• 한국농림기상학회지
• /
• 제4권2호
• /
• pp.95-102
• /
• 2002

관측밀도가 낮고 지형이 복잡한 산악지역을 대상으로 낮 시간대 기온의 경시변화를 기존의 방법으로 내삽할 경우 일사수광량의 불균일한 분포 때문에 심각한 추정오차가 발생할 수 있다. 이를 해결하기 위해 기존의 기온감율을 고려한 거리역산가중 내삽모형에 일사수광량 보정항을 추가하고 오차경감 정도를 평가하였다. 강원도 평창군 일대 14km$\times$22km 지역을 10m 해상도의 수치고도모형으로 표현하고, 각 격자점에 대해 태양과 지표면 사이의 기하학적 관계를 바탕으로 시간대별 실제 일사 수광량을 직달, 산란, 반사 등 성분별로 계산하였다. 수평면 일사량과의 편차를 산출한 다음 이 지역에서 경험적으로 얻은 일사-기온 변환당량을 적용하여 보정값을 얻었다. 기존의 방법에 의해 내삽된 기온값에 이 보정값을 적용하여 대상지역 전역의 기온분포도를 작성하였다. 대상 지역 내 경사향이 서로 다른 8개 지점에서 기온을 측정하여 기온분포도와 비교한 결과 추정오차가 크게 줄어들었음을 확인할 수 있었다.

• 한국통신학회논문지
• /
• 제17권11호
• /
• pp.1206-1218
• /
• 1992

토큰으로 매체 이용 자격을 부여하는 토큰링 시스템은 링 혹은 버스 구조의 LAN에서 매체 이용방법으로 흔히 이용되어 왔으며 이러한 시스템으로 모델링 될 수 있다. 이 시스템은 단순히 프레임을 저장하고 전송 조건에 해당되면 전송을 진행하는 브리지를 이용함으로써 단일 링들이 상호 연결된 멀티 토큰링 시스템으로 시스템 규모를 확장할 수 있다. 본 논문에서는 상호 연결된 토큰링 시스템의 전송성능을 분석하기 위하여 스테이션 큐에 도착하는 프레임들이 Poisson과정이고 각 도착 프레임의 길이가 서로 독립이며 동등한 일반 분포를 갖는 M/G/1 큐잉 시스템을 가정하여, 임의의 프레임이 목적지까지 전달에 영향을 미치는 해석적으로 조사하였다. 프레임 전송 지연시간에 영향을 미치는 요소는 임의의 시간으로 부터 토큰이 전송하는 스테이션까지 오는데 걸리는 시간, 전송 스테이션의 전송 시간부터 스테이션 내의 대상 프레임이 전송되기까지 소요되는 대기시간, 대상 프레임의 길이와 목적지까지 소요되는 시간의 합으로 주어지며, 외부링으로부터 내부링 브리지 큐까지. 그리고 외부링 브리지 큐로부터 목적 스테이션 까지의 시간에 대한 합으로 주어진다. 또한 전송지연시간에 미치는 파라미터들을 변화시킬때 전체 지연시간에 미치는 영향을 조사하였다. 그 결과 프레임 전송 지연시간에 상대적으로 큰 영향을 미치는 요소는 프레임의 평균 도착율이 크고 수신 스테이션이 타 외부링일 비율이 커질때이며, 이는 우선순위 서비스 방식의 이용 여부에 관계없이 지연 시간이 지수적 증가를 나타낸다. 이를 감소시키려면 외부링 스테이션의 수를 줄여 상대적으로 중추링의 스테이션 수를 증가시킴으로써 전체 지연시간을 줄일 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권4호
• /
• pp.169-178
• /
• 2022

형태소는 더 이상 분리하면 본래의 의미를 잃어버리는 말의 최소 단위이다. 한국어에서 문장은 공백으로 구분되는 어절(단어)의 조합이다. 형태소 분석은 어절 단위의 문장을 입력 받아서 문맥 정보를 활용하여 형태소 단위로 나누고 각 형태소에 적절한 품사 기호를 부착한 결과를 생성하는 것이다. 한국어 자연어 처리에서 형태소 분석은 가장 핵심적인 태스크다. 형태소 분석의 성능 향상은 한국어 자연어 처리 태스크의 성능 향상에 직결된다. 최근 형태소 분석은 주로 기계 번역 관점에서 연구가 진행되고 있다. 기계 번역은 신경망 모델 등으로 어느 한 도메인의 시퀀스(문장)를 다른 도메인의 시퀀스(문장)로 바꾸는 것이다. 형태소 분석을 기계 번역 관점에서 보면 어절 도메인에 속하는 입력 시퀀스를 형태소 도메인 시퀀스로 변환하는 것이다. 본 논문은 한국어 형태소 분석을 위한 딥러닝 모델을 제안한다. 본 연구에서 사용하는 모델은 기계 번역에서 높은 성능을 기록한 BERT-fused 모델을 기반으로 한다. BERT-fused 모델은 기계 번역에서 대표적인 Transformer 모델과 자연어 처리 분야에 획기적인 성능 향상을 이룬 언어모델인 BERT를 활용한다. 실험 결과 형태소 단위 F1-Score 98.24의 성능을 얻을 수 있었다.

• 인터넷정보학회논문지
• /
• 제24권6호
• /
• pp.91-98
• /
• 2023

오늘날 인공지능 산업이 발전함에 따라 여러 분야에 걸쳐 인공지능을 통한 자동화 및 최적화가 이루어지고 있다. 국내의 철도 분야 또한 지도 학습을 이용한 레일의 결함을 검출하는 연구들을 확인할 수 있다. 그러나 철도에는 레일만이 아닌 다른 구조물들이 존재하며 그중 선로 체결 장치는 레일을 다른 구조물에 결합시켜주는 역할을 하는 장치로 안전사고의 예방을 위해서 주기적인 점검이 필요하다. 본 논문에는 선로 체결 장치의 데이터를 이용하여 준지도 학습(semi-supervised learning)과 전이 학습(transfer learning)을 이용한 분류기를 학습시켜 선로 안전 점검에 사용되는 비용을 줄이는 방안을 제안한다. 사용된 네트워크는 Resnet50이며 imagenet으로 선행 학습된 모델이다. 레이블이 없는 데이터에서 무작위로 데이터를 선정 후 레이블을 부여한 뒤 이를 통해 모델을 학습한다. 학습된 모델의 이용하여 남은 데이터를 예측 후 예측한 데이터 중 클래스 별 확률이 가장 높은 데이터를 정해진 크기만큼 훈련용 데이터에 추가하는 방식을 채택하였다. 추가적으로 초기의 레이블된 데이터의 크기가 끼치는 영향력을 확인해보기 위한 실험을 진행하였다. 실험 결과 최대 92%의 정확도를 얻을 수 있었으며 이는 지도 학습 대비 5% 내외의 성능 차이를 가진다. 이는 제안한 방안을 통해 추가적인 레이블링 과정 없이 비교적 적은 레이블을 이용하여 분류기의 성능을 기존보다 향상시킬 수 있을 것으로 예상된다.