• 전자통신동향분석
• /
• 제34권4호
• /
• pp.32-42
• /
• 2019

The performance of machine learning algorithms significantly depends on how a configuration of hyperparameters is identified and how a neural network architecture is designed. However, this requires expert knowledge of relevant task domains and a prohibitive computation time. To optimize these two processes using minimal effort, many studies have investigated automated machine learning in recent years. This paper reviews the conventional random, grid, and Bayesian methods for hyperparameter optimization (HPO) and addresses its recent approaches, which speeds up the identification of the best set of hyperparameters. We further investigate existing neural architecture search (NAS) techniques based on evolutionary algorithms, reinforcement learning, and gradient derivatives and analyze their theoretical characteristics and performance results. Moreover, future research directions and challenges in HPO and NAS are described.

• International Journal of Internet, Broadcasting and Communication
• /
• 제13권1호
• /
• pp.100-106
• /
• 2021

Over the past few decades, natural language processing research has not made much. However, the widespread use of deep learning and neural networks attracted attention for the application of neural networks in natural language processing. Sentiment analysis is one of the challenges of natural language processing. Emotions are things that a person thinks and feels. Therefore, sentiment analysis should be able to analyze the person's attitude, opinions, and inclinations in text or actual text. In the case of emotion analysis, it is a priority to simply classify two emotions: positive and negative. In this paper we propose the deep learning based sentimental analysis system according to various optimizer that is SGD, ADAM and RMSProp. Through experimental result RMSprop optimizer shows the best performance compared to others on IMDB data set. Future work is to find more best hyper parameter for sentimental analysis system.

• Journal of information and communication convergence engineering
• /
• 제19권4호
• /
• pp.241-247
• /
• 2021

Particulate matter has emerged as a serious global problem, necessitating highly reliable information on the matter. Therefore, various algorithms have been used in studies to predict particulate matter. In this study, we compared the prediction performance of neural network models that have been actively studied for particulate matter prediction. Among the neural network algorithms, a deep neural network (DNN), a recurrent neural network, and long short-term memory were used to design the optimal prediction model using a hyper-parameter search. In the comparative analysis of the prediction performance of each model, the DNN model showed a lower root mean square error (RMSE) than the other algorithms in the performance comparison using the RMSE and the level of accuracy as metrics for evaluation. The stability of the recurrent neural network was slightly lower than that of the other algorithms, although the accuracy was higher.

• Nuclear Engineering and Technology
• /
• 제55권6호
• /
• pp.2276-2282
• /
• 2023

We deploy artificial neural networks to unfold neutron spectra from measured energy-integrated quantities. These neutron spectra represent an important parameter allowing to compute the absorbed dose and the kerma to serve radiation protection in addition to nuclear safety. The built architectures are inspired from convolutional neural networks. The first architecture is made up of residual transposed convolution's blocks while the second is a modified version of the U-net architecture. A large and balanced dataset is simulated following "realistic" physical constraints to train the architectures in an efficient way. Results show a high accuracy prediction of neutron spectra ranging from thermal up to fast spectrum. The dataset processing, the attention paid to performances' metrics and the hyper-optimization are behind the architectures' robustness.

• 한국농림기상학회지
• /
• 제19권3호
• /
• pp.174-179
• /
• 2017

토양 변수는 작물 모형을 통한 기후변화 시나리오 조건에서의 작황 예측에 있어 중요한 환경적 요소이다. 토양 환경 정보 시스템 (Korean Soil Information System; KSIS)에서는 390 개의 토양통에 대한 자세한 정보를 제공하고 있다. 그러나, 이러한 토양 정보는 HTML (Hyper Text Markup Language) 문서 형식으로 제공되고 있어 작물 모형용 토양입력 자료로 변환하는 데에 어려움이 있다. 이에 따라 KSIS의 토양정보를 기반으로 작물모델의 토양 입력자료를 생산하는 도구인 Korean Soil Information System Processing Tool (KSISPT) 를 개발하였다. 이 도구는 객체 지향 프로그래밍 언어인 JAVA로 작성되었으며 여러 개의 모듈로 구성되었다. 이 모듈들을 통해 각각 KSIS 웹 페이지 문서 분석, 토양 자료 저장, 추가 변수 생성, 토양 입력자료 출력 등의 기능이 구현되었다. 각 토양통의 특성을 고려한 총 940여개의 토양 입력 자료가 생성되었다. 이 토양 자료를 KSIS에서 제공하는 30m 해상도의 토양통 공간적 분포 지도와 함께 활용된다면, 미래 기후 조건에서 작물 생산성의 시공간적 분석이 용이해지고 이를 기반으로 기후 변화 적응 대책수립에 도움을 줄 수 있을 것이다.

• 한국산학기술학회논문지
• /
• 제20권6호
• /
• pp.314-321
• /
• 2019

본 연구에서 개발된 Self-Adaptive Vision Correction Algorithm (SAVCA)은 광학적 특성을 모방하여 개발된 Vision Correction Algorithm (VCA)의 총 6개의 매개변수 중 자가 적응형태로 구축된 Division Rate 1 (DR1) 및 Division Rate 2 (DR2)를 제외한 Modulation Transfer Function Rate (MR), Astigmatic Rate (AR), Astigmatic Factor (AF) 및 Compression Factor (CF) 등 4개의 매개변수를 변경하여 사용성을 증대시키기 위해 제시되었다. 개발된 SAVCA의 검증을 위해 기존 VCA를 적용하였던 2개 변수를 갖는 수학 문제 (Six hump camel back 및 Easton and fenton) 및 30개 변수를 갖는 수학 문제 (Schwefel 및 Hyper sphere)에 적용한 결과 SAVCA는 비교한 다른 알고리즘 (Harmony Search, Water Cycle Algorithm, VCA, Genetic Algorithms with Floating-point representation, Shuffled Complex Evolution algorithm 및 Modified Shuffled Complex Evolution)에 비해 우수한 성능을 보여주었다. 마지막으로 공학 문제인 Speed reducer design에서도 SAVCA는 가장 좋은 결과를 보여주었다. 복잡한 매개변수 조절과정을 거치지 않은 SAVCA는 여러 분야에서 적용이 가능할 것이다.

• 방송공학회논문지
• /
• 제25권6호
• /
• pp.980-993
• /
• 2020

딥-러닝 기반 스타일 전이 기법은 영상의 고차원적 구조적 특성을 적절하게 반영하여 높은 품질의 스타일 전이 결과를 제공함으로써 최근 크게 주목받고 있다. 본 논문은 이러한 딥-러닝 기반 스타일 전이 방식의 안정적이고 보다 다양한 스타일 전이 결과 제공에 대한 문제를 다룬다. 스타일 전이를 위한 광범위한 초-매개변수 설정에 따른 실험 결과에 대한 고찰을 바탕으로 스타일 전이 결과의 안정성 및 다양성에 대한 문제를 정의하고, 이러한 문제를 해결하기 위한 부분 손실 정규화 방법을 제안한다. 제안된 정규화 방식을 이용한 스타일 전이는 입력 영상의 특징에 상관없이 초-매개변수 설정을 통해 동일 수준의 스타일 전이 정도를 조절할 수 있을 뿐 아니라, 스타일 손실을 정의하는 계층 별 가중치 설정의 조절을 통해 기존 방식과 달리 보다 다양한 스타일 전이 결과를 제공하며, 입력 영상의 해상도 차이에 대해 보다 안정적인 스타일 전이 결과를 제공하는 특징을 가진다.

• 한국정보통신학회논문지
• /
• 제25권6호
• /
• pp.749-756
• /
• 2021

제조 생산공정에는 다양한 센서를 통해 실시간으로 양질의 데이터가 데이터베이스에 축적되고 있다. 이와 함께 통계적으로 접근하기 까다로운 데이터에 대해서 높은 수준의 정확도로 예측모델을 구축할 수 있는 머신러닝이 보급되면서 '4차 산업화 시대'를 맞이하고 있다. 본 논문에서는 이러한 제조업계의 흐름에 따라 업계의 주요 관심사인 제품의 품질특성을 예측하는 머신러닝 모델의 성능을 향상하는 방법을 제시한다. 머신러닝 모델의 성능을 향상하는데 일반적으로 사용되는 샘플 크기의 증가, Hyper-Parameter의 최적화 및 적절한 알고리즘 선택의 효과를 검증한다. 그리고, 새로운 성능향상 방법을 제시하고, 그 효과를 검증해본다. 논문에서 제시한 방법을 통해서 제조업에서는 더욱 향상된 성능의 예측모델을 구축, 품질예측과 관리에 크게 이바지할 수 있을 것이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.374-376
• /
• 2021

임상에서 암 관련 질병의 확진을 위해 영상장비를 이용한 기초 진단 이후 추가적인 방법으로 생체검사 등을 이용한 병리적 검사가 필수적이다. 이러한 생체검사를 진행하기 위해서는 전문지식을 가진 종양학자, 임상병리사 등의 도움과 최소한의 소요시간은 확진을 위해 반드시 필요하다. 최근 들어, 인공지능을 활용한 암세포의 자동분류가 가능한 시스템 구축에 관련된 연구가 활발하게 진행되고 있다. 하지만, 이전 연구들은 한정된 알고리즘을 기반으로 하여 세포의 종류와 정확도에 한계를 보인다. 본 연구에서 심층 학습의 일종인 합성곱 신경망을 통해 총 4가지의 암세포를 식별하는 방법을 제안한다. 세포 배양을 통해 얻은 광학영상을 OpenCV를 사용하여 세포의 위치 식별 및 이미지 분할과 같은 전처리 수행 후, EfficientNet을 통해 학습하였다. 모델은 EfficientNet을 기준으로 다양한 hyper parameter를 사용하고, InceptionV3을 학습하여 성능을 비교분석 하였다. 그 결과 96.8%의 높은 정확도로 세포를 분류하는 결과를 보였으며, 이러한 분석방법은 암의 확진에 도움이 될 것으로 기대한다.

• 한국수자원학회논문집
• /
• 제55권10호
• /
• pp.761-774
• /
• 2022

가뭄과 홍수의 예측, 기후변화가 유역 유출량, 더 나아가 수질 및 생태계에 미치는 영향의 정확한 분석을 위해서는 수문 모의 과정의 불확실성을 정량화하고 최소화하기 위한 노력이 필요하다. 수문자료동화는 수문모형의 상태량이나 매개변수를 갱신(update)하여 모의 초기 조건의 가장 가능성 있는 추정치를 생성하는 기법으로, 실시간 관측 정보를 이용하여 예측 정확도를 향상시킬 수 있는 방법이다. 본 연구에서는 airGRdatassim 모형을 이용하여 앙상블 기반 순차 자료동화 기법인 앙상블 칼만 필터와 파티클 필터로 용담댐 유역에 대해 일 유출을 모의하고, 자료동화 기법별 특성을 비교 및 분석하였다. 모의 결과, Kling-Gupta efficiency (KGE) 지표가 자료동화 적용 전 0.799에서 앙상블 칼만 필터와 파티클 필터 적용시 각각 0.826, 0.933으로 향상되었다. 또한 기상 강제력 노이즈의 범위, 갱신 대상 상태량 설정, 앙상블 수 등 수문자료동화의 설정과 관련된 하이퍼-매개변수(hyper-parameter)의 불확실성이 모의 예측 성능에 미치는 영향을 분석하였다. 강수 및 잠재 증발산 강제력의 오차 범위에 대한 민감도 분석 결과, 모든 모의 범위에서 파티클 필터가 앙상블 칼만 필터보다 예측 성능이 우수하였다. 파티클 필터는 기상 강제력 오차 크기가 작을수록 모의 성능이 향상되었으며, 앙상블 칼만 필터는 상대적으로 오차가 큰 경우 최적 성능이 확인되었다. 한편, 자료동화시 갱신되는 상태량의 종류를 줄일수록 자료동화에 의한 모의 성능은 감소하였다. 본 연구의 모의 실험 결과는 앙상블 자료동화를 이용하여 일 유출 모의 정확도 향상이 가능하지만, 최적 성능을 발휘하기 위해서는 수문자료동화 기법별 하이퍼-매개변수의 적정한 조정이 필요함을 함의한다.