• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.395-398
• /
• 2023

표 질의응답이란, 주어진 표에서 질의문에 대한 답변을 자동으로 추출하거나 생성하는 기술을 말한다. 최근 언어모델을 사용한 연구들은 정답을 유도할 수 있는 명령문인 프롬프트를 활용하여 더 높은 성능을 보이고 있다. 본 연구에서는 표 질의응답의 성능을 향상시키기 위해, 프롬프트를 효과적으로 사용할 수 있는 모델을 제안한다. 이와 함께, 다양한 형태의 프롬프트를 사용하여 모델을 평가한다. 실험 결과, 기본 모델에 단순 질의문만 입력으로 사용했을 때의 성능 F1 67.5%에 비해, 다양한 프롬프트를 입력으로 사용한 경우 1.6%p 향상된 F1 69.1%을 보였다. 또한, 다양한 프롬프트와 함께 제안 모델을 사용했을 때에는 기본 모델보다 2.2%p 높은 F1 69.7%을 달성했다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.184-186
• /
• 2011

부하 모델링을 위해서는 구성요소기반 부하모델링과 측정기반 부하모델링 두 가지 방법이 사용된다. 구성요소기반 부하모델링은 모선에 부하의 구성비에 기반으로 하는 부하모델 기법이고, 측정기반 부하모델링은 부하가 설치된 모선의 전압과 소비전력의 측정값으로부터 관계를 수학적으로 모델링하는 기법이다. 본 논문에서는 부하모델을 위해 복합부하모델이 적용되었다. 복합부하모델은 정적부하모델과 동적부하모델을 모두 포함하고 있으며, 정적부하모델로서는 ZIP 모델이 사용되고, 동적 부하모델로는 유도전동기 모델이 사용되었다. 측정기반 부하모델의 파라미터 추정을 위해 TSAT(trensient security assessment tool) 프로그램으로부터 얻은 측정데이터를 이용해 파라미터 추정을 한다. 또한 사용자 편의를 위한 GUI(graphical user interface)의 적용을 통한 부하모델 파라미터 추정 프로그램을 개발하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.150-150
• /
• 2023

기작기반의 역학적 모델과 자료기반의 딥러닝 모델은 수질예측에 다양하게 적용되고 있으나, 각각의 모델은 고유한 구조와 가정으로 인해 장·단점을 가지고 있다. 특히, 딥러닝 모델은 우수한 예측 성능에도 불구하고 훈련자료가 부족한 경우 오차와 과적합에 따른 분산(variance) 문제를 야기하며, 기작기반 모델과 달리 물리법칙이 결여된 예측 결과를 생산할 수 있다. 본 연구의 목적은 주요 상수원인 댐 저수지를 대상으로 수심별 수온과 탁도를 예측하기 위해 기작기반과 자료기반 모델의 장점을 융합한 PGDL(Process-Guided Deep Learninig) 모델을 개발하고, 물리적 법칙 만족도와 예측 성능을 평가하는데 있다. PGDL 모델 개발에 사용된 기작기반 및 자료기반 모델은 각각 CE-QUAL-W2와 순환 신경망 딥러닝 모델인 LSTM(Long Short-Term Memory) 모델이다. 각 모델은 2020년 1월부터 12월까지 소양강댐 댐 앞의 K-water 자동측정망 지점에서 실측한 수온과 탁도 자료를 이용하여 각각 보정하고 훈련하였다. 수온 및 탁도 예측을 위한 PGDL 모델의 주요 알고리즘은 LSTM 모델의 목적함수(또는 손실함수)에 실측값과 예측값의 오차항 이외에 역학적 모델의 에너지 및 질량 수지 항을 제약 조건에 추가하여 예측결과가 물리적 보존법칙을 만족하지 않는 경우 penalty를 부가하여 매개변수를 최적화시켰다. 또한, 자료 부족에 따른 LSTM 모델의 예측성능 저하 문제를 극복하기 위해 보정되지 않은 역학적 모델의 모의 결과를 모델의 훈련자료로 사용하는 pre-training 기법을 활용하여 실측자료 비율에 따른 모델의 예측성능을 평가하였다. 연구결과, PGDL 모델은 저수지 수온과 탁도 예측에 있어서 경계조건을 통한 에너지와 질량 변화와 저수지 내 수온 및 탁도 증감에 따른 공간적 에너지와 질량 변화의 일치도에 있어서 LSTM보다 우수하였다. 또한 역학적 모델 결과를 LSTM 모델의 훈련자료의 일부로 사용한 PGDL 모델은 적은 양의 실측자료를 사용하여도 CE-QUAL-W2와 LSTM 보다 우수한 예측 성능을 보였다. 연구결과는 다차원의 역학적 수리수질 모델과 자료기반 딥러닝 모델의 장점을 결합한 새로운 모델링 기술의 적용 가능성을 보여주며, 자료기반 모델의 훈련자료 부족에 따른 예측 성능 저하 문제를 극복하기 위해 역학적 모델이 유용하게 활용될 수 있음을 시사한다.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1996.05b
• /
• pp.751-755
• /
• 1996

CE형 발전소 설계시 사용된 일부 전산코드들이 한시적으로 사용이 허가되어 국내 고유 전산코드로의 대체가 불가피하게 되었으며 그 예로 제어봉 이탈사고 해석에 사용된 STRIKIN II 코드를 들 수 있다. 한편 원자력 연구소에서 개발한 범용 전산코드 TASS의 노심 출력 계산은 1차원 확산 모델을 사용하여 축방향 노심 출력 계산이 가능하다. 본 논문에서는 이러한 전산코드 사용의 문제를 해결하고 또한 1차원 확산 모델의 제어봉 이탈 사고에 대한 적용 계산을 위해 TASS를 사용하여 제어봉 이탈사고 해석을 수행하고 그 대체 및 적용 가능성과 그 효과를 평가하였다. 계산 결과 1 차원 확산 모델을 사용한 TASS 결과가 Point Kinetics모델을 사용한 STRIKIN II 결과에 비해 보다 많은 운전 여유도를 확보하는 것으로 나타나 대체 및 적용 가능성을 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.796-801
• /
• 2002

최근의 소프트웨어 개발은 객체지향 프로그램 개발 기법을 사용하여 소프트웨어를 개발하고 있다. 초보 개발자에게는 적절한 객체를 식별하고 정확한 속성과 행위를 부여하는 객체 지향 기법은 상당히 힘든 문제이다. 객체의 집합, 즉 클래스 모델링 기법에도 재사용 기법을 사용한다면 이미 작성된 모델을 참조하여 객체 지향 개발 기법을 처음 접하는 초보 개발자에게는 학습의 기회를 제공하고, 숙련된 개발자에게는 검증된 모델을 통해 모델링 실패를 방지할 수 있는 안전성을 제공할 수 있다. 본 논문에서는 유사성(Similarity) 측정 기법을 적용하여 클래스간의 유사도를 판단하고, 관계 일치여부를 분석하여, 재사용 가능한 클래스를 검색하는 모델을 제안한다.

• Computational Structural Engineering
• /
• v.6 no.1
• /
• pp.44-49
• /
• 1993

이 글에서는 거시적 모델을 사용하여 전단벽체를 수치모델하는 방법에는 여러가지의 방법이 있으며 각기 그 모델들에는 장점과 단점을 지니고 있음을 보았다. 거시적 모델로 구조물을 해석하는 경우에는 전단벽체의 모델과 그에 맞는 반복이력모델의 선정에 주의하여야 한다. 이는 전단벽체의 파괴양상과 비선형거동 등의 복잡한 거동을 한개의 모델을 가지고 일률적으로 적용하지 못한다는 거시적 모델의 한계점 때문이다. 그러나 아직까지 계산기의 발전과 미시적 모델의 한계점을 고려한다면 구조물 비선형해석시 최선의 선택은 미시적 방법보다는 거시적 방법이라하겠다. 거시적 모델을 사용하여 구조물의 3차원 해석 프로그램을 개발한 예를 보았듯이, 3차원 비선형거동까지 고려한다면 거시적방법이 적당하리라고 판단된다.

• Proceedings of the Korea Database Society Conference
• /
• 2000.11a
• /
• pp.309-322
• /
• 2000

컴포넌트 개발에 보편화 추세에 있어서 이에 따른 노력도 산정 모델의 개발이 시급하지만 아직까지 간편하게 사용할 수 있는 모델이 없는 것이 현실이다. 따라서 본 연구는 그에 대한 기반을 마련하기 위하여 컴포넌트 기반에 관련된 개발 노력도 산정 모델을 살펴보고자 한다 기존의 개발의 노력도 산정 모델로 주로 사용하고 있는 모델로는 COCOMO중심의 모델, 기능점수 중심의 모델, 그리고 상용 컴포넌트(COTS) 중심의 모델로 나누어 볼 수 있으며, 각각의 중심 모델을 비교하여 컴포넌트기반(CBD)에서 활용 가능한 모델들을 살펴보기로 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.558-561
• /
• 2021

심리학에서 사람의 심리 상태를 알아보기 위해 사용되는 검사 방법 중, 집-나무-사람 검사(HTP Test)는 피실험자가 그린 집, 나무, 사람을 포함하는 그림을 사용하여 피실험자의 심리를 분석하는 투영 검사법이다. 본 논문에서는 딥러닝 모델을 이용해 HTP Test 에 사용되는 그림을 분석하는 시스템을 제안하며, 성능 평가를 통해 심리학에서의 딥러닝 모델 적용 가능성을 확인한다. 또한 그림 데이터 분석에 적합한 사전 훈련 모델을 개발하기 위해, ImageNet 과 스케치 데이터셋으로 사전 훈련하여 성능을 비교한다. 본 논문에서 제안하는 시스템은 크게 감정 분석을 위한 이미지 객체 추출부, 추출된 객체로 피실험자의 감정을 분류하는 감정 분류부로 구성되어 있다. 객체 추출과 이미지 분류 모두 CNN(Convolution Neural Network) 기반의 딥러닝 모델을 사용하며, 이미지 분류 모델은 서로 다른 데이터셋으로 모델을 사전 훈련한 후, 훈련 데이터셋으로 전이 학습하여 모델의 성능을 비교한다. 그림 심리 분석을 위한 HTP test 스케치 데이터셋은, HTP Test 와 동일하게 피실험자가 3 개 클래스의 집, 나무, 사람의 그림을 그려 자체 수집하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.5
• /
• pp.584-590
• /
• 2020

Long-term use of digital screens in daily life can lead to computer vision syndrome including symptoms such as eye strain, dry eyes, and headaches. To prevent computer vision syndrome, it is important to limit screen usage time and take frequent breaks. There are a variety of applications that can help users know the screen usage time. However, these apps are limited because users see various screens such as desktops, laptops, and tablets as well as smartphone screens. In this paper, we propose and evaluate machine learning-based models that detect the screen device in use using color, IMU and lidar sensor data. Our evaluation shows that neural network-based models show relatively high F1 scores compared to traditional machine learning models. Among neural network-based models, the MLP and CNN-based models have higher scores than the LSTM-based model. The RF model shows the best result among the traditional machine learning models, followed by the SVM model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.520-520
• /
• 2023

제주도 동부 중산간 지역은 화산암으로 구성된 지하지질로 인해 지하수위의 변동폭이 크고 변동양상이 복잡하여 인공신경망(Artificial Neural Network, ANN) 모델 등을 활용한 지하수위의 예측이 어렵다. ANN에 적용되는 활성화함수에 따라 지하수의 예측성능은 달라질 수 있으므로 활성화함수의 비교분석 후 적절한 활성화함수의 사용이 반드시 필요하다. 본 연구에서는 5개 활성화함수(sigmoid, hyperbolic tangent(tanh), Rectified Linear Unit(ReLU), Leaky Rectified Linear Unit(Leaky ReLU), Exponential Linear Unit(ELU))를 제주도 동부 중산간지역에 위치한 2개 지하수 관정에 대해 비교분석하여 최적 활성화함수 도출을 목표로 한다. 또한 최적 활성화함수를 활용한 ANN의 적용성을 평가하기 위해 최근 널리 사용되고 있는 순환신경망 모델인 Long Short-Term Memory(LSTM) 모델과 비교분석 하였다. 그 결과, 2개 관정 중 지하수위 변동폭이 상대적으로 큰 관정은 ELU 함수, 상대적으로 작은 관정은 Leaky ReLU 함수가 지하수위 예측에 적절하였다. 예측성능이 가장 낮은 활성화함수는 sigmoid 함수로 나타나 첨두 및 최저 지하수위 예측 시 사용을 지양해야 할 것으로 판단된다. 도출된 최적 활성화함수를 사용한 ANN-ELU 모델 및 ANN-Leaky ReLU 모델을 LSTM 모델과 비교분석한 결과 대등한 지하수위 예측성능을 나타내었다. 이것은 feed-forward 방식인 ANN 모델을 사용하더라도 적절한 활성화함수를 사용하면 최신 순환신경망과 대등한 결과를 도출하여 활용 가능성이 충분히 있다는 것을 의미한다. 마지막으로 LSTM 모델은 가장 적절한 예측성능을 나타내어 다양한 인공지능 모델의 예측성능 비교를 위한 기준이 되는 참고모델로 활용 가능하다. 본 연구에서 제시한 방법은 지하수위 예측과 더불어 하천수위 예측 등 다양한 시계열예측 및 분석연구에 유용하게 사용될 수 있다.