• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.843-845
• /
• 2024

도메인 적응 사전 훈련(Domain-Adaptive Pre-training, DAPT)을 활용한 한국어 문서 요약 연구에서는 특정 도메인의 문서에 대한 이해도와 요약 성능을 향상시키기 위해 DAPT 기법을 적용했다. 이 연구는 사전 훈련된 언어 모델이 일반적인 언어 이해 능력을 넘어 특정 도메인에 최적화된 성능을 발휘할 수 있도록 도메인 특화 데이터셋을 사용하여 추가적인 사전 훈련을 진행한다. 구체적으로, 의료, 법률, 기술 등 다양한 도메인에서 수집한 한국어 텍스트 데이터를 이용하여 모델을 미세 조정하며, 이를 통해 얻은 모델은 도메인에 특화된 용어와 문맥을 효과적으로 처리할 수 있음을 보여준다. 성능 평가에서는 기존 사전 훈련 모델과 DAPT를 적용한 모델을 비교하여 DAPT의 효과를 검증했다. 연구 결과, DAPT를 적용한 모델은 도메인 특화 문서 요약 작업에서 성능 향상을 보였으며, 이는 실제 도메인별 활용에서도 유용할 것으로 기대된다.

• 한국시뮬레이션학회논문지
• /
• 제22권4호
• /
• pp.67-82
• /
• 2013

본 논문은 공학급 국방 모델의 시뮬레이션 성능 향상을 위해 다중 충실도(Multi-fidelity) 모델링 시뮬레이션(M&S: Modeling and Simulation) 기법을 제안한다. 제안하는 기법은 다양한 충실도를 지닌 모델을 활용하여 고 충실도 모델의 시뮬레이션과 비교하여 유사한 수준의 시스템 분석 결과를 얻음과 동시에 시뮬레이션 성능 측면에서 이득을 가져오는 방안이다. 다중 충실도 원리를 적용하기 위해 본 논문은 충실도를 모델 동작과 실행 측면으로 세분화하고, 충실도 변환 지점을 FCP (Fidelity Change Point)로 정의한다. 이러한 원리를 바탕으로 본 논문은 다음의 세 가지 쟁점을 다룬다. 먼저, 모델 동작과 실행 측면의 충실도 변환을 위한 모델 구조와 제안하는 모델에 대한 수학적 형식론, 마지막으로 모델 실행을 위한 시뮬레이션 알고리즘을 제안한다. 사례 연구로 어뢰의 표적 추적 시나리오에 대한 기초 실험을 수행하였고, 실험 결과 제안하는 기법을 사용한 경우 기존의 시뮬레이션과 비교하여 최대 4.24배의 시뮬레이션 성능 향상을 보임을 확인하였다. 본 논문에서 제안하는 기법은 M&S 기반의 시스템 분석을 하는 다양한 분야에서 활용될 수 있음을 기대한다.

• 정보과학회 논문지
• /
• 제42권11호
• /
• pp.1386-1396
• /
• 2015

안드로이드(Android) 어플리케이션(앱)의 신뢰성과 사용성 검증을 위해, 앱의 기능 검사와 크래쉬(Crash) 탐지 등을 위한 다양한 GUI 테스팅(Graphical User Interface Testing) 기법이 널리 사용되고 있다. 그 중 모델 기반(Model-based) GUI 테스팅 기법은 GUI 모델을 이용해 테스트 케이스를 생성하기 때문에, 기법의 유효성(Effectiveness)은 기반 모델의 정확도에 의존적이다. 따라서 모델 기반 기법의 유효성 향상을 위해서는 테스트 대상 앱의 행위를 충분히 반영할 수 있는 모델 생성 기법이 필요하며, 이를 위해 본 연구에서는 GUI 상태를 정밀하게 구분하는 계층적 화면 비교 기법을 통해 테스팅의 유효성과 효율성을 향상시키고자 한다. 또한, 기존 연구 기법과의 비교 실험을 통해 제안 기법이 유효한 모델의 효율적 생성을 가능하게 함을 확인함으로써, 모델 기반 안드로이드 GUI 테스팅의 성능 향상 가능성을 제시한다.

• 농업생명과학연구
• /
• 제45권5호
• /
• pp.25-31
• /
• 2011

본 연구는 전라북도 동부 산악지역 낙엽송 임분의 흉고직경과 흉고단면적 생장모델을 개발하고, 지역 기후 인자인 고도, 연평균 강우량 그리고 연평균 기온을 독립변수로 이용하여 모델의 정도를 향상시키기 위하여 수행하였다. 그 결과, Schumacher 다형방정식이 흉고직경과 흉고단면적 추정을 위한 최적의 모델인 것으로 분석되었다. 흉고직경 생장모델의 경우 고도와 연평균 강우량을 삽입하여 모델의 정도를 향상시킬 수 있었으며, 흉고단면적 생장모델의 경우 연평균 강우량을 이용하여 모델의 정도를 향상시킬 수 있었다. 한편, 더욱 정도 높은 모델을 개발하기 위해서는 고도와 연평균 등 환경 인자와 더불어 임목본수, 고사율, 간벌율, 그리고 토양상태 등의 다양한 인자를 포함하는 모델의 추정 연구가 필요할 것으로 판단된다.

• 한국시뮬레이션학회논문지
• /
• 제26권3호
• /
• pp.105-113
• /
• 2017

본 연구는 대공위협에 대한 생존성 향상을 위한 다층 대공방어 체계의 최적 투자 계획 모델을 고려한다. 최적화 모델 수립을 위해 다층 대공방어 체계를 네트워크 모델로 표현하고, 가용 예산이 제한되어 있는 상황 하에서 대응실패 확률을 최소화하기 위해 각 방어무기에 대하여 투자여부를 결정하는 모델과 연속적인 투자가 가능한 모델을 각각 제시한다. 비선형 형태의 목적함수를 로그함수를 통해 선형화하였으며, 제시된 최종 모델의 해법으로서 동적계획법 알고리즘과 선형계획법을 제안한다. 가상의 다층 대공 방어 상황을 설정한 후, 두 가지의 최적화 모델에 대한 최적해를 도출하고 그 결과를 분석하였다. 이는 다층 대공방어 체계의 신뢰도 향상을 위한 효과적인 투자 계획 수립의 필요성 및 접근방법을 제시한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2011년도 제44차 하계학술발표논문집 19권2호
• /
• pp.25-27
• /
• 2011

본 논문에서는 경제의 글로벌화를 반영하는 세계적인 현상인 국제회계기준 채택에 대하여 회계 관련사항을 내재하고 있는 기업의 전사적 관리 소프트웨어인 국산 ERP 시스템에 대하여 세금처리의 투명성을 향상시킬 수 있는 방법론적 모델을 해외 ERP의 장점을 통하여 연구한다. 국제회계기준은 기업요소에서 가장 중요한 자본의 국제적인 이동이 기본적 사항으로 기업의 소재지에 대한 국가표시와 관계없이 재무제표의 정보가 투명하고 비교 가능하도록 국제적으로 단일한 회계기준이 사용을 요구한다. 이러한 환경 변화에 따라 국제회계기준(International Financial Reporting Standards: IFRS)의 필요성과 중요성이 확대되어지고 있으며 국제회계기준위원회(International Accounting Standards Board: IASB)의 영향력까지 강화되어지고 있다. 본 논문은 국제회계기준에 맞춘 회계처리 부분의 투명성 향상 모델을 연구하기 위하여 국내에서 많이 사용되고 있는 국산 ERP 소프트웨어 프로그램에 대하여 국제회계기준과 상반되는 현상을 유발하는 기준이 되는 부분을 상호 보완할 수 있는 해외 ERP 소프트웨어 프로그램을 기반으로 기업 시스템을 분석, 구현한다. 국산 ERP 시스템의 국제회계기준 처리와 관련된 단점은 송장의 수정, 삭제가 용이하며 수정, 삭제 후 이력이 남지 않는 부분이다. 이 부분은 국제회계기준에서는 신뢰성에 대한 중대한 문제를 유발하므로 외산 ERP패키지의 장점인 수정과 삭제 단계가 계층적이며 수정, 삭제를 하더라도 필수적으로 이력전체가 저장되는 시스템을 연구하며 특히 세금처리 부분이 상이한 점을 보완하기 위한 모듈을 추가한다. 수정, 삭제에 대한 이력관리는 담당자의 전문적 능력평가와 동시에 실수와 오류부분에 대한 통계를 통하여 관리의 향상성을 추구하여 투명성이 향상된 모델 구축에 활용할 수 있다.

• 한국인터넷방송통신학회논문지
• /
• 제19권2호
• /
• pp.41-45
• /
• 2019

본 논문은 스마트 그리드를 위한 전력선 통신 시스템에서 데이터 신뢰성을 향상시키는 딥러닝 기반의 종단 간 방식의 간섭 제거 알고리즘에 대해 연구하였다. 본 논문에서 제안한 기법은 딥러닝 기술을 적용하여 채널에서 발생하는 잡음을 예측하여 제거하는 기술로서 수신단에서 딥러닝에 의해 학습된 잡음들을 활용하여 효과적으로 잡음을 제거함으로써 신호의 품질을 향상시킬 수 있다. 딥러닝 기술의 잡음 예측 정확도를 향상시키기 위해 기존의 잡음 형태를 데이터베이스화하여 활용하였다. 채널 모델로서 Middleton Class A 간섭 모델을 사용하였고, 비트 오류율을 평가하여 성능을 검증하였다. 모의실험을 통해 간섭 제거 기법이 적용된 시스템 모델과 이론적인 모델의 비트오류율을 비교하여 제안하는 시스템이 잡음을 효과적으로 제거하여 신호의 품질 성능을 향상시킬 수 있음을 확인하였다. 제안한 시스템 모델은 전력선 통신뿐만 아니라 일반적인 통신 시스템에서도 신호의 품질을 향상시킬 수 있도록 다양하게 적용이 가능하다.

• 한국인터넷방송통신학회논문지
• /
• 제22권4호
• /
• pp.29-33
• /
• 2022

본 논문은 스마트 그리드를 위한 전력선 통신 시스템에서 데이터 신뢰성을 향상시키는 딥러닝 기반의 사전 간섭 제거 알고리즘에 대해 연구하였다. 본 논문에서 제안한 기법은 딥러닝 기술을 적용하여 채널에서 발생하는 임펄시브 잡음을 예측하여 제거하는 기술로서 송신단에서 딥러닝에 의해 학습된 잡음들을 활용하여 효과적으로 잡음을 제거함으로써 신호의 품질을 향상시킬 수 있다. 딥러닝 기술의 잡음 예측 정확도를 향상시키기 위해 기존의 잡음 형태를 데이터베이스화하여 활용하였다. 채널 모델로서 Middleton Class A 간섭 모델을 사용하였고, 비트 오류율을 평가하여 성능을 검증하였다. 모의실험을 통해 간섭 제거 기법이 적용된 시스템 모델과 이론적인 모델의 비트오류율을 비교하여 제안하는 시스템이 잡음을 효과적으로 제거하여 신호의 품질 성능을 향상시킬 수 있음을 확인하였다. 제안한 시스템 모델은 전력선 통신뿐만 아니라 일반적인 통신 시스템에서도 신호의 품질을 향상시킬 수 있도록 다양하게 적용이 가능하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.207-207
• /
• 2023

데이터 기반 강수 예측 모델은 극한 강수 이벤트의 크기를 과소 추정하는 경향이 있다. 이는 훈련 데이터에 극한 강수 이벤트보다 일반적인 강수 이벤트가 많이 포함되어 있기 때문이다. 본 연구는 이러한 딥러닝의 데이터 불균형 문제를 해소하고자 모델을 학습시킬 때 격자별 극한 강수에 더 큰 가중치를 주어 극한 강수 예측의 정확성을 높이는 방법을 제안한다. 딥러닝 모델 중 공간-시간 필드를 정확하게 예측할 수 있는 ConvLSTM 기반 강수 예측 모델을 활용하여 레이더 강수량을 예측하였다. 먼저, 훈련 기간 동안의 강수 이벤트의 누적 분포 함수 CDF(Cummulative distribution funcion)을 그린 후 극한 강수 이벤트와 일반적인 강수 이벤트의 분포를 확인하였다. 그다음, 적은 분포를 가진 극한 강수 이벤트의 더 큰 가중치를 두어 모델을 학습시켰다. 이 모델은 대한민국 중부 지역 (200km x 200km)의 5km-10분 해상도 레이더-계량기 복합 강수 필드에 대해 2009-2014년 기간 동안 훈련 되었고 2015-2016년 동안 모델의 훈련을 검증 하였고, 2017-2018년 동안 테스트 되었다. 다양한 가중치 함수를 기반으로 훈련 시킨 결과 최적화 가중치 함수 모델의 평균 NSE는 0.6 평균 RMSE는 0.00015 그리고 극한 강수 이벤트만 따로 추출한 평균 MAE는 6이다. 결과적으로 제안된 모델은 기존 방법에 비해 예측 성능을 향상 시켰으며, 격자별 가중치를 두었을 경우 일반적인 강수 이벤트 뿐만 아니라 극한 강수 이벤트의 예측의 정확도를 향상시켰다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.313-319
• /
• 2022

최근 BERT와 같은 트랜스포머 (Transformer) 기반의 모델이 natural language understanding (NLU)와 같은 여러 자연어 처리 태스크에서 좋은 성능을 보인다. 이러한 모델은 여전히 대용량의 학습을 요구한다. 일반적으로, 데이터 증강 기법은 low-resource 환경을 개선하는 데 도움을 준다. 최근 생성 모델을 활용해 합성 데이터를 생성해 데이터를 증강하는 시도가 이루어졌다. 이러한 방법은 원본 문장과 의미론적 유사성을 훼손하지 않으면서 어휘와 구조적 다양성을 높이는 것을 목표로 한다. 본 논문은 task-oriented 한 어휘와 구조를 고려한 데이터 증강 방법을 제안한다. 이를 위해 검색 모델과 사전 학습된 생성 모델을 활용한다. 검색 모델을 사용해 학습 데이터셋의 입력 문장과 유사한 문장 쌍을 검색 (retrieval) 한다. 검색된 유사한 문장 쌍을 사용하여 생성 모델을 학습해 합성 데이터를 생성한다. 본 논문의 방법론은 low-resource 환경에서 베이스라인 성능을 최대 4% 이상 향상할 수 있었으며, 기존의 데이터 증강 방법론보다 높은 성능 향상을 보인다.