• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회
• /
• pp.554-558
• /
• 2020

최근 사전학습 모델의 발달로 기계독해 시스템 성능이 크게 향상되었다. 하지만 기계독해 시스템은 주어진 단락에서 질문에 대한 정답을 찾기 때문에 단락을 직접 검색해야하는 실제 환경에서의 성능 하락은 불가피하다. 즉, 기계독해 시스템이 오픈 도메인 환경에서 높은 성능을 보이기 위해서는 높은 성능의 검색 모델이 필수적이다. 따라서 본 논문에서는 검색 모델의 성능을 보완해 줄 수 있는 오픈 도메인 기계독해를 위한 단락 재순위화 모델을 제안한다. 제안 모델은 합성곱 신경망을 이용하여 질문과 단락을 구절 단위로 표현했으며, N-gram 구절 사이의 상호 주의 집중을 통해 질문과 단락 사이의 관계를 효과적으로 표현했다. KorQuAD를 기반으로한 실험에서 제안모델은 MRR@10 기준 93.0%, Top@1 Precision 기준 89.4%의 높은 성능을 보였다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.213-221
• /
• 2021

4차 산업혁명을 맞이하여 인공지능 교육의 필요성이 증대되었고 코로나19로 인한 온라인 학습 환경은 다양한 인공지능 플랫폼 체험형 수업을 가능하게 하였다. 이 연구에서는 인공지능 플랫폼을 활용하여 인공지능 교육 목표를 달성할 수 있도록 수업안을 개발하여 제안하였다. 활용한 인공지능 플랫폼은 AI for Oceans이며 환경을 위한 프로그램 만들기라는 주제로 6차시 분량의 노벨엔지니어링 기반 STEAM 수업을 설계하였다. 이 모델은 수업의 전체 상황을 아우르며 문제해결의 맥락을 제공한다. 학생들은 AI for Oceans를 체험하며 지도 학습에 대한 충분한 탐색 과정을 거친 후 지도 학습에 대한 이해를 바탕으로 엔트리의 인공지능 블록을 사용하여 환경을 위한 나만의 프로그램을 설계한다. 본 연구에서는 인공지능융합교육을 위하여 인공지능의 원리를 토대로 문제 해결에 활용하여 창의적인 문제해결역량 및 융합적 사고력을 강화하는 것을 목표로 수업안을 개발하여 제시하였다.

• 한국정보통신학회논문지
• /
• 제26권9호
• /
• pp.1293-1304
• /
• 2022

개인화 추천시스템은 각 개인의 관심사나 선호도를 분석하여 이에 맞는 정보나 제품을 추천해주는 것을 의미한다. 이러한 개인화 추천을 통해 소비자들은 본인에게 필요한 제품들을 보다 빠르게 접함으로써 정보 탐색에 소모하는 시간을 단축할 수 있으며, 기업들은 소비자들의 필요에 맞는 적절한 제품을 추천해줌으로써 기업 이윤을 증가시킬 수 있다. 본 연구에서는 대표적인 개인화 추천 기법들인 협업 필터링, 행렬 요인화, 딥러닝을 사용하여 소비자에게 제품을 추천해준다. 이를 위해 원데이터 (Raw data)인 쇼핑몰 상품 구매 후기 데이터세트를 추천시스템의 입력으로 전달하기 위한 형태로 전처리하고, 전처리한 데이터세트를 다각도로 분석해본다. 또한, 각각의 모델들이 추천한 결과에 대해 검증 및 성능 비교를 수행하고 최적의 성능을 보이는 모델을 탐색하여 이후 해당 쇼핑몰에서 추천시스템 구축 시 어떤 모델을 사용하는 것이 좋을지를 제시한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.246-246
• /
• 2023

Multi-purpose dams are operated accounting for both physical and socioeconomic factors. This study aims to evaluate the utility of a deep learning algorithm-based model for three multi-purpose dam operation (Seomjin River dam, Juam dam, and Juam Control dam) in Seomjin River. In this study, the Gated Recurrent Unit (GRU) algorithm is applied to predict hourly water level of the dam reservoirs over 2002-2021. The hyper-parameters are optimized by the Bayesian optimization algorithm to enhance the prediction skill of the GRU model. The GRU models are set by the following cases: single dam input - single dam output (S-S), multi-dam input - single dam output (M-S), and multi-dam input - multi-dam output (M-M). Results show that the S-S cases with the local dam information have the highest accuracy above 0.8 of NSE. Results from the M-S and M-M model cases confirm that upstream dam information can bring important information for downstream dam operation prediction. The S-S models are simulated with altered outflows (-40% to +40%) to generate the simulated water level of the dam reservoir as alternative dam operational scenarios. The alternative S-S model simulations show physically inconsistent results, indicating that our deep learning algorithm-based model is not explainable for multi-purpose dam operation patterns. To better understand this limitation, we further analyze the relationship between observed water level and outflow of each dam. Results show that complexity in outflow-water level relationship causes the limited predictability of the GRU algorithm-based model. This study highlights the importance of socioeconomic factors from hidden multi-purpose dam operation processes on not only physical processes-based modeling but also aritificial intelligence modeling.

• 한국국방기술학회 논문지
• /
• 제5권1호
• /
• pp.19-24
• /
• 2023

신기술의 발전으로 인해 미래 전장의 모습은 지금과는 크게 달라질 것으로 예상된다. 특히 AI와 로봇이 전장의 주역으로 참여하고 이들의 성능이 고도화될 경우 전쟁 결과는 예측하기 어려워질 것이다. 이에 미국, 중국을 비롯한 주요 국가들은 인공지능(AI)을 국가 경쟁력과 미래전의 양상을 바꿀 수 있는 핵심기술 및 게임체인저로 판단하고 관련기술 선점과 AI무기체계 개발에 국가 차원의 총력을 기울이고 있으며, 따라서 세계 각국은 국방AI를 추진하기 위한 전략 수립과 정책 마련은 물론 관련 조직 신설 등 인프라 확충에도 적극적으로 나서고 있다. 우리 군도 육군이 조직과 업무수행체계 면에서 가장 선도적으로 국방AI를 추진하고 있으나, 이를 국방 차원에서 통합적으로 관리하고 조정통제하는 거버넌스 부재로 어려움과 혼란을 겪고 있는 것이 현실이다. 최근 국방AI센터(가칭) 창설의 필요성에 대한 공감대가 형성되고 있는 가운데 연구자는 미국, 영국, 호주 등 해외 주요국의 국방AI 추진현황을 분석하고 국방AI 정책 수립에 관한 몇 가지 시사점을 제시하고자 한다.

• 대한영상의학회지
• /
• 제82권5호
• /
• pp.1196-1206
• /
• 2021

목적 간 종양의 조영증강 컴퓨터단층촬영(이하 CT) 영상에 관한 인공지능 알고리즘의 성능과 안전성을 검증할 수 있는 표준 테스팅 데이터셋을 구축하고자 하였다. 대상과 방법 국내 4개 3차 의료기관의 복부 영상의학 전문가 4인이 모여 간 종양 진단 알고리즘의 성능과 안전성을 검증하기 위해 표준 데이터셋이 갖춰야 할 조건을 논의하였다. 각 기관마다 간세포암 75예, 전이암 75예, 그리고 양성 병변 30-50예씩 수집하여, 총 783명 환자의 CT 영상을 대상으로 하였다. 간세포암과 전이암의 경우 병리학적으로 확진된 경우만을 대상으로 하였다. 각 기관의 복부 영상의학 전문가들이 직접 환자의 임상정보를 추출하고 CT 영상에 관한 데이터 라벨링(labeling)을 수기로 시행하였다. CT 영상은 의료용 디지털 영상 및 통신(Digital Imaging and Communications in Medicine, DICOM) 파일로 저장하였다. 결과 복부 영상의학 전문가들이 수기 데이터 라벨링을 시행한 총 783 증례의 간 종양 조영증강 CT의 표준 데이터셋을 구축하였다. 알고리즘의 성능 및 안전성은 병변의 발견 여부 및 특성화의 정확도에 대해 민감도와 특이도를 계산하여 평가할 수 있다. 결론 본 연구에서 구축한 간 종양 조영증강 CT 영상의 표준 데이터셋은 임상의학 결정 지원시스템을 위한 기계학습 기반 인공지능 알고리즘을 평가하는 데에 활용될 수 있다.