• Journal of Platform Technology
• /
• v.11 no.4
• /
• pp.80-88
• /
• 2023

To construct a learning model in the field of artificial intelligence, a dataset should be collected and be delivered to the central server where the learning model is constructed. Federated learning is a machine learning method building a global learning model without transmitting data located in a client side in a collaborative manner. It can be used to protect privacy, and after constructing a local trained model on individual clients, the parameters of the local model are aggregated centrally to update the global model. In this paper, we reuse the existing learning parameter to improve federated learning, describe incremental federated learning. For this work, we do experiments using the federated learning framework named Flower, and evaluate the experiment results with regard to elapsed time and precision when executing optimization algorithms.

• Annual Conference on Human and Language Technology
• /
• 2009.10a
• /
• pp.61-66
• /
• 2009

본 논문은 다양한 형태의 웹 문서에 적용하기 위해서, 언어의 통계정보 및 후처리 규칙에 기반 하여 개선된 문장경계 인식 기술을 제안한다. 제안한 방법은 구두점 생략 및 띄어쓰기 오류가 빈번한 웹 문서에 적용하기 위해서 문장경계로 사용될 수 있는 모든 음절을 대상으로 학습하여 문장경계 인식을 수행하였고, 문장경계인식 성능을 최대화 하기 위해서 다양한 실험을 통해 최적의 자질 및 학습데이터를 선정하였고, 다양한 기계학습 기반 분류 모델을 비교하여 최적의 분류모델을 선택하였으며, 학습데이터에 의존적인 통계모델의 오류를 규칙에 기반 해서 보정하였다. 성능 실험은 다양한 형태의 문서별 성능 측정을 위해서 문어체와 구어체가 복합적으로 사용된 신문기사와 블로그 문서(평가셋1), 문어체 위주로 구성된 세종말뭉치와 백과사전 본문(평가셋2), 구두점 생략 및 띄어쓰기 오류가 빈번한 웹 사이트의 게시판 글(평가셋3)을 대상으로 성능 측정을 하였다. 성능척도로는 F-measure를 사용하였으며, 구두점만을 대상으로 문장경계 인식 성능을 평가한 결과, 평가셋1에서는 96.5%, 평가셋2에서는 99.4%를 보였는데, 구어체의 문장경계인식이 더 어려움을 알 수 있었다. 평가셋1의 경우에도 규칙으로 후처리한 경우 정확률이 92.1%에서 99.4%로 올라갔으며, 이를 통해 후처리 규칙의 필요성을 알 수 있었다. 최종 성능평가로는 구두점만을 대상으로 학습된 기본 엔진과 모든 문장경계후보를 인식하도록 개선된 엔진을 평가셋3을 사용하여 비교 평가하였고, 기본 엔진(61.1%)에 비해서 개선된 엔진이 32.0% 성능 향상이 있음을 확인함으로써 제안한 방법이 웹 문서에 효과적임을 입증하였다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.141-146
• /
• 2018

최근 대화 모델 학습에는 시퀀스-투-시퀀스 모델이 널리 활용되고 있다. 하지만 기본적인 시퀀스-투-시퀀스 모델로 학습한 대화 모델은 I don't know 문제와 사오정 문제를 내포한다. I don't know 문제는 입력 발화에 대해 안전하고 무미건조한 단편적인 대답을 많이 생성하는 문제이다. 사오정 문제는 입력 발화에 대해 적절한 응답을 생성했지만 입력 발화와 동일한 의미를 지니지만 어순, 어미 등의 변화가 있는 발화에는 적절한 응답을 생성하지 못하는 문제이다. 이전 연구에서 디노이징 메커니즘을 활용하여 각각의 문제를 완화하는 대화 모델들을 학습할 수 있음을 보였으나 하나의 모델에서 두 문제를 동시에 해결하지는 못하였다. 본 논문에서는 디노이징 메커니즘을 활용하여 각각의 문제에 강점을 지닌 디코더들을 학습하고 응답 생성 시 입력 발화에 따라 두 디코더를 적절하게 반영하여 언급한 문제 모두에 대해 강건한 응답을 생성할 수 있는 모델을 제안한다. 제안하는 방법의 우수성을 보이기 위해 9만 건의 한국어 대화 데이터로 실험을 수행하였다. 실험 결과 단일 문제를 해결하는 모델들과 비교하여 ROUGE F1 점수와 사람이 평가한 정성 평가에서 성능 향상을 보였다.

• Journal of Korean Library and Information Science Society
• /
• v.32 no.2
• /
• pp.165-185
• /
• 2001

This study measured whether web-based library user education represent web-based instruction theories in education. 9 criteria used were course-related instruction, collaborative learning, evaluation of tutorials, education of information retrieval, contents tables, multimedia interaction between users and librarians, navigational aids, variation of menus. The result showed that both contents and design of web sites were important for good web-based library user education.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.229-229
• /
• 2023

강화학습은 에이전트(agent)가 주어진 환경(environment)과의 상호작용을 통해서 상태(state)를 변화시켜가며 최대의 보상(reward)을 얻을 수 있도록 최적의 행동(action)을 학습하는 기계학습법을 의미한다. 최근 알파고와 같은 게임뿐만 아니라 자율주행 자동차, 로봇 제어 등 다양한 분야에서 널리 사용되고 있다. 상수도관망 분야의 경우에도 펌프 운영, 밸브 운영, 센서 최적 위치 선정 등 여러 문제에 적용되었으나, 설계에 강화학습을 적용한 연구는 없었다. 설계의 경우, 관망의 크기가 커짐에 따라 알고리즘의 탐색 공간의 크기가 증가하여 기존의 최적화 알고리즘을 이용하는 것에는 한계가 존재한다. 따라서 본 연구는 강화학습을 이용하여 상수도관망의 구성요소와 환경요인 간의 복잡한 상호작용을 고려하는 설계 방법론을 제안한다. 모델의 에이전트를 딥 강화학습(Deep Reinforcement Learning)으로 구성하여, 상태 및 행동 공간이 커 발생하는 고차원성 문제를 해결하였다. 또한, 해당 모델의 상태 및 보상으로 절점에서의 압력 및 수요량과 설계비용을 고려하여 적절한 수량과 수압의 용수 공급이 가능한 경제적인 관망을 설계하도록 하였다. 모델의 행동은 실제로 공학자가 설계하듯이 절점마다 하나씩 차례대로 다른 절점과의 연결 여부를 결정하는 것으로, 이를 통해 관망의 레이아웃(layout)과 관경을 결정한다. 본 연구에서 제안한 방법론을 규모가 큰 그리드 네트워크에 적용하여 모델을 검증하였으며, 고려해야 할 변수의 개수가 많음에도 불구하고 목적에 부합하는 관망을 설계할 수 있었다. 모델 학습과정 동안 에피소드의 평균 길이와 보상의 크기 등의 변화를 비교하여, 제안한 모델의 학습 능력을 평가 및 보완하였다. 향후 강화학습 모델을 통해 신뢰성(reliability) 또는 탄력성(resilience)과 같은 시스템의 성능까지 고려한 설계가 가능할 것으로 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.954-957
• /
• 2015

본 연구는 컴퓨터시스템을 이용한 맞춤형 정음기반 한국어 학습 지원시스템의 효율적인 모델에 관한 연구 논문으로서, IMS/AICC 국제규격을 준수하는 LCMS와 SCORM 기반의 정음 정보처리로 한국어 교육이 가능한 학습지원시스템에 구축 시스템의 세부 모음들을 정의하였다. 주 내용은 학습자의 학습결과와 학습 습관을 분석 평가하여 자가 주도 식으로 학습할 수 있는 기능을 제공한 것이다. 본 연구는 효율적인 PMS 세부모듈 시스템은 물론, 표준 역량모델관리시스템, 학습자 개별 역량 관리시스템, 역량저장 및 저장소, 커뮤니티를 활용한 역량 모델기반의 지식관리시스템, 교육 수요분석용 e-Survey시스템, 모바일 학습지원서비스 시스템 등이다. 앞으로 클라우드컴퓨팅 기술을 적용한 외국인을 위한 정음기반 한국어 학습지원시스템 구축 표준 모델을 제시하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.714-716
• /
• 2000

본 논문에서는 웹상에서 학습자의 학습능력을 진단하기 위하여 각 단계별로 질문을 제시하고 질문의 응답여부에 따라 자신의 학습 능력을 평가받고 향후 자신의 능력을 좀 더 향상시킬 수 있는 지침을 제공하는 학습능력 진단시스템을 개발하였다. 본 시스템에서는 소프트웨어 프로세스를 향상시키기 위해 사용되고 있는 능력성숙 모델(CMM)을 기반으로 질문 리스트를 구성하였으며 다양한 학습자의 학습능력을 전단할 수 있도록 학습자의 직업에 따라 별도의 질문 리스트를 준비하였고 질문 리스트와 메시지 및 가산점을 조정한다면 다양한 분야에서도 활용될 수 있을 것이다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.129-130
• /
• 2021

본 연구의 목적은 학생의 주도적 학습을 돕는 하브루타 학습방법을 대학의 비대면 실시간 온라인 수업에서 활용할 수 있는 하브루타 학습모델 개발과 그 적용 가능성을 탐색하는 것이다. 이를 위해 온라인 학습환경에서 하브루타 학습법 적용사례에 대한 선행연구 고찰과 관련 이론들을 분석하고 하브루타 수업운영 경험자 2인의 인터뷰를 통해 비대면 실시간 온라인 수업 상황에서 적용 가능한 학습 모델안을 고안할 것이다. 이를 하브루타 수업 운영 경험이 풍부한 6인의 전문가를 대상으로 수업 모델안의 적절성과 적용가능성에 대한 평가를 실시하여 비대면 실시간 온라인 수업을 위한 하브루타 학습모델을 개발하고자 한다. 이 연구를 통해 비대면으로 수업을 해야 하는 상황에서도 학습자의 주도적 학습을 가능하게 함으로써 학습효과를 높여 미래 사회에 필요한 역량을 개발하는 데 기여할 수 있을 것이라고 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.1149-1151
• /
• 2008

본 논문에서는 학습자들의 학습특성 및 학습 능력에 따라 문제은행에서 문항을 선택하는 기준과 학습코스를 재구성하기 위한 방법을 제안한다. 본 논문에서 제안한 시스템은 학습단계와 평가단계를 연계하여 평가 단계에서 추정된 학습자의 능력에 따라 차기 학습단계에서 수준별 학습내용을 재구성하여 학습자에게 제공함으로써 합리적인 학습이 가능하도록 지원하고 있다. 이를 위해 학습자의 학습능력을 정확하게 판단 할 수 있도록 문항반응 이론에 의한 학습자 능력평가 모듈을 만들고, 가중치 값을 갖는 문항특성모델을 개발하여 적용함으로써 학습과정의 우선순위를 부여하여 학습코스를 재구성하는 시스템을 설계 및 구현하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.82-85
• /
• 1999

본 연구에서는 연속음성인식 시스템의 성능 향상을 위하여 음성의 채록환경 및 데이터량 등을 고려한 효과적인 언어모델 작성방법을 제안하고, 이를 항공편 예약시스템에 적용하여 성능 평가 실험을 실시한 결과 $91.6\%$의 인식률을 얻어 제안한 방법의 유효성을 확인하였다. 이를 위하여 소량의 200문장의 항공편 예약 텍스트 데이터를 이용하여 좀더 강건한 단어발생 확률을 가지도록 하기 위해 일반적으로 대어휘 연속음성인식에서 많이 이용되고 있는 단어 N-gram 언어모델을 도입하고 이를 다양한 발성환경을 고려하여 1,154문장으로 확장한 후 동일 문장'을 반복 학습하여 언어모델을 작성하였다. 인식에 있어서는 오인식과 문법적 오류를 최소화하기 위하여 forward - backward pass 방법의 stack decoding알고리즘을 이용하였다. 인식실험 결과, 평가용 3인의 200문장을 각 반복학습 회수에 따라 학습한 각 언어모델에 대해 평가한 결과, forward pass의 경우 평균 $84.1\%$, backward pass의 경우 평균 $91.6\%$의 문장 인식률을 얻었다. 또한, 반복학습 회수가 증가함에 따라 backward pass의 인시률의 변화는 없었으나, forward pass의 경우, 인식률이 반복회수에 따라 증가하다가 일정값에 수렴함을 알 수 있었고, 언어모델의 복잡도에서도 반복회수가 증가함에 따라 서서히 줄어들며 수렴함을 알 수 있었다. 이상의 결과로부터 소량의 텍스트 데이터를 이용한 제한된 태스크에서 언어모델을 작성할 때 반복학습 방법이 유효함을 확인할 수 있다.