• 한국진공학회지
• /
• 제21권2호
• /
• pp.69-77
• /
• 2012

전자기장을 포함한 대부분의 물리학적 시스템이 벡터 미분 연산자들로 기술되며 또한 벡터연산을 통하여 계산된다. 그러므로 이들 벡터장들이 유전 및 자성물질 시스템들과 상호작용할 때 물리적 체계를 기술하고 계산하려면 정확한 전자기 벡터장의 지식체계를 이해할 필요가 있다. 그런데 이들 대부분 추상적 개념들을 직관적으로 이해하기에는 쉽지 않기 때문에 이들 추상적 개념의 시각화 표현 작업은 오늘날 지식정보화 수행과정에서 매우 중요한 과제의 하나다. 우리는 전자기학 체계를 구성하는 가장 기본적인 벡터장: $\vec{E}=-\vec{\nabla}_{\varphi}$, $\vec{D}={\epsilon}\vec{E}$, $\vec{\nabla}{\times}\vec{A}$, $\vec{B}={\mu}\vec{H}$, $\vec{B}={\mu}_0(\vec{\nabla}_{\varphi}{^*}+\vec{M})$들의 가시화 시뮬레이션을 Mathematica 프로그램으로 작성하여 추상적인 전자기벡터장의 시각화 모델을 제시하였다. 이 시뮬레이션을 전자기 벡터장의 물리학적 지식체계를 탐구해 가는 기본 플랫폼으로 활용할 수 있다.

• 한국정보통신학회논문지
• /
• 제22권10호
• /
• pp.1300-1306
• /
• 2018

본 연구는 자연어 처리 문제 중 하나인 문장 유사도 판별 문제를 딥러닝으로 해결하는 데에 있어 Char2Vec기반으로 문장을 전 처리하고 학습시켜 그 성능을 확인하고 대표적인 Word Embedding 모델 Word2Vec를 대체할 수 있는 가능성이 있는지 파악하고자 한다. 임의의 두 문장을 비교할 때 쓰는 딥러닝 구조로 Siamese Ma-STM 네트워크를 사용하였다. Word2Vec와 Char2Vec를 각각 기반으로 한 문장 유사도 판별 모델을 학습시키고 그 결과를 분석하였다. 실험 결과 Char2Vec를 기반으로 학습시킨 모델이 validation accuracy 75.1%을 보였고 Word2Vec를 기반으로 학습시킨 모델은 validation accuracy 71.6%를 보였다. 따라서 고 사양을 요구하는 Word2Vec대신 임베딩 레이어를 활용한 Char2Vec 기반의 전처리 모델을 활용함으로 분석 환경을 최적화 할 수 있다.

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2016년도 제28회 한글및한국어정보처리학술대회
• /
• 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.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2016년도 제28회 한글 및 한국어 정보처리 학술대회
• /
• 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.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2018년도 춘계 종합학술대회 논문집
• /
• pp.7-8
• /
• 2018

본 연구에서는 Word2vec을 머신러닝 분류기를 이용해 효율적인 오피니언 마이닝 방법을 제안한다. 본 연구의 목적을 위해 BOW(Bag-of-Words) 방법과 Word2vec방법을 이용해 속성 셋을 구성했다. 구성된 속성 셋은 Decision tree, Logistic regression, Support vector machine, Random forest를 이용해 오피니언 마이닝을 수행했다. 연구 결과, Word2vec 방법과 RF분류기가 가장 높은 정확도를 나타냈다. 그리고 Word2vec 방법이 BOW방법 보다 각 분류기에서 높은 성능을 나타냈다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• 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.

• 대한수학회지
• /
• 제31권3호
• /
• 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.

• 대한수학회지
• /
• 제60권1호
• /
• 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.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 제36회 하계학술대회 논문집 B
• /
• 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.

• 정보과학회 논문지
• /
• 제44권7호
• /
• pp.742-747
• /
• 2017

본 논문에서는 문장의 분류에 있어 성능이 입증된 word2vec을 활용한 Convolutional Neural Network(CNN) 모델을 기반으로 하여 문서 분류에 적용 시 성능을 향상시키기 위해 doc2vec을 함께 CNN에 적용하고 기반 모델의 구조를 개선한 문서 분류 방안을 제안한다. 먼저 토큰화 방법을 선정하기 위한 초보적인 실험을 통하여, 어절 단위, 형태소 분석, Word Piece Model(WPM) 적용의 3가지 방법 중 WPM이 분류율 79.5%를 산출하여 문서 분류에 유용함을 실증적으로 확인하였다. 다음으로 WPM을 활용하여 생성한 단어 및 문서의 벡터 표현을 기반 모델과 제안 모델에 입력하여 범주 10개의 한국어 신문 기사 분류에 적용한 실험을 수행하였다. 실험 결과, 제안 모델이 분류율 89.88%를 산출하여 기반 모델의 분류율 86.89%보다 2.99% 향상되고 22.80%의 개선 효과를 보였다. 본 연구를 통하여, doc2vec이 동일한 범주에 속한 문서들에 대하여 유사한 문서 벡터 표현을 생성하기 때문에 문서의 분류에 doc2vec을 함께 활용하는 것이 효과적임을 검증하였다.