• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2000년도 춘계정기학술대회 e-Business를 위한 지능형 정보기술 / 한국지능정보시스템학회
• /
• pp.217-224
• /
• 2000

Configuration은 도메인 지식을 이용해서 주어진 모든 요구를 충족시키는 컴포넌트를 갖는 시스템을 구성하기 위한 기술이다. 최근 전자 상거래는 역경매, 공동구매, 사용자 프로파일에 의한 제품의 추천 등 다양한 방식으로 구매자 중심의 사거래 행위를 하고 있다. 하지만 아직도 전문 지식이 필요한 제품의 구입시에 구매자는 많은 어려움을 겪고 있다. 이러한 구매자의 행위를 보조하기 위한 수단으로써 전문가 시스템에서 수년간 연구되어 온 Configuration 기술을 확장 도입하였다. 본 논문에서는 도메인에 대한 규칙(Rules)에 기반해서 Classification Problem Solving 방법과 Constructive Problem Solving 방법을 적용하였다. 구매자와의 능동적인 질의 수행을 하여 제품에 대한 요구를 정확히 한 뒤, 얻어진 사실(Facts)을 Classification Problem solving에 이용이 되어 제품 모델이 결정된다. 이 제품 모델은 구매자를 위해 특성화 되어 있기 않기 때문에, Constructive Problem Solving을 이용한다. 이런 내용을 기반으로 컴퓨터 조립을 위한 Configurator를 디자인하고 구현했다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1996년도 추계학술대회발표논문집; 고려대학교, 서울; 26 Oct. 1996
• /
• pp.31-34
• /
• 1996

The extensive researches have compared the performance of neural networks(NN) with those of various statistical techniques for the classification problem. The empirical results of these comparative studies have indicated that the neural networks often outperform the traditional statistical techniques. Moreover, there are some efforts that try to combine various classification methods, especially multivariate discriminant analysis with neural networks. While these efforts improve the performance, there exists a problem violating robust assumptions of multivariate discriminant analysis that are multivariate normality of the independent variables and equality of variance-covariance matrices in each of the groups. On the contrary, cluster analysis alleviates this assumption like neural networks. We propose a new approach to classification problems by combining the cluster analysis with neural networks. The resulting predictions of the composite model are more accurate than each individual technique.

• Journal of Information Science Theory and Practice
• /
• 제1권1호
• /
• pp.10-26
• /
• 2013

Domain transfer is a widely recognized problem for machine learning algorithms because models built upon one data domain generally do not perform well in another data domain. This is especially a challenge for tasks such as opinion classification, which often has to deal with insufficient quantities of labeled data. This study investigates the feasibility of self-training in dealing with the domain transfer problem in opinion classification via leveraging labeled data in non-target data domain(s) and unlabeled data in the target-domain. Specifically, self-training is evaluated for effectiveness in sparse data situations and feasibility for domain adaptation in opinion classification. Three types of Web content are tested: edited news articles, semi-structured movie reviews, and the informal and unstructured content of the blogosphere. Findings of this study suggest that, when there are limited labeled data, self-training is a promising approach for opinion classification, although the contributions vary across data domains. Significant improvement was demonstrated for the most challenging data domain-the blogosphere-when a domain transfer-based self-training strategy was implemented.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2009년도 춘계 학술논문 발표대회 학계
• /
• pp.253-257
• /
• 2009

General technique and management technology of agriculture have development in every year to ensure the competitiveness of agriculture. Accordingly, Interested in using information systems management technology is improving. For information system, the first system of rural buildings category should be established. Classification system is set up through each specific code. and it takes advantage of the information system is to achieve the computerization of agricultural society. Therefore, in this study construction information classification system, quantity of output category, got to the standard classification system architecture, apply to agricultural buildings to review the situation and saw a problem. The result, it is the complexity and broad scope, and it is set to inappropriate setting of the Category item.

• 한국정보통신학회논문지
• /
• 제21권1호
• /
• pp.144-150
• /
• 2017

최근 데이터의 지능적 처리 및 정확도 향상을 위해 딥러닝 기술이 응용되고 있다. 이 기술은 다층의 데이터 처리 레이어들로 구성된 계산 모델을 통해 이루어지는데, 이 모델은 여러 수준의 추상화를 거쳐 데이터의 표현을 학습한다. 딥러닝의 한 부류인 컨볼루션 신경망은 인간 행동 추정, 얼굴 인식, 이미지 분류, 음성 인식 같은 연구 분야에서 많이 활용되고 있다. 이미지 분류에 좋은 성능을 보여주는 컨볼루션 신경망은 깊은 학습망과 많은 부류를 이용하면 효과적으로 분류율을 높일수 있지만, 적은 부류의 데이터를 사용할 경우, 과적합 문제가 발생할 확률이 높아진다. 따라서 본 논문에서는 컨볼루션 신경망기반의 소부류의 분류을 위한 학습망을 제작하여 자체적으로 구축한 이미지 DB를 학습시키고, 객체를 분류하는 연구를 실험 하였으며, 1000개의 부류를 분류하기 위해 제작된 기존 공개된 망들과 비교 실험을 통해 기존 망보다 평균 7.06%이상의 상승된 분류율을 보여주었다.

• International Journal of Computer Science & Network Security
• /
• 제23권9호
• /
• pp.129-133
• /
• 2023

Classification or prediction problem is how to solve it using a specific feature to obtain the predicted class. A wheat seeds specifications 4 3 classes of seeds will be used in a prediction process. A multi linear regression will be built, and a prediction error ratio will be calculated. To enhance the prediction ratio an ANN model will be built and trained. The obtained results will be examined to show how to make a prediction tool capable to compute a predicted class number very close to the target class number.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1995년도 추계학술대회 논문집
• /
• pp.393-396
• /
• 1995

In this syudy, the researches classifying the artificial and natural flaws in welding parts are performed using the smart pattern recognition technology. For this purpose the smart signal pattern recognition package including the user defined function was developed and the total procedure including the digital signal processing,feature extraction , feature selection and classifier selection is treated by bulk. Specially it is composed with and discussed using the statistical classifier such as the linear disciminant function classifier, the empirical Bayesian classifier. Also, the smart pattern recognition technology is applied to classification problem of natural flaw(i.e multiple classification problem-crack,lack of penetration,lack of fusion,porosity,and slag inclusion, the planar and volumetric flaw classification problem). According to this results, if appropriately learned the neural network classifier is better than ststistical classifier in the classification problem of natural flaw. And it is possible to acquire the recognition rate of 80% above through it is different a little according to domain extracting the feature and the classifier.

• 정보처리학회논문지B
• /
• 제19B권4호
• /
• pp.237-242
• /
• 2012

웹 문서 정보 서비스는 관리자의 효율적 문서관리와 사용자의 문서검색 편의성을 위해 문서 분류 시스템을 필요로 한다. 기존의 문서 분류 시스템은 분류하고자 하는 문서 내 선택된 자질어의 개수가 적거나, 특정 범주의 문서 비율이 높아 그 범주에서 대부분의 자질어가 선택되어 모델이 생성된 경우 분류 정확도가 저하되는 문제점을 가진다. 이러한 문제점을 해결하기 위해 본 논문에서는 'Modified ECCD' 기법 및 '문서별 범주 가중치' 특징 변수를 사용한 문서 분류 시스템을 제안한다. 실험 결과, 제안 방법인 'Modified ECCD' 기법이 ${\chi}^2$ 및 ECCD 기법에 비해 높은 분류 성능을 보였으며, '문서별 범주 가중치' 특징 변수를 'Modified ECCD' 기법으로 선택된 자질어 변수에 추가하여 학습하였을 경우에 더 높은 분류 성능을 보였다.

• 대한수학회지
• /
• 제54권1호
• /
• pp.227-248
• /
• 2017

In this paper, we reduce the classification problem of equivariant (topological complex) vector bundles over a simple graph to the classification problem of their isotropy representations at vertices and midpoints of edges. Then, we solve the reduced problem in the case when the simple graph is homeomorphic to a circle. So, the paper could be considered as a generalization of [3].

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권11호
• /
• pp.3658-3679
• /
• 2022

Classification of persons wearing and not wearing face masks in images has emerged as a new computer vision problem during the COVID-19 pandemic. In order to address this problem and scale up the research in this domain, in this paper a hybrid technique by employing ResNet-101 and multi-layer perceptron (MLP) classifier has been proposed. The proposed technique is tested and validated on a self-created face masks classification dataset and a standard dataset. On self-created dataset, the proposed technique achieved a classification accuracy of 97.3%. To embrace the proposed technique, six other state-of-the-art CNN feature extractors with six other classical machine learning classifiers have been tested and compared with the proposed technique. The proposed technique achieved better classification accuracy and 1-6% higher precision, recall, and F1 score as compared to other tested deep feature extractors and machine learning classifiers.