• Annual Conference on Human and Language Technology
• /
• 2014.10a
• /
• pp.164-166
• /
• 2014

음성인식 결과는 다수의 후보를 생성할 수 있다. 해당 후보들은 각각 음향모델 값과 언어모델 값을 결합한 형태의 통합 정보를 갖고 있다. 여기서 언어모델 값을 다시 계산하여 성능을 향상하는 접근 방법이 일반적인 음성인식 성능개선 방법 중 하나이며 n-gram 기반 리스코링 접근 방법이 사용되어 왔다. 본 논문은 적절한 성능 개선을 위하여, 대용량 n-gram 모델의 활용 문제점을 고려한 문장 구성 어휘의 의존 관계 분석 접근 방법 및 일정 거리 어휘쌍들의 상호정보량 값을 이용한 접근 방법을 검토한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.441-443
• /
• 2000

연속 음성 인식을 하는 경우에 많은 에러가 발생한다. 특히 기능어의 경우나 서술어의 경우에는 동시 조음 현상에 의한 음운 변화에 의해 빈번한 에러가 발생한다. 이러한 빈번한 에러를 수정하기 위한 방법에는 언어 모델의 개선과 음향 모델의 개선등을 통한 인식률 향상과 여러 단계의 인식과정을 두어 서로 다른 언어 모델을 적용하는 등의 방법이 있지만 모두 시간과 비용이 많이 들고 각각의 상황에 의존적인 단점이 있다. 따라서 본 논문에서 제안하는 방법은 이것을 수정하기 위해 음성 인식기로부터 인식되어 나온 결과 문장을 정답과 비교, 학습함으로써 빈번하게 에러 패턴을 통계적 방법에 의해 학습하고 후처리 모듈을 이용하여 인식시에 발생하는 에러를 적은 비용과 시간으로 수정할 수 있도록 하는 것이다. 실험은 3000 단어급의 한국어 낭독체 연속 음성을 대상으로 하여 형태소와 의사형태소를 각각 인식단위로 하고, 언어모델로 World bigram과 Tagged word bigram을 각각 적용 실험을 하였다. 형태소, 의사 형태소일 경우 모두 언어 모델을 tagged word bigram을 사용하였을 경우 N best 후보 문장 중 적당한 단어 후보의 분포로 각각 1 best 문장에 비해 12%, 18%정도의 에러 수정하여 문장 인식률 향상에 상당한 기여를 하였다.

• Proceedings of the KIPE Conference
• /
• 2016.11a
• /
• pp.45-46
• /
• 2016

본 논문은 사용 환경 및 노화에 따라 변하는 배터리 회로 모델의 변수를 실시간으로 추정하는 방법을 제안한다. 동특성 방정식의 개선과 모델변수 변동을 반영하여 시스템 모델의 정확도를 종래의 방법 대비 향상시킨다. 제안하는 추정법의 타당성은 단전지 시뮬레이션과 실험을 통해 검증한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.1243-1246
• /
• 2012

소프트웨어 산업 발전과 함께 소프트웨어에 대한 사용자 기대치가 높아지게 되었다. 그로인해 소프트웨어 개발사는 기존의 소프트웨어 보다 나은 품질의 소프트웨어를 원하게 되었다. 보다 높은 품질의 소프트웨어를 개발 위해서는 우선적으로 올바른 개발 절차와 방법에 따라 개발하여야하며 최종적으로 완벽한 테스트를 통해 사용자에게 전해져야한다. 하지만 완벽한 테스트를 수행하는 것은 불가능하기 때문에 본 논문에서는 테스트 프로세스 개선 모델(TPI next)을 통해 기존 모델을 확장한 테스트 성숙도 모델(Enhanced TMMi)을 활용하여 정형화된 테스트 프로세스를 통한 보다 높은 품질의 소프트웨어를 확보하는 방안을 제안하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.218-221
• /
• 2010

본 논문은 범정부 엔터프라이즈 아키텍처(EA)의 메타모델을 UML 다이어그램을 이용하여 개선 연구에 관한 논문이다. 여러 공공기관과 기업에서는 '범정부 정보기술아키텍처 적용'이란 전자정부 로드맵 과제로 정보기술을 그들의 경영혁신을 위한 전략적 도구로 도입하였으며, 조직 전체의 최적화 및 통합, 조직의 진화관리, 조직업무의 효율성 및 효과성 등을 제공하는 방법으로 EA를 개발 및 적용하고 있다. 하지만 EA 프레임워크에서 제안하는 메타모델들은 단순한 네모 박스와 선으로 연결된 의미가 부족한 메타모델들을 제안하고 있다. 본 논문에서는 메타모델에 의미를 부여하는 작업으로 UML 다이어그램을 이용한 새로운 메타모델 다이어그램들을 제안한다. UML에서 사용된 의미를 가진 다이어그램을 범정부 엔터프라이즈 아키텍처의 메타모델에 적용함으로써 의미적인 메타모델의 다이어그램을 통해 보다 의미 전달이 용이한 메타모델로 사용되어 질 수 있을 것이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.846-849
• /
• 2020

하이퍼파라미터(초매개변수) 최적화란 모델의 학습에 앞서 미리 설정해야 하는 값인 하이퍼파라미터의 최적값을 탐색하는 문제이다. 이때의 최적값은 학습을 끝낸 모델의 성능을 가능한 최대치로 높이게 하는 값이다. 한편, 최근 모바일 장치를 이용한 포지셔닝 데이터의 대량 수집이 가능해지면서 이를 활용하여 위치 기반 서비스(Location-Based Service)를 위한 데이터 분석 및 예측에 관한 연구가 활발히 이루어졌다. 그중 이동 경로를 이미지로 패턴화하여 국소 지역 내에서 다음 위치를 예측하는 CNN 모델에 대해서 하이퍼파라미터 튜닝을 진행하였다. 결과적으로 베이지안 최적화(Bayesian Optimization)를 통해 모델의 성능을 평균 3.7%, 최대 9.5%까지 개선할 수 있음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.546-548
• /
• 2022

최근 컴퓨터 비전 분야에서 Transformer를 도입한 연구가 활발히 연구되고 있다. 이 모델들은 Transformer의 구조를 거의 그대로 사용하기 때문에 확장성이 좋으며 large 스케일 학습에서 매우 우수한 성능을 보여주었다. 하지만 Transformer를 적용한 비전 모델은 inductive bias의 부족으로 학습 시 많은 데이터와 시간을 필요로 하였다. 그로 인하여 현재 많은 Vision Transformer 개선 모델들이 연구되고 있다. 본 논문에서도 Vision Transformer의 문제점을 개선한 Clustering CoaT 모델을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.473-475
• /
• 2023

자동차 번호판 인식은 영상 내 검출한 차량의 번호판의 문자열을 인식하여 차량을 식별하고 추적하는 기술로 주변 환경에 의한 잡음, 왜곡과 차량의 움직임으로 발생한 흐림, 영상 입력 장치와의 물리적 거리 등에 강인해야 한다. 본 논문에서는 차량 움직임으로 발생한 흐림이 있는 저해상도 영상에 대한 번호판 인식 성능의 향상을 위해 디블러링 모델과 초해상화 모델을 이용한 영상 복원 방법을 제안한다. 실험을 통해 디블러링 모델과 초해상화 모델을 결합하여 흐림이 있는 저해상도 국내 번호판 영상에서의 인식 성능을 개선하였다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.546-551
• /
• 2023

일반적으로 딥러닝 모델은 모든 라벨에 데이터 수가 균형을 이룰 때 가장 좋은 성능을 보인다. 그러나 현실에서는 특정라벨에 대한 데이터가 부족한 경우가 많으며 이로 인해 불균형 데이터 문제가 발생한다. 이에 대한 해결책으로 오버샘플링과 가중치 손실과 같은 데이터 불균형 기법이 연구되었지만 이러한 기법들은 데이터가 적은 라벨의 성능을 개선하는 동시에 데이터가 많은 라벨의 성능을 저하시키는 부작용을 가지고 있다. 본 논문에서는 이 문제를 완화시키고자 어텐션 기반의 앙상블 기법을 제안한다. 어텐션 기반의 앙상블은 데이터 불균형 기법을 적용한 모델과 적용하지 않은 모델의 출력 값을 가중 평균하여 최종 예측을 수행한다. 이때 가중치는 어텐션 메커니즘을 통해 동적으로 조절된다. 그로므로 어텐션 기반의 앙상블 모델은 입력 데이터 특성에 따라 가중치를 조절할 수가 있다. 실험은 에세이 자동 평가 데이터를 대상으로 수행하였다. 실험 결과로는 제안한 모델이 데이터 불균형 기법의 부작용을 완화하고 성능이 개선되었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.05a
• /
• pp.645-648
• /
• 2007

IT 에 대한 비즈니스 의존성이 증가하면서, 안정된 IT 서비스의 제공과 비용 효과적인 운영의 중요성이 강조되고 있다. ITIL 에서는 효율적이고 신속한 변경 처리를 위해 Service Support 영역에서 변경 관리 프로세스를 제시하고 있다. 하지만 고비용을 요하는 CAB 의 소집 여부 등 의사 결정이 변경 관리자의 자의적인 판단에 의존함으로써, 다른 비즈니스 및 안정된 IT 서비스 제공의 위험요소로 작용하고 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 요청된 변경 사안이 신중한 검토가 필요한 지 여부를 객관적으로 판단할 수 있도록, 판별분석기법을 적용한 변경 모델 결정 방법을 제안한다. 제안된 모델의 유효성을 검증하기 위해, 실제 운영에 적용된 변경 관리 모델과 제안된 모델을 이용했을 때의 결과를 비교하고 그 결과를 제시하였다. 제안된 방법은 동일한 사안에 대하여 일관성 있는 결정을 도출할 수 있어 프로세스 품질개선에 기여할 수 있으며, 궁극적으로 안정된 IT 서비스 제공에 기여하여 기업성과를 개선할 수 있을 것이다.