• The Journal of the Acoustical Society of Korea
• /
• v.35 no.2
• /
• pp.143-148
• /
• 2016

Deep neural network that effectively capture the characteristics of data has been widely used in various applications. However, the amount of sound database is often insufficient for learning the deep neural network properly, so resulting in overfitting problems. In this paper, we propose a transfer learning framework that can effectively train the deep neural network even with insufficient sound event data by employing rich speech or music data. A series of experimental results verify that proposed method performs significantly better than the baseline deep neural network that was trained only with small sound event data.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.135-140
• /
• 2022

최근 Document Retrieval을 비롯한 대부분의 자연어처리 분야에서는 BERT와 같이 self-attention을 기반으로 한 사전훈련 모델을 활용하여 SOTA(state-of-the-art)를 이루고 있다. 그러나 self-attention 메커니즘은 입력 텍스트 길이의 제곱에 비례하여 계산 복잡도가 증가하기 때문에, 해당 모델들은 선천적으로 입력 텍스트의 길이가 제한되는 한계점을 지닌다. Document Retrieval 분야에서는, 문서를 특정 토큰 길이 단위의 문단으로 나누어 각 문단의 유사 점수 또는 표현 벡터를 추출한 후 집계함으로서 길이 제한 문제를 해결하는 방법론이 하나의 주류를 이루고 있다. 그러나 논문, 특허와 같이 섹션 형식(초록, 결론 등)을 갖는 문서의 경우, 섹션 유형에 따라 고유한 정보 특성을 지닌다. 따라서 문서를 단순히 특정 길이의 문단으로 나누어 학습하는 PARADE와 같은 기존 방법론은 각 섹션이 지닌 특성을 반영하지 못한다는 한계점을 지닌다. 본 논문에서는 섹션 유형에 대한 정보를 포함하는 문단 표현을 학습한 후, 트랜스포머 인코더를 사용하여 집계함으로서, 결과적으로 섹션의 특징과 상호 정보를 학습할 수 있도록 하는 SERADE 모델을 제안하고자 한다. 실험 결과, PARADE-Transformer 모델과 비교하여 평균 3.8%의 성능 향상을 기록하였다.

• Communications of Mathematical Education
• /
• v.13 no.1
• /
• pp.231-243
• /
• 2002

본 연구의 목적은 초등학교 수학교육에서 개방형 학습법이 수학적 창의력에 미치는 효과를 분석함으로써 수학적 창의력을 신장시킬 수 있는 수학 교수-학습법을 찾는데 그 목적이 있다. 이를 위해, 초등학교 4학년 2개 반을 선정하여 한 반은 실험집단으로 하고 다른 반은 비교집단으로 하여 실험 연구를 실시하였다. 실험집단은 개방형 학습법에 의한 수업을 전개하였고, 비교집단은 일반적인 수업을 전개하였다. 그 결과로서, 오직 답이 하나로 제한되고 닫힌 통상적인 문제가 아니라 결과가 하나로 결정되지 않는 문제상황을 제재로 하여 거기에 내재하는 결과의 다양성을 적극적으로 이용하는 개방형 학습법에 의한 수업이 일반적인 수업보다 수학적 창의력 향상에 있어서 더 효과적이며, 수학적 창의력 신장에 미치는 효과에서 남 ${\cdot}$ 여간에 차이가 없이 남과 여 집단에서 모두 효과가 있었다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.596-599
• /
• 2022

심층 학습은 지속적으로 발전하고 있으며, 최근에는 실제 사용자에게 제공되는 애플리케이션까지 확장되고 있다. 특히 자연어처리 분야에서는 대용량 언어 말뭉치를 기반으로 한 언어모델이 등장하면서 사람보다 높은 성능을 보이는 시스템이 개발되었다. 그러나 언어모델은 높은 컴퓨팅 파워를 요구하기 때문에 독립적인 소형 디바이스에서 제공할 수 있는 서비스에 적용하기 힘들다. 예를 들어 스캐너에서 제공할 수 있는 파일명 자동 부착 서비스는 하드웨어의 컴퓨팅 파워가 제한적이기 때문에 언어모델을 적용하기 힘들다. 또한, 활용할 수 있는 공개 데이터가 많지 않기 때문에, 데이터 구축에도 높은 비용이 요구된다. 따라서 본 논문에서는 컴퓨팅 파워에 비교적 독립적이고 학습 데이터가 필요하지 않은 비지도 학습을 활용하여 파일명 자동 부착 서비스를 위한 파일명 추출 방법을 제안한다. 실험은 681건의 문서 OCR 결과에 정답을 부착하여 수행했으며, ROUGE-L 기준 0.3352의 성능을 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1339-1342
• /
• 2022

예술적 스타일 전이는 예술 작품이 지닌 특징을 다른 이미지에 적용하는 이미지 처리의 오랜 화두 중 하나로, 최근에는 StyleGAN 과 같이 미리 학습된 GAN(생성적 적대 신경망)을 통해 제한된 데이터로도 고해상도의 예술적 초상화를 생성하도록 학습하는 연구가 다양한 방면에서 성과를 내고 있다. 본 논문에서는 2 가지 경로의 StyleGAN과 Facial Destylization 을 통해 고해상도의 예시 기반 스타일 전이를 달성한 DualStyleGAN 연구에 대해 소개하고, 기존 연구에서 사용된 Facial Destylization 방법이 지닌 한계점을 분석한 뒤, 이를 개선한 새로운 방법, Re-Destyle을 제안한다. 새로운 Re-Destyle 방법으로 Facial Destylization 을 적용할 경우 학습 시간을 기존 연구의 방법보다 20 배 이상 개선할 수 있으며 그 결과 1000 개 이하의 적은 데이터와 1~2 시간의 추가 학습만으로도 원하는 타겟 초상화 스타일에 대해 1024×1024 수준의 고해상도의 예시 기반 초상화 스타일 전이 및 이미지 생성 모델을 학습할 수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.705-707
• /
• 2022

본 연구에서는 기존 차량 경로 문제(Vehicle Routing Problem)의 범위를 확장시켜 일반화된 차량 경로문제(Generalized Vehicle Routing Problem)를 제시하고, 이 문제를 해결하기 위한 강화학습 모델을 제안한다. 기존의 차량 경로 문제는 depot에서 각 node(또는 각 node에서 depot)의 단방향만 존재해 제한된 문제만을 해결할 수 있었다. 이 한계점을 극복하기 위해 depot을 제외한 모든 node가 서로 연결된 형태의 일반화된 차량 경로 문제를 정의하고 이를 해결하고자 한다. 차량 경로 문제는 NP-hard 문제로 최근에는 강화학습을 이용해 이를 해결하고자 하는 모델이 연구되고 있다. 본 연구에서는 새로 정의한 일반화된 차량 경로 문제를 해결하기 위한 강화학습 모델을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06c
• /
• pp.327-330
• /
• 2011

기계학습 기술이 발달함에 따라 기계학습은 제한된 상황에서 벗어나, 실생활과 비슷한 복잡하고 다양한 상황에서의 학습이 중요한 이슈가 되었다. 본고에서는 현실과 비슷한 상황을 도입하기 위하여 드라마를 사용한다. 드라마 내의 등장인물들은 말투, 어조, 관심주제와 같이 다양한 특성을 내재하고 있다. 등장인물들의 다양한 특성 중 관심주제는 대본 안에 글로 드러나 있으므로 기계학습을 통해 등장 인물의 인식에 활용할 수 있다. 최근, 확률그래프모델 분야에서 문서의 주제를 다루는 기법으로 자주 거론되는 토픽 모델 중 하나인 Author-Topic (AT) 모델은 등장인물의 관심주제를 학습하는 데에 적합하다. 본 논문에서는 AT 모델로 대본을 학습하고, 학습된 데이터 분포를 이용하여 장면에 등장하는 인물들을 인식하는 방법을 제시한다. 이 방법의 성능을 측정하기 위해, 미국 TV 드라마 'Friends' 대본 39편을 학습시키고, 장면에 대해 등장인물을 인식하는 실험을 수행하였다. 이 실험을 통해 본고에서 Author-Topic 모델을 이용한 인물 인식 방법이 다수의 인물이 참여한 담화의 인물들을 인식하는데 강점이 있음을 확인할 수 있다.

• Journal of the Korea Society of Computer and Information
• /
• v.10 no.1 s.33
• /
• pp.217-222
• /
• 2005

The on-line and mobile communication technologies provide an environment to make users share information on the rove. However learning on a file received from on-line or mobile internet environment is able to read only, According to this, users cannot use various learning methods to make multimedia contents for learning like coloring and underlining considerable parts. Also, in case of storing, it cannot be stored in a standard file format HTML. Therefore, in this paper, we suggest a new learning platform to be able to change text contents in a web documents and implement a prototype system to process learning system in on-line environment

• Journal of the Korean School Mathematics Society
• /
• v.17 no.2
• /
• pp.193-205
• /
• 2014

This study examined the effect of coaching based on private tutoring on students' learning ability and academic achievement in university mathematics education. Those in the coaching group showed statistical significance in academic achievement compared to those in the non-coaching group. In addition, the coaching was found to be more effective for those with poor academic performance or women than those with excellent academic performance or men respectively. Due to limitations on survey time and number of respondents, it is difficult to draw a general conclusion about the effect of coaching in university mathematics education. Still, it is significant that the study applies coaching as a method to teach students university mathematics for the first time and the results are in consistent with those of previous studies on other subjects.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.1588-1591
• /
• 2011

통합교육의 실시와 다문화 가정의 자녀 증가 등으로 학교 교실의 구성원들이 다양화 되고 있다. 그러나 제한적인 매체와 전통적인 교육과정, 교수방법 및 평가 등의 사용으로 학습자들의 다양성을 고려되지 못하고 있다. 본 연구는 디지털화 교수매체의 활용함으로써 다양한 학습자들의 정보에 대한 접근성을 보장해 주고 나아가 교육현장에서 보편적 학습설계(Universal Design for Learning: UDL)를 적용하여 학습자의 다양성을 보장하는데 그 목적을 둔다. 교육현장에 UDL 적용에 대한 예비교사와 현직교사의 그룹 토론을 통해, UDL의 적용가능성과 적용함에 있어서 어려움을 알아보았다. 그 결과, 정해진 교육과정과 교재, 다양한 학습자에 대한 교사의 전문성 부족, 학생들 간의 학습 차이, 학급당 많은 학생수, 교사의 많은 업무량 등 여러 가지 문제점으로 UDL 적용이 어렵다고 하였다. 해결방안으로 교수설계에 UDL의 적용과 다양한 디지털화 교수매체의 활용으로 접근성 보장을 제안하였다. 교육현장에서의 UDL 확대와 다양한 학습자들의 접근성이 보장된 교육을 할 수 있도록 교사들이 수업에서의 UDL 적용 방안에 대해 제시하였다.