• Korean Journal of Cognitive Science
• /
• v.15 no.1
• /
• pp.25-33
• /
• 2004

This paper discusses two problems with LR parsing with regard to constructing parsing tables with feature-based grammars. First, we show that traditional LR parsing methods suffer from nontermination and nondeterminism problems when they are applied to feature-based grammars. We then present an LR method for feature-based grammars that avoids both nontermination and nondetermisim by making use of partial information of a feature structure. Second, we describe the problem of adapting LR parsing to feature-based grammars with schematic rules (i.e., rules that do not contain enough information to construct parsing tables). To remedy this problem, we propose a rule inference algorithm which instantiates underspecified rules into more specified ones containing enough information.

• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.51-55
• /
• 2017

대규모 분류체계를 사용하는 경우, 기존 방법의 딥 러닝으로는 분류 정확도가 현저히 떨어진다. 이를 해결하기 위해 계층 구조를 활용한 네거티브 샘플링 방법을 제안한다. 학습 문서가 속한 카테고리의 상위 카테고리와 일정부분 겹치는 범위에서 네거티브 샘플을 선택하면, 하나의 큰 문제를 다수개의 하위 문제로 쪼개서 해결하는 학습 효과가 있다. 소규모 분류 체계와 대규모 분류체계 각각에서 샘플링 전략을 차용하였을 때를 비교한 결과, 대규모에서 효과가 좋았으며 그 때의 정확도가 150배 이상 차이가 나는 것을 보였다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1995.04a
• /
• pp.201-207
• /
• 1995

이제까지의 생산 시스템 컨트롤은 여러 개의 계층을 통해 상위 컨트롤러가 하위의 컨트롤러를 관리하는 계층적/감독(hierarchical$^{ervisory}$)컨트롤 방식이 일반적이었다. 그러나 생산 시스템의 규모가 증가하고, 이를 운용하는 컨트롤 소프트웨어가 복잡해짐에 따라 전통적인 계층적/감독 컨트롤 방식은 몇 가지의 문제점을 가지게 되었다. 첫째, 계층간의 관리 구조가 복잡해짐에 따라 현장의 생산 정보가 의사결정을 하는 상위의 시스템에 즉시 전달되지 못한다. 이는 실시간 의사결정이 필요한 많은 컨트롤 문제를 야기시킨다. 둘째, 생산시스템의 레이아웃 및 운영 방식에 변화가 생겼을 때 컨트롤 소프트웨어를 신속히 수정하기가 어렵다. 이러한 문제들을 해결하기 위한 방법으로 수평적/협동(heterarchical/cooperative) 컨트롤 방식이 제시된다. 이는 신속한 의사결정과 변화에 따른 수정이 용이하도록 가공, 조립, 물류등 생산 시스템의 여러 단위 요소의 자율적인 컨트롤러가 계층이 없이, 서로 동등한 입장에서 협동을 통해 컨트롤이 이루어진다. 본 연구에서는 수평적/협동 컨트롤 방식하에서 조립 시스템이 가져야 할 기능과 컨트롤 방법을 제시한다. 아울러, 조립 시스템 컨트롤러가 다른 컨트롤러들과 교환하는 정보 및 컨트롤 대상을 규명한다.

• Journal of Korean Elementary Science Education
• /
• v.34 no.2
• /
• pp.194-209
• /
• 2015

본 연구의 목적은 스크래치 프로그래밍을 활용한 초등과학 '작은 생물' STEAM 수업을 개발하고 적용하여, 초등 영재학생의 창의적 인성, 창의적 문제해결력, 과학적 태도의 향상에 어떠한 영향을 미치는지 알아보고자 하였다. 개발한 STEAM 수업은 과학 지식과 스크래치 프로그래밍을 통합한 내용적 융합의 방법을 통해 학습자가 창의적 설계와 감성적 체험을 효과적으로 경험할 수 있도록 설계되었다. 연구 대상은 26명의 초등과학 영재학생들이었으며, 양적 및 질적 접근을 통해 자료를 수집하였다. 7차시의 수업을 적용한 결과, 개발한 STEAM 수업이 창의적 인성 및 과학적 태도에 효과가 있었다. 창의적 인성 하위 요소 중, 독립성에서 효과가 있었으며, 과학적 태도 측면에서는 자발성 및 인내심에서 유의한 상승을 보였다. 본 연구는 생명 과학 및 컴퓨터 프로그래밍처럼 STEAM 수업을 위한 효과적인 수단을 통합하는 일이 과학 기술에 대한 학생들의 창의성과 흥미를 신장시킬 수 있음을 제안한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.215-218
• /
• 2008

정보의 홍수 속에서 살고 있는 사용자들은 좀 더 편리하게 정확한 서비스를 추천 받기를 원하고 있으며, 이러한 욕구들에 부응하여 추천시스템은 꾸준히 발전하고 있다. 유비쿼터스 컴퓨팅 환경에서는 사용자 환경과 사용자 자신의 컨텍스트 정보를 이용하여 추론하며, 그 결과를 사용자에게 서비스하고 있다. 그러나 실시간으로 획득된 컨텍스트 정보가 사용자에게 양질의 서비스를 제공하기 위하여 부족하거나 켄텍스트 정보를 모델링하는 방법에 문제가 있을 때에는 서비스의 질이 낮아질 수 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 모바일 환경에서 실시간으로 센서를 통하여 획들될 수 있는 컨텍스트 정보를 수집하고, 수집된 컨텍스트 정보는 하위수준의 정보를 상위수준의 정보로 모델링한다. 모델링된 컨텍스트 정보는 다시 정량화 단계 후, 웹 환경의 사용자 평가 정보와 결합하여 서비스를 추천한다. 이를 통하여 시스템은 유비쿼터스 환경에서 추천을 위한 양질의 컨텍스트 정보 부족 문제를 해결하였으며, 사용자에게 적합한 서비스를 제공할 수 있었다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.10A
• /
• pp.1737-1745
• /
• 2001

최근의 전자업계의 동향을 살펴보면, 휴대 가능한 제품의 요구가 증대되고, 고 집적화 됨에 따라 제품의 크기와 동작속도 뿐만 아니라, 소모하는 전력의 양이 큰 문제로 대두되었다. 더욱이 휴대 장비에서는 전지의 양이 제한되어 있기 때문에, 소모 전력을 줄이는 것은 중요한 문제이다. 휴대 장비가 아니라고 해도, 높은 전력소모를 보이는 제품은 안정된 동작을 위해 값비싼 냉각장치 등을 필요로 한다. 이와 같이 전력소모를 줄이거나 예측할 수 있는 CAD tool에 대한 개발이 시급한 상황이다. 이제까지의 업계의 경향은 물리적 단계의 소모전력을 분석하는 tool의 개발 쪽에 한정되어 있었다. 하지만 이러한 하위 단계에서의 tool은 제품 생산 직전의 단계에서 이루어짐으로, 제품이 원하는 규격에 맞지 않을 경우, 재생산의 비용과 시간의 손실이 크다. 따라서 보다 상위 단계에서의 소모전력 예측 tool의 필요가 증가하고 있다. 본 논문에서는 이러한 기대에 발맞춰 gate 단계에서 소모전력을 예측할 수 있는 알고리즘을 제안하였다. 제안한 알고리즘은 입력 신호와의 의존성을 줄이기 위해 확률을 이용한 방법을 기초로 하였으며, 알고리즘의 정확성을 입증하기 위해 시스템을 설계, HSPICE를 이용한 시뮬레이션 결과와 비교하였다. 본 논문에서 제한한 알고리즘을 이용하여, 널리 알려진 시스템(ISCAS 85, ISCAS 89)의 소모전력을 예측한 결과, 시뮬레이션을 통해 얻은 결과와 비교해 봤을 때, 10% 이내의 오차 한도를 가진 것으로 분석되었다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.7A
• /
• pp.1170-1181
• /
• 2001

본 논문은 다양한 실시간 스케줄링 알고리즘과 자원 접근 제어 정책을 통합적으로 설계/구현하되 필요에 따라 시스템을 선택적으로 재구성할 수 있게 하는 통합 실시간 스케줄링 모델을 제안한다. 제안 모델은 [3, 4]에서 제안된 기존 모델에 자원 관리자 및 대기 큐 관리자가 추가되었다. 사용자는 태스크 및 자원 속성을 기반 스케줄링 알고리즘에 상관없이 동일하게 지정할 수 있다. 반면 시스템 설계자는 우선순위 역전 문제를 해결하고 공유 자원에 대한 한정된 블록킹 시간을 보장하기 위한 다양한 자원 접근 제어 정책들을 하위 단계의 복잡한 커널 모듈을 수정하지 않고도 효율적으로 개발할 수 있다. Real-Time Linux [6]에 제안된 스케줄러 모델을 구현한 후, 이를 기반으로 다양한 스케줄링 알고리즘과 자원 접근 제어 정책들을 시험적으로 구현하여 보았다. 여러 성능 실험을 통해 제안 모델을 기반으로 다양한 알고리즘과 정책을 구현한다 해도 실행시의 오버헤드는 크지 않은 반면, 시스템 재구성과 자원 접근 제어 정책을 효과적으로 지원할 수 있다는 것을 확인할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.124-126
• /
• 2003

다차원 색인 기법 M-트리는 노드의 중심점과 객체간의 상대적 거리로 색인을 구성하고, 검색 공간에 포함되는 객체를 액세스하는 기법으로서 노드들은 페이지 단위로 구성되며 하위 엔트리들을 포함할 수 있는 반경, 즉 유사도 거리에 의해 노드의 영역이 표현되어진다. 그러나 이와 같은 노드의 영역 표현에 있어서 노드 색인공간의 중첩으로 인해 질의 시 검색 패스가 증가하고 이로 인해 거리계산과 디스크 입출력의 증가를 야기하는 문제를 갖는다. 본 논문에서는 M-트리에서 문제가 되고 있는 노드 색인 공간의 중첩을 최소화할 수 있는 노드 분할 정책을 제안한다. 기존의 M-트리와는 다르게 노드의 가상 중심점을 계산하여 그것을 라우팅 객체로 만들어 노드를 커버하는 영역을 최소화하고 노드 안의 엔트리를 재분배하여 밀도 높은 노드를 구성 하도록 한다. 제안된 분할 알고리즘의 효율성을 증명하기 위한 실험 결과 색인공간의 중첩이 줄고 이로 인해 거리계산과 디스크 입출력의 횟수가 줄어듦을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.251-256
• /
• 2021

개체명 인식은 정보 추출의 하위 작업으로, 문서에서 개체명에 해당하는 단어를 찾아 알맞은 개체명을 분류하는 자연어처리 기술이다. 질의 응답, 관계 추출 등과 같은 자연어처리 작업에 대한 관심이 높아짐에 따라 세부 분류 개체명 인식에 대한 수요가 증가했다. 그러나 기존 개체명 인식 성능에 비해 세부 분류 개체명 인식의 성능이 낮다. 이러한 성능 차이의 원인은 세부 분류 개체명 데이터가 불균형하기 때문이다. 본 논문에서는 이러한 데이터 불균형 문제를 해결하기 위해 대분류 개체명 정보를 활용하여 세부 분류 개체명 인식을 수행하는 방법과 대분류 개체명 인식의 오류 전파를 완화하기 위한 2단계 학습 방법을 제안한다. 또한 레이블 주의집중 네트워크 기반의 구조에서 레이블의 공통 요소를 공유하여 세부 분류 개체명 인식에 효과적인 레이블 임베딩 구성 방법을 제안한다.

• Journal of The Korean Association of Information Education
• /
• v.21 no.6
• /
• pp.665-673
• /
• 2017

This research was performed for learning motivation and learning satisfaction of flipped learning on software education in university class. In order to compare and get the result, this study used 2 groups of experimental group(flipped learning) and comparison group(traditional face to face learning). Consequently an experimental group got more strong learning motivation and learning satisfaction than traditional learning group on software education in non-major class of university. It showed at the same time in factors of learning motivation like concentration, importance of subject, self confidence. and on factors pf learning satisfaction like problem solving, reaction, understanding, interest and relation with lecturer, This study showed that flipped learning method is more effective than face to face traditional learning method for creative or problem solving subject like software education.