립 변수로 임분을 구성하는 수종의 종류와 생장, 임분 밀도, 그리고 피복율이며, 이에 따른 종속 변수로는 임분 내 광량, 기온, 습도, 토양 온도, 그리고 토양 수분 함량이었다. 기상 조건은 대부분 광 조건에 영향을 받는 종속 변수이나, 임분을 구성하는 수목의 생장과 피복률에도 변화하는 것으로 나타났다. 임분 내 습도는 임분 밀도와, 임분 내 기온과 수목의 수고와 음(-)의 상관 관계에 있는 것으로 나타나 임분 밀도와 수목의 생장이 증가할수록 임분 내부의 기온과 습도는 상대적으로 감소하는 경향을 보였다. 그러나 임분의 발달은 대부분 미세 기후의 전체 평균보다는 변동계수와 같은 편차를 줄이는 형태로 더 큰 영향을 주었으며, 수관 층의 수고와 임분 내 광량과 직접적인 관계에 있는 것을 감안하면($R^2$=0.87), 임분의 구조는 광량에는 직접적인 영향을, 다른 미세 기후에는 간접적인 영향을 준 것으로 사료된다. 한편 변동계수의 경우 삼척 지역이 고성 지역보다 상대적으로 높은 값을 보였으며, 수목의 생장에 따라 감소하는 경향을 보였다. 따라서 산불 발생 이후 시간 경과에 따라 상대적으로 안정된 상태를 지니는 것으로 해석되었다. 그러나, 현재 단계에서는 산불 피해 이후 숲의 발달에 따른 임분 내부의 기상 조건의 변화상을 뚜렷하게 확인하고 일반화하기에는 많은 어려움이 있어 이를 위해서는 보다 긴 시간에 걸쳐 많은 지점에서의 기상 조건과 임분 현황을 지속적으로 조사되어야 할 것이다. 이후 일반화된 자료를 활용한다면, 임분 구조와의 관계 해석은 물론, 하층 식생 출현 등에 대한 해석에 도움이 될 것으로 기대된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제26권11호
• /
• pp.1261-1269
• /
• 1999

다층 퍼셉트론은 다양한 응용 분야에 성공적으로 적용되고 있는 대표적인 신경회로망 모델이다. 그러나 다층 퍼셉트론의 학습에서 나타나는 플라토에 기인한 느린 학습 속도와 지역 극소는 실제 응용문제에 적용함에 있어서 가장 큰 문제로 지적되어왔다. 이 문제를 해결하기 위해 여러 가지 다양한 학습알고리즘들이 개발되어 왔으나, 계산의 비효율성으로 인해 실제 문제에는 적용하기 힘든 예가 많은 등, 현재까지 만족할 만한 해결책은 제시되지 못하고 있다. 본 논문에서는 다층퍼셉트론의 베이시스 함수로 사용되는 시그모이드 함수를 보다 일반화된 형태로 정의하여 사용함으로써 학습에 있어서의 플라토를 완화하고, 지역극소에 빠지는 것을 줄이는 접근방법을 소개한다. 본 방법은 기존의 변형된 가중치 수정식을 사용한 학습 속도 향상의 방법들과는 다른 접근 방법을 택함으로써 기존의 방법들과 함께 사용하는 것이 가능하다는 특징을 갖고 있다. 제안하는 방법의 성능을 확인하기 위하여 간단한 패턴 인식 문제들에의 적용 실험 및 기존의 학습 속도 향상 방법을 함께 사용하여 시계열 예측 문제에 적용한 실험을 수행하였고, 그 결과로부터 제안안 방법의 효율성을 확인할 수 있었다. Abstract A multilayer perceptron is the most well-known neural network model which has been successfully applied to various fields of application. Its slow learning caused by plateau and local minima of gradient descent learning, however, have been pointed as the biggest problems in its practical use. To solve such a problem, a number of researches on learning algorithms have been conducted, but it can be said that none of satisfying solutions have been presented so far because the problems such as computational inefficiency have still been existed in these algorithms. In this paper, we propose a new learning approach to minimize the effect of plateau and reduce the possibility of getting trapped in local minima by generalizing the sigmoidal function which is used as the basis function of a multilayer perceptron. Adapting a new approach that differs from the conventional methods with revised updating equation, the proposed method can be used together with the existing methods to improve the learning performance. We conducted some experiments to test the proposed method on simple problems of pattern recognition and a problem of time series prediction, compared our results with the results of the existing methods, and confirmed that the proposed method is efficient enough to apply to the real problems.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권5호
• /
• pp.463-472
• /
• 2000

본 논문에서는 연상 메모리 기능을 수행하는 셀룰라 신경망(Cellular Neural Network)의 설계를 위한 새로운 방법론을 제안한다. 먼저, 셀룰라 신경망 모델의 기본적 특성들을 소개한 후, 최적 성능을 가지고 이진 원형 패턴들을 저장할 수 있는 셀룰라 신경망 모델의 설계 방법을 제약 조건이 가해진 최적화 문제로 공식화한다. 다음으로 이 문제의 제약 조건을 선형 행렬 부등식(Linear Matrix Inequalities)을 포함하는 부등식의 형태로 변환시킬 수 있음을 관찰한다. 마지막으로 셀룰라 신경망 최적 설계 문제를 내부점 방법(interior point method)에 의해 효율적으로 풀릴 수 있는 일반화된 고유값 문제(Genaralized EigenValue Problem)로 변환한다. 본 논문에서 제시하는 셀룰라 신경망 설계 방법론은 공간 변형 형판 셀룰라 신경망과 공간 불변 형판 셀룰라 신경망 설계에 모두 적용될 수 있다. 설계 예제를 통해 제안된 방법의 유효성을 검증한다.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2012년도 제43회 하계 정기 학술대회 초록집
• /
• pp.310-310
• /
• 2012

최근 전자산업의 발달에 따른 전자제품의 소형화 및 고기능화 요구에 대응하기 위하여 저항(resistor), 커패시터(capacitor), IC (integrated circuit) 등의 수동소자를 개별 칩(discrete chip) 형태로 형성하여 기판의 표면에 실장하는 기술이 일반화되고 있다. 그러나, 수동 소자의 내장 기술은 기판의 패턴 밀도의 급격한 향상과 더불어 수동소자의 내장 공간도 협소해지는 문제점이 있다. 상기의 문제점을 해결하기 위해 개별 칩 형태의 내장형 저항체를 박막 형태의 내장 저항체를 구현하는 기술의 개발이 최근 주목을 받고 있다. 박막 저항체는 기존의 권선저항 및 후막저항과 비교하여 정밀한 온도저항계수를 가지며 이동통신에 적용시 고주파 영역(GHz)에서의 안정성과 주파수 특성이 좋다는 장점들을 가지고 있다. 박막 저항 물질로는 높은 경도와 우수한 열적 안정성을 가지고 있는 TaN (tantalum nitride)이 주로 사용되고 있다. 일반적으로, TaN 박막은 스퍼터링을 사용하며 제조되며 TaN 박막의 성질은 탄탈륨과 질소의 화학정량비, 박막의 결함 정도, 또는 공정압력 및 증착 온도, 플라즈마 파워 등과 같은 공정조건 등의 변화에 민감하게 변화하므로, TaN 박막의 다양한 연구가 더 필요한 실정이다. 본 연구에서는 반응성 마크네트론 스퍼터링을 사용하여 TaN 박막을 Si 기판 위에 증착하였고 TaN 박막의 원하는 특성을 제어할 수 있도록 질소 분압과 total gas volume을 조절하여 공정을 최적화하는 연구를 진행하였다. 또한 tensile pull-off 방법을 이용하여 TaN 박막의 부착강도를 평가하였고, 온도 사이클 및 고온고습 환경에 노출된 TaN 박막들의 열화 특성들에 대하여 연구하였다.

• 대한화학회지
• /
• 제61권4호
• /
• pp.191-196
• /
• 2017

앞선 연구에서 TP(Thiolate-Protected)-나노은의 합성 시 초기에 형성되는 티올화 은 층간화합물의 형성을 막기 위하여 에탄올에 녹아있는 $NaBH_4$와 티올에 $AgNO_3$를 첨가하는 개선된 단일상 합성법을 보고하였다. 본 연구에서는 이 합성법을 보다 일반화하기 위하여 TP-나노금과 나노백금의 합성에 적용하였다. 합성된 생성물의 나노크기, 형상 및 금속에 부착된 티올의 배열은 UV-vis. 스펙트럼, 투과 전자 현미경 사진, X-선 회절 패턴 및 적외선 분광 스펙트럼을 이용하여 규명 하였다. TP-나노금과 나노백금은 구형 및 타원형의 형태를 하고 있으며 입자크기는 각각 약 3~7 nm와 약 2 nm 이하로 나타나고 있다. 한편 TP-나노금의 표면을 감싸는 옥탄티올 음이온의 메틸렌 사슬 [$-(CH_2)_7-$]의 메틸렌 배향은 trans임을 보여주고 있다.

• Korean Chemical Engineering Research
• /
• 제49권3호
• /
• pp.352-356
• /
• 2011

리빙 프리 라디칼 중합법은 ATRP, NMP, RAFT 등의 방법이 있으며, 지난 수 십년간 매우 빠르게 발전해 왔다. 그 중에서 RAFT 중합법은 다른 방법들에 비해 최근에 학문적으로 크게 주목 받고 있다. RAFT 중합법은 다른 리빙 프리 라디칼 중합법에 합성할 수 있는 단량체의 종류나 합성의 제한이 비교적 작아서, 다양한 기능성 고분자를 쉽게 중합할 수 있으며, 합성한 고분자의 분자량 분포 또한 좁게 만들 수 있는 장점이 있다. 따라서 RAFT 중합법을 통해 다양한 형태의 블록 공중합체, 댄드리머 등을 합성하는데 이용되고 있다. 이 논문에서는 위와 같은 RAFT 중합법을 이용해, 친수성 블록을 갖는 새로운 블록 공중합체를 합성한다. Poly(ethylene-b-styrene)와 poly(ethylene-b-metharylate-bstyrene) 같은 블록 공중합체 박막을 이용해 용매 증발법에 의한 높은 수준의 정렬도를 갖는 연구가 진행, 보고되었다. 그리고 위의 2가지 연구에서 습도가 정렬도에 큰 영향을 미치는 것으로 보고되고 있다. 하지만 위의 연구에서 친수성 블록에 의한 영향을 명확하게 규명하지 못했다. 따라서 이 논문에서는 다른 친수성 블록을 갖는 poly(N,Ndimethylacrylamide-b-styrene)를 RAFT 중합법에 의해 합성하고, 이를 이용해 박막 내에서 용매 증발법 중의 습도에 의한 영향을 일반화하고자 한다.

• 정보과학회 논문지
• /
• 제43권12호
• /
• pp.1396-1403
• /
• 2016

시간이 흐름에 따라 데이터 분포가 변하거나 관심 개념이 달라질 수 있는 스트리밍 데이터 분석에서 개념 변화에 적응해 나갈 수 있는 능력은 점층적 학습 과정에서 매우 중요하다. 이 논문에서는 개념 변화를 가진 스트리밍 데이터에서 적응적 점층적 분류기를 위한 일반화된 프레임워크를 제안한다. 분류기에 의해 예측되는 신뢰도 벡터와 클래스 라벨 벡터 사이의 거리를 이용하여 분류기 성능 패턴을 나타내는 분포를 구성하고 컨셉 변화에 대한 가설 검정을 수행한다. 추정되는 p-값을 이용하여 오래된 데이터에 대한 가중치를 자동으로 조정하여 분류기 업데이트에 이용한다. 제안된 방법을 두 가지 타입의 선형 판별 분류기에 적용한다. 컨셉 변화를 가진 스트리밍 데이터에 대한 실험 결과는 제안하는 적응적 점층적 학습 방법이 점층적 분류기의 예측 정확도를 크게 향상시킴을 입증한다.

• 대한수학교육학회지:수학교육학연구
• /
• 제16권1호
• /
• pp.79-94
• /
• 2006

본 연구는 10명의 초등학교 5-6학년 수학영재들이 평면과 공간의 최대 분할이라는 과제를 해결하면서 보여주는 정당화 유형을 분석한 것이다 우선 문헌 연구를 통해 본 과제의 해결 과정에서 영재들이 보일 것으로 예상되는 정당화 유형 분석의 틀을 마련하고 실제로 초등 수학영재들이 자신의 능력에 따라 보여주는 정당화 과정의 특성을 분석하였다. 연구 결과, 초등 수학영재들 사이에도 정당화 수준에는 상당한 차이가 있는 것으로 나타났다. 초등 수학영재들에게서 외부적 정당화는 거의 나타나지 않았으며, 귀납적 정당화를 시도한 학생은 소수 있었다. 초등 수학영재들에게서 가장 많이 나타난 정당화 유형은 포괄적 정당화였으며, 형식적 정당화 수준에 이른 초등 수학영재도 일부 있었다. 이러한 결과는 초등 수학 영재들에게 패턴 찾기 탐구 주제를 제시할 때에 귀납적인 사례를 조사하도록 이끄는 방식이 그다지 적절하지 않으며, 일반화된 식의 산출보다는 정당화에 좀 더 초점을 맞춘 학습 지도가 필요함을 시사한다.