• 한국정보기술학회 영문논문지
• /
• 제10권1호
• /
• pp.45-56
• /
• 2020

Despite extensive research, performance enhancement of keyphrase (KP) extraction remains a challenging problem in modern informatics. Recently, deep learning-based supervised approaches have exhibited state-of-the-art accuracies with respect to this problem, and several of the previously proposed methods utilize Bidirectional Encoder Representations from Transformers (BERT)-based language models. However, few studies have investigated the effective application of BERT-based fine-tuning techniques to the problem of KP extraction. In this paper, we consider the aforementioned problem in the context of scientific articles by investigating the fine-tuning characteristics of two distinct BERT models - BERT (i.e., base BERT model by Google) and SciBERT (i.e., a BERT model trained on scientific text). Three different datasets (WWW, KDD, and Inspec) comprising data obtained from the computer science domain are used to compare the results obtained by fine-tuning BERT and SciBERT in terms of KP extraction.

• Elastomers and Composites
• /
• 제59권1호
• /
• pp.22-33
• /
• 2024

Passive radiative cooling is a promising technology for cooling objects without energy input. Passive radiative cooling works by radiating heat from the surface, which then passes through the atmosphere and into space. Achieving efficient passive radiative cooling is mainly accomplished by using materials with high emissivity in the atmospheric window (8-13 ㎛). Research has shown that polymers tend to exhibit high emissivity in this spectral range. In addition to elastomers, other materials with potential for passive radiative cooling include metal oxides, carbon-based materials, and polymers. The structure of a passive radiative cooling device can affect its cooling performance. For example, a device with a large surface area will have a greater amount of surface area exposed to the sky, which increases the amount of thermal radiation emitted. Passive radiative cooling has a wide range of potential applications, including building cooling, electronics cooling, healthcare, and transportation. Current research has focused on improving the efficiency of passive radiative cooling materials and devices. With further development, passive radiative cooling can significantly affect a wide range of sectors.

• 한국비블리아학회지
• /
• 제23권3호
• /
• pp.5-17
• /
• 2012

서지 데이터베이스를 이용한 인용분석연구를 진행하기 이전에 이루어져야 할 과정 중 하나가 모호한 저자명의 식별이라고 할 수 있다. 대부분 서지 데이터베이스에는 저자의 성(姓)과 이름의 이니셜만을 표기하는 경우가 많은데, 중국이나 한국 등 아시아 국가 출신의 연구자들은 같은 성을 가진 사람이 매우 많고, 이름의 이니셜까지 같은 경우도 상당히 많아서 이름검색만으로 찾고자 하는 저자를 식별해내기가 쉽지 않기 때문이다. 아시아 국가 출신의 학자들이 유난히 많은 연구분야들에서는 이러한 문제들이 더더욱 큰 문제가 되며, 인용분석 뿐만 아니라 일반적인 정보검색에서도 매우 중요한 요인이 될 수 있다. 모호한 저자명을 식별해내는 방법에는 자동화된 알고리듬을 이용하여 각각의 저자를 식별해내는 방법과 저자 클러스터링을 얻어내기 위해 일일이 수작업으로 데이터셋을 구축하는 방법, 그리고 두 가지 방법을 혼용한 반자동화된 방법 등이 있다. 본 연구는 "모호한 저자명 식별"을 위해 개발된 여러 가지 방법들을 고찰해보기로 한다.

• 인터넷정보학회논문지
• /
• 제22권1호
• /
• pp.65-77
• /
• 2021

최근 COVID-19으로 인하여 전세계적으로 수많은 감염자와 사망자가 발생하였다. 아직까지도 효과적인 COVID-19에 대한 백신의 개발은 성공하지 못한 상태이다. 따라서 사람들은이 질병의 감염에 크게 우려하고 있다. 그간 정부 공공기관이 제공한 감염 정보는 거의 단순한 합산 및 통계 숫자에 불과하다. 따라서, 개인이나 개인이 있는 장소의 구체적인 위험도는 판단하기 어렵다. 본 논문에서는 머신러닝 알고리즘 기반 COVID-19의 위험도 분석과 안전 활동에 대한 정보 제공에 대한 방법을 제안한다. 이 논문은COVID-19 감염 및 사망 위험도와 관련된 포괄적인 메트릭 체계를 제안하고, 이를 통해 개인 및 그룹에 대한 위험도를 정량적으로 제공하는 기법을 제시한다. 제시된 시스템은 개인 및 지역 정보와 특성을 반영한 한 클러스터링 알고리즘 등 효과적인 SW 기법들을 활용한다.

• 전기전자학회논문지
• /
• 제26권1호
• /
• pp.62-66
• /
• 2022

최근 데이터 기반의 딥러닝 기술을 적용하여 비면허 대역의 다양한 통신 신호를 분류하는 연구가 활발히 수행되고 있다. 하지만, 복잡한 신경망 모델 사용을 기반으로 이뤄진 이러한 접근법은 높은 연산 능력을 필요로 하게 되어, 자원 제약적인 무선 인터페이스 및 사물인터넷(Internet of Things) 장비에서는 사용이 제약된다. 본 연구에서는 비면허 대역의 무선 이기종 기술을 인지하기 위한 데이터 기반의 접근 방법을 살펴보고, 신호의 특징 추출 및 데이터화의 효율화 문제를 다룬다. 구체적으로, 비면허 대역의 다른 종류의 무선 통신 기술을 구분하기 위해 수신 신호 강도 측정을 기반으로 한 시계열 데이터를 이용해 합성곱 신경망(Convolutional Neural Network, CNN) 모델을 학습시켜 신호를 분류하는 방법을 살펴본다. 이 과정에서 동일한 구조의 신경망 모델의 경량화를 위한 효율적 신호의 시계열 데이터 정보 수집시 주파수 대역의 특징을 함께 특징화하는 방법을 제안하고, 그 효과를 평가한다. Bluetooth 호환의 Ubertooth 장비를 이용한 실측 기반의 실험 결과는 제안된 샘플링 기법이 동일한 신경망에 대해서 10% 수준의 샘플링 데이터 이용만으로도 동일한 정확도를 유지함을 보여준다.

• 한국철학논집
• /
• 제29호
• /
• pp.375-396
• /
• 2010

본 연구는 사회·정서적 학습 이론(the social and emotional learning, SEL)에 근거를 두고 초등 도덕교육의 목표인 초등학생들의 "바르고 선한 인성(character)"을 어떻게 하면 보다 효과적으로 함양할 것인가? 의 물음에 답하기 위해, 사회·정서적 능력 중에서도 특히 사회적 인식(social awareness) 및 대인 관계 기술(relationship skill) 함양에 초점을 두고 탐구하였다. 본 연구가 SEL에 토대를 두고자 하는 이유는 초등학생들의 도덕성 발달이란 도덕적 지식(앎)의 발달만으로 가능하지 않고, 도덕적 지식을 행동으로 옮기는데 있어 중요한 가교의 역할(예를 들면, 자동차가 움직이기 위해 연료가 필수적이듯이 일종의 도덕적 에너지의 역할)을 하고 있는 사회·정서적 능력의 발달이 병행될 때 가능한 바, 그동안 우리나라 도덕교육에서는 이러한 사회·정서적 능력 혹은 도덕적 감정의 필요성에 대해 강조하면서도 이를 어떻게 하면 효과적으로 교육할 것인가에 대해 구체적인 실천 방안 마련이 미흡하였기 때문이다. 초등학생들의 사회 인식 및 대인 관계 능력 함양의 모색은 도덕과 수업을 통한 방안과 도덕과 수업 이외의 활동을 통한 방안을 중심으로 구안하였다.

• Journal of Information Processing Systems
• /
• 제14권2호
• /
• pp.418-434
• /
• 2018

With the increasing use of the Internet and electronic documents, automatic text categorization becomes imperative. Several machine learning algorithms have been proposed for text categorization. The k-nearest neighbor algorithm (kNN) is known to be one of the best state of the art classifiers when used for text categorization. However, kNN suffers from limitations such as high computation when classifying new instances. Instance selection techniques have emerged as highly competitive methods to improve kNN through data reduction. However previous works have evaluated those approaches only on structured datasets. In addition, their performance has not been examined over the text categorization domain where the dimensionality and size of the dataset is very high. Motivated by these observations, this paper investigates and analyzes the impact of instance selection on kNN-based text categorization in terms of various aspects such as classification accuracy, classification efficiency, and data reduction.

• Smart Structures and Systems
• /
• 제6권2호
• /
• pp.147-165
• /
• 2010

Impact damage detection in composite structures has gained a considerable interest in many engineering areas. The capability to detect damage at the early stages reduces any risk of catastrophic failure. This paper compares two advanced signal processing methods for impact location in composite aircraft structures. The first method is based on a modified triangulation procedure and Genetic Algorithms whereas the second technique applies Artificial Neural Networks. A series of impacts is performed experimentally on a composite aircraft wing-box structure instrumented with low-profile, bonded piezoceramic sensors. The strain data are used for learning in the Neural Network approach. The triangulation procedure utilises the same data to establish impact velocities for various angles of strain wave propagation. The study demonstrates that both approaches are capable of good impact location estimates in this complex structure.

• 한국과학교육학회지
• /
• 제8권2호
• /
• pp.17-22
• /
• 1988

Computer based instruction in the elementary science curriculum will be played an important role through the fifth curriculum reform from the 1989 school year. This is essential for the science instruction because the strategies on the problem-solvings and inquiry approaches can be utilized for the science classroom. Computer education can be thought as the education about the computer and the education using the computer. Of them the education using the computer means the computer assisted instruction(CAI) what is called all the possible activities using the computer in the classroom. Student achievement as the result of CAI depends on the learning activities of students and the instructional techniques and strategies of teachers using the computer. However, computer based education to enhance the student achievement is pointed out the lacks of the standardized Korean alphabet code and the compatibility of qualified software. These problems will be relieved according to the coding for the Korean alphabet of SUPER PILOT program language.

• 전자공학회논문지B
• /
• 제32B권5호
• /
• pp.812-820
• /
• 1995

This paper proposes an approach of identifying nonlinear mappings from input/output data. The approach is based on the universal approximation by the fuzzy integration of local affine mappings. A connectionist model realizing the universal approximator is suggested by using a processing unit based on both the radial basis function and the weighted sum scheme. In addition, a learning method with self-organizing capability is proposed for the identifying of nonlinear mapping relationships with the given input/output data. To show the effectiveness of our approach, the proposed model is applied to the function approximation and the prediction of Mackey-Glass chaotic time series, and the performances are compared with other approaches.