• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.238-244
• /
• 2022

감정 분석은 텍스트에 표현된 인간의 감정을 인식하여 다양한 감정 유형으로 분류하는 것이다. 섬세한 인간의 감정을 보다 정확히 분류하기 위해서는 감정 유형의 분류가 무엇보다 중요하다. 본 연구에서는 사전 학습 언어 모델을 활용하여 우리말샘의 감정 어휘와 용례를 바탕으로 기쁨, 슬픔, 공포, 분노, 혐오, 놀람, 흥미, 지루함, 통증의 감정 유형으로 분류된 감정 말뭉치를 구축하였다. 감정 말뭉치를 구축한 후 성능 평가를 위해 대표적인 트랜스포머 기반 사전 학습 모델 중 RoBERTa, MultiDistilBert, MultiBert, KcBert, KcELECTRA. KoELECTRA를 활용하여 보다 넓은 범위에서 객관적으로 모델 간의 성능을 평가하고 각 감정 유형별 정확도를 바탕으로 감정 유형의 특성을 알아보았다. 그 결과 각 모델의 학습 구조가 다중 분류 말뭉치에 어떤 영향을 주는지 구체적으로 파악할 수 있었으며, ELECTRA가 상대적으로 우수한 성능을 보여주고 있음을 확인하였다. 또한 감정 유형별 성능을 비교를 통해 다양한 감정 유형 중 기쁨, 슬픔, 공포에 대한 성능이 우수하다는 것을 알 수 있었다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.11a
• /
• pp.100-102
• /
• 2023

항로추종성능은 자율운항선박(MASS)의 중요한 자율제어기능 중 하나이다. 이는 선박의 안전성을 보장하기 위해 중요하며, 자율운항선박의 설계 단계에서 사전 평가가 필수적이다. 본 연구는 자율운항선박의 항로추종성능 평가를 위한 전산유체역학(CFD) 모델과 LOS 알고리즘 연계 방안을 제안한다. 먼저, 자율운항선박의 정수 중 거리 이탈 편차를 이용한 항로 추종 성능 평가 모델 개발에 관하여 기술했다. 먼저, 항로 추종을 수행하는 선박 주변의 난류 흐름은 비압축성 뉴턴 유체의 가정하에 비정상 RANS(Reynolds Averaged Navier-Stokes) 법을 이용하여 수치적으로 계산되었다. 중첩격자계법을 CFD 모델에 적용함으로써 거리 이탈 편차를 이용하는 LOS(Line-of-Sight) 가이던스 알고리즘에 의한 타의 회전 및 이에 따른 선체의 6 자유도 움직임을 CFD 환경에서 구현하였다. 개발된 자유 항주 선박 CFD 모델을 이용하여 항로 추종 시뮬레이션 평가 결과, 설정된 항로에서 선박의 정수 중 항로 추종 제어는 파도, 조류, 및 바람과 같은 외부 교란의 부재로 LOS 알고리즘에 의한 우현/좌현 측 변침뿐만 아니라 직진 경로의 추종도 성공적으로 수행됨을 확인하였다. 선체, 프로펠러, 타의 복잡한 상호작용을 정도 높게 해석할 수 있는 자유 항주 선박 CFD 모델과 LOS 알고리즘의 결합은 자율운항선박의 항로 추종 성능 평가를 정량적으로 평가하는 데 기여할 것으로 기대된다.

• Journal of KIISE:Computer Systems and Theory
• /
• v.26 no.7
• /
• pp.847-862
• /
• 1999

본 논문에서는 유한버퍼의(finite-buffered) 동기화된(synchronous) 큐잉모델(queueing model)을 이용하여 명령어들간의 병렬성, 분기명령의 빈도수, 분기예측(branch prediction)의 정확도, 캐쉬미스 등의 파라미터들을 고려하여 프로세서의 명령어 실행율을 예측하며 캐쉬의 성능과 파이프라인 성능간의 관계를 분석할 수 있는 새로운 해석적 모델을 제안하였다. 해석적 모델은 모델의 타당성을 검증하기 위해서 시뮬레이션을 수행하여 얻은 결과와 비교하였다. 해석적 모델과 시뮬레이션을 비교한 결과 대부분 10% 오차 내에서 일치하였다. 본 연구를 통하여 얻은 해석적 모델을 사용하면 시뮬레이션에서는 드러나지 않는 성능제약의 원인에 대한 명확한 규명이 가능하기 때문에 성능향상을 위한 설계자료를 얻을 수 있으며, 시스템 성능 밸런스를 위한 캐쉬와 비순차이슈 파이프라인 성능간의 관계에 대한 정확한 분석이 가능하다.Abstract This research presents a novel analytic model to predict the instruction execution rate of superscalar processors using the queuing model with finite-buffer size and synchronous operation mode. The proposed model is also able to analyze the performance relationship between cache and pipeline. The proposed model takes into account various kinds of architectural parameters such as instruction-level parallelism, branch probability, the accuracy of branch prediction, cache miss, and etc.. To prove the correctness of the model, we performed extensive simulations and compared the results with the analytic model. Simulation results showed that the proposed model can estimate the average execution rate accurately within 10% error compared to simulation results. The proposed model can explain the causes of performance bottleneck which cannot be uncovered by the simulation method only. The model is also able to show the effect of the cache miss on the performance of out-of-order issue superscalar processors, which can provide an valuable information in designing a balanced system.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.6
• /
• pp.749-756
• /
• 2021

Thanks to PLC and IoT Sensor, huge amounts of data has been accumulated onto the companies' databases. Machine Learning Algorithms for the predictive model with good performance have been widely utilized in the manufacturing process. We present how to improve the performance of machine learning predictive models. To improve the performance of the predictive model, typical techniques such as increasing the sample size, optimizing the hyper parameters for the algorithm, and selecting a proper machine learning algorithm for the predictive model would be shown. We suggest some new ways to make the model performance much better. With the proposed methods, we can build a better predictive model for predicting and controlling product qualities and save incredibly large amount of quality failure cost.

• Journal of the Korean Society of Industry Convergence
• /
• v.6 no.3
• /
• pp.261-266
• /
• 2003

이 논문에서는 반능동 진동 흡수기를 통합 시트/섀시 현가 장치에 확대, 적용하여 그 성능을 조사하였다. 통함 현가시스템의 성능분석을 위해 집중 인체질량과 함께 실험적으로 입증된 한 비선형 시트 쿠션 모델을 도입하였다. 또한 3 자유도 시트/섀시 현가시스템의 효과적인 진동제어를 위해 리아푸노브 바이스테이트 제어법칙을 사용하였다. 시뮬레이션결과 반능동 통합 현가장치는 시트 쿠션 모델과 관계없이 운전자의 승차감과 관련 있는 시트의 절대가속도 크기와 시트쿠션의 시트 트랙에 대한 상대변위를 상당히 감소시킬 수 있음을 알 수 있었다. 그러나, 주로 사용되어온 선형 쿠션 모델을 사용한 경우보다 비선형쿠션 모델을 사용한 경우의 제진성능이 약간 저조함을 알 수 있었다. 따라서, 자동차 시트 설계시 성능분석을 위해서는 실제의(비선형의) 시트 쿠션 특성을 적용해야 함을 알 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.07a
• /
• pp.95-98
• /
• 2011

DVB-S2 표준안에서는 다양한 부호화율과 그에 따른 변조 방식을 제공한다. 그리고 비선형 영역에서 동작하기 위하여 특정 성상도를 갖는 고차 변조 방식을 사용한다. 본 논문은 LMS (Land-Mobile-Satellite) 채널 환경에서 DVB-S2 시스템의 수신 성능을 분석한다. 또한 비선형 HPA (Non-liniear High Power Amplifier) 모델을 적용하여 수신 성능도 제시한다. LMS 채널 모델로는 Log-normal, Rician, Rayleigh등 단일 채널 모델이 합성된 Hybrid 채널을 사용한다. 비선형 HPA 모델은 Saleh 모델을 사용한다. 그리고 각각의 채널 환경에서 8PSK, 16APSK, 32APSK 변조 방식에 따른 BER을 제시하고 그 성능을 제시한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.467-470
• /
• 2004

퍼지모델은 주로 경험적 방법에 의해 추출되기 때문에 보다 구체적이고 체계적인 방법에 의한 동정 및 최적화 될 필요성이 요구된다. 일반적으로, 정보 granules는 근접성, 유사성 또는 기능성 등에 인하여 서로 결합되는 요소(특히, 수치 데이터)의 실체이다. 본 논문에서는 비선형 시스템의 퍼지모델을 위해 정보 granules에 의한 퍼지 관계 기반 퍼지 추론 시스템을 최적 설계한다. 제안된 퍼지 모델은 정보 데이터의 특성을 살리기 위해 HCtl 클러스터링 방법에 의한 중심값을 이용하여 모든 입력변수가 상호 관계한 전반부/후반부 구조 및 파라미터 동정을 시행한다. 두 가지 형태의 퍼지 추론 방법은 간략 추론과 선형추론에 의해 수행되고 삼각형 멤버쉽 함수를 사용한다. 구축된 정보 granule 기반 퍼지 모델은 유전자 알고리즘을 이용하여 전반부 파라미터를 최적으로 동정한다. 그리고 학습 및 테스트 데이터의 성능 결과의 상호균형을 얻기 위한 하중값을 가진 성능지수를 사용하여 근사화와 예측성능의 향상을 꾀하며, 기존 문헌과의 성능비교를 통해 제안된 퍼지 모델을 평가한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.610-613
• /
• 2022

센서 데이터의 중요성이 커지면서 센서 데이터 처리 연구의 수요가 증가하고 있다. 센서 데이터 기반의 딥러닝 모델 개발 시, 센서 데이터 단일 값에 의한 출력이 아닌 시계열적인 특성을 반영하여 연속적인 데이터 간의 연관성을 파악할 수 있는 슬라이딩 윈도우 기법을 통해 효율적으로 데이터를 분석하고 처리할 수 있다. 하지만, 기존의 방법들은 학습 성능(학습 시간 및 모델 성능)에 미치는 영향을 평가하는 기준 없이 입력 데이터의 윈도우 사이즈를 임의로 설정하여 데이터를 처리해 왔다. 따라서, 본 논문은 학습 시간과 모델 성능을 기준으로 센서 데이터의 윈도우 사이즈 최적화 기법을 제안한다. 제안한 방법은 전류를 이용하여 스위치와 다이오드 온도를 추정하는 가상 센서(virtual sensor) 실험 테스트베드에 적용하여, 학습 시간 중심으로는 5%의 윈도우 사이즈를, 모델 성능 중심으로는 R2 SCORE 의 값을 0.9295 로 갖는 8%의 윈도우 사이즈가 최적으로 도출되었다.

• 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.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.171-176
• /
• 2023

최근 등장한 대규모 데이터로 사전학습된 자연어 생성 모델들은 대화 능력 및 코드 생성 태스크등에서 인상적인 성능을 보여주고 있어, 본 논문에서는 대형 언어 모델 (LLM)의 한국어 질문을 SQL 쿼리 (Text-to-SQL) 변환하는 성능을 평가하고자 한다. 먼저, 영어 Text-to-SQL 벤치마크 데이터셋을 활용하여 영어 질의문을 한국어 질의문으로 번역하여 한국어 Text-to-SQL 데이터셋으로 만들었다. 대형 생성형 모델 (GPT-3 davinci, GPT-3 turbo) 의 few-shot 세팅에서 성능 평가를 진행하며, fine-tuning 없이도 대형 언어 모델들의 경쟁력있는 한국어 Text-to-SQL 변환 성능을 확인한다. 또한, 에러 분석을 수행하여 한국어 문장을 데이터베이스 쿼리문으로 변환하는 과정에서 발생하는 다양한 문제와 프롬프트 기법을 활용한 가능한 해결책을 제시한다.