• Journal of the Korean Vacuum Society
• /
• v.21 no.2
• /
• pp.69-77
• /
• 2012

Visualization of the electromagnetic vector fields are presented and examined with Mathematica. Vector fields may be used to represent a great of many physical quantities in various area of physics, including electromagnetism with vector differential operators. Because they deal with abstract, three-dimensional fields that are some times very difficult to visualize, electromagnetism can be conceptually rather difficult. Visual representation of such an abstract vector fields is invaluable to student or researchers working in this field and also helps teaching electromagnetism to physics or engineering students. Mathematica provides a wider range of graphical tools including plot of vector fields and vector analysis, which can be applied to visualization of electromagnetic system. We have visualized the most fundamental concepts of the electromagnetic vector $\vec{E}=-\vec{\nabla}_{\varphi}$, $\vec{D}={\epsilon}\vec{E}$, $\vec{\nabla}{\times}\vec{A}$, $\vec{B}={\mu}\vec{H}$, $\vec{B}={\mu}_0(\vec{H}+\vec{M})$, which are confirmed with vector calculations and valid graphically with some presentations.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.22 no.10
• /
• pp.1300-1306
• /
• 2018

The purpose of this study is to see possibility of Char2Vec as alternative of Word2Vec that most famous word embedding model in Sentence Similarity Measure Problem by Deep-Learning. In experiment, we used the Siamese Ma-LSTM recurrent neural network architecture for measure similarity two random sentences. Siamese Ma-LSTM model was implemented with tensorflow. We train each model with 200 epoch on gpu environment and it took about 20 hours. Then we compared Word2Vec based model training result with Char2Vec based model training result. as a result, model of based with Char2Vec that initialized random weight record 75.1% validation dataset accuracy and model of based with Word2Vec that pretrained with 3 million words and phrase record 71.6% validation dataset accuracy. so Char2Vec is suitable alternate of Word2Vec to optimize high system memory requirements problem.

• 한국어정보학회:학술대회논문집
• /
• 2016.10a
• /
• pp.67-71
• /
• 2016

본 논문에서는 word2vec과 doc2vec을 함께 CNN에 적용한 문서 분류 방안을 제안한다. 먼저 어절, 형태소, WPM(Word Piece Model)을 각각 사용하여 생성한 토큰(token)으로 doc2vec을 활용하여 문서를 vector로 표현한 후, 초보적인 문서 분류에 적용한 결과 WPM이 분류율 79.5%가 되어 3가지 방법 중 최고 성능을 보였다. 다음으로 CNN의 입력자질로써 WPM을 이용하여 생성한 토큰을 활용한 word2vec을 범주 10개의 문서 분류에 사용한 실험과 doc2vec을 함께 사용한 실험을 수행하였다. 실험 결과 word2vec만을 활용하였을 때 86.89%의 분류율을 얻었고, doc2vec을 함께 적용한 결과 89.51%의 분류율을 얻었다. 따라서 제안한 모델을 통해서 분류율이 2.62% 향상됨을 확인하였다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.67-71
• /
• 2016

본 논문에서는 word2vec과 doc2vec을 함께 CNN에 적용한 문서 분류 방안을 제안한다. 먼저 어절, 형태소, WPM(Word Piece Model)을 각각 사용하여 생성한 토큰(token)으로 doc2vec을 활용하여 문서를 vector로 표현한 후, 초보적인 문서 분류에 적용한 결과 WPM이 분류율 79.5%가 되어 3가지 방법 중 최고 성능을 보였다. 다음으로 CNN의 입력자질로써 WPM을 이용하여 생성한 토큰을 활용한 word2vec을 범주 10개의 문서 분류에 사용한 실험과 doc2vec을 함께 사용한 실험을 수행하였다. 실험 결과 word2vec만을 활용하였을 때 86.89%의 분류율을 얻었고, doc2vec을 함께 적용한 결과 89.51%의 분류율을 얻었다. 따라서 제안한 모델을 통해서 분류율이 2.62% 향상됨을 확인하였다.

• Proceedings of the Korea Contents Association Conference
• /
• 2018.05a
• /
• pp.7-8
• /
• 2018

This study proposes an analysis of the Word2vec-based machine learning classifiers for the sake of opinion mining tasks. As a bench-marking method, BOW (Bag-of-Words) was adopted. On the basis of utilizing the Word2vec and BOW as feature extraction methods, we applied Laptop and Restaurant dataset to LR, DT, SVM, RF classifiers. The results showed that the Word2vec feature extraction yields more improved performance.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.541-545
• /
• 2018

본 논문에서는 Sent2Vec을 이용한 문장 임베딩으로 구현한 유사 문장 판별 시스템을 제안한다. 또한 한국어 특성에 맞게 모델을 개선하여 성능을 향상시키는 방법을 소개한다. 고성능 라이브러리 구현과 제품화 가능한 수준의 완성도 높은 구현을 보였으며, 자체 구축한 평가셋으로 한국어 특성을 반영한 모델에 대한 P@1 평가 결과 Word2Vec CBOW에 비해 9.25%, Sent2Vec에 비해 1.93% 더 높은 성능을 보였다.

• Journal of the Korean Mathematical Society
• /
• v.31 no.3
• /
• pp.521-537
• /
• 1994

We consider the Schrodinger equation of quantum mechanics $$ i\hbar\frac{\partial t}{\partial}\Gamma(t, \vec{\eta}) = -\frac{2m}{\hbar}\Delta(t, \vec{\eta}) + V(\vec{\eta}\Gamma(t, \vec{\eta}) (1.1) $$ $$ \Gamma(0, \vec{\eta}) = \psi(\vec{\eta}), \vec{\eta} \in R^n $$ where $\Delta$ is the Laplacian on $R^n$, $\hbar$ is Plank's constant and V is a suitable potential.

• Journal of the Korean Mathematical Society
• /
• v.60 no.1
• /
• pp.195-212
• /
• 2023

In this paper, two weight conditions are introduced and the multiple weighted strong and weak characterizations of the multilinear fractional new maximal operator 𝓜_ϕ,β are established. Meanwhile, we introduce the ${\mathcal{S}}_{({\vec{p}},q),{\beta}}({\varphi})$ and $B_{({\vec{p}},q),{\beta}}({\varphi})$ conditions and obtain the characterization of two-weighted inequalities for 𝓜_ϕ,β. Finally, the relationships of the conditions ${\mathcal{S}}_{({\vec{p}},q),{\beta}}({\varphi}),\,{\mathcal{A}}_{({\vec{p}},q),{\beta}}({\varphi})$ and $B_{({\vec{p}},q),{\beta}}({\varphi})$ and the characterization of the one-weight $A_{({\vec{p}},q),{\beta}}({\varphi})$ are given.

• Proceedings of the KIEE Conference
• /
• 2005.07b
• /
• pp.1123-1125
• /
• 2005

본 논문에서는 3차원 공간에 종이와 같은 박막형 유전체가 있을 때 임의의 점에서의 전계$\vec{E}$를 구하기 위해 유전체의 분극벡터$\vec{P}$를 미지수로 하는 경계적분법(Boundary integral method)을 사용한다. 경계적분법의 사용으로 FEM 3차원 해석에 있어서의 요소분할의 난이성 및 계수 행렬의 대형화로 인한 컴퓨터 수행능력의 한계를 극복할 수 있다. 여기서 분극벡터$\vec{P}$를 구하기 위해 전하에서의 전계${ves{E}}_s$에 의한 유전체내의 분극벡터$\vec{P}$를 수식으로 정리하여 $[\vec{K}][\vec{P}]=[\vec{E}]$ 형태의 $\vec{P}$를 미지수로 하는 system matrix를 구성한다. 위의 system matrix 통해 구해진 분극벡터 $\vec{P}$를 이용하여 유전체 밖의 한 점에서의 전계세기 ${\vec{E}}_m$를 구한 후 우리가 구하고자 하는 전계$\vec{E}$를 계산한다.

• Journal of KIISE
• /
• v.44 no.7
• /
• pp.742-747
• /
• 2017

In this paper, we propose a novel approach to improve the performance of the Convolutional Neural Network(CNN) word embedding model on top of word2vec with the result of performing like doc2vec in conducting a document classification task. The Word Piece Model(WPM) is empirically proven to outperform other tokenization methods such as the phrase unit, a part-of-speech tagger with substantial experimental evidence (classification rate: 79.5%). Further, we conducted an experiment to classify ten categories of news articles written in Korean by feeding words and document vectors generated by an application of WPM to the baseline and the proposed model. From the results of the experiment, we report the model we proposed showed a higher classification rate (89.88%) than its counterpart model (86.89%), achieving a 22.80% improvement. Throughout this research, it is demonstrated that applying doc2vec in the document classification task yields more effective results because doc2vec generates similar document vector representation for documents belonging to the same category.