디지털 라이브러리[ 검색결과 ]
SMERT: 감성 분석 및 감정 탐지를 위한 단일 입출력 멀티 모달 BERT
http://doi.org/10.5626/JOK.2021.48.10.1122
감성 분석은 텍스트로부터 주관적인 의견 및 성향을 분석하고, 감정 탐지는 ‘행복’, ‘슬픔’과 같이 텍스트에서 나타나는 감정을 검출하는 연구다. 멀티 모달 데이터는 텍스트뿐만 아니라 이미지, 음성 데이터가 함께 나타나는 것을 의미한다. 관련 선행 연구에서 순환 신경망 모형 혹은 교차 트랜스포머를 사용한다. 하지만 순환 신경망 모형은 장기 의존성 문제를 가지며, 교차 트랜스포머는 모달리티별 특성을 반영하지 못하는 문제점이 있다. 이를 해결하기 위해 본 연구에서는 멀티 모달 데이터가 하나의 네트워크로 학습되는 단일 입출력 트랜스포머 기반 모형 SMERT를 제안한다. SMERT는 모달리티 결합 표현형을 얻어 이를 감성 분석 및 감정 탐지에 활용한다. 또한, BERT의 훈련 태스크를 멀티 모달 데이터에 활용하기 위해 개량하여 사용한다. 제안하는 모델의 검증을 위해 CMU-MOSEI 데이터셋과 여러 평가 지표를 이용하고, 모달리티 조합별 비교실험과 예시를 통해 모델의 우수성을 검증하였다.
연속적인 시계열 예측을 위한 디노이징 다변량 시계열 모델링
http://doi.org/10.5626/JOK.2021.48.8.892
시계열 예측 연구 분야는 시계열 내의 주기성을 통해 미래의 시점을 예측하는 연구이다. 산업 환경에서는 미래의 연속적인 시점 예측을 통한 의사 결정이 중요하기 때문에 시계열의 연속 예측이 필요하다. 하지만 연속 예측은 이전 시차의 예측 값에 종속적이어서 불안정성이 높기 때문에 전통적인 시계열 예측은 한 시점에 대한 통계적 예측을 한다. 이를 해결하기 위해 본 연구에서는 다변량 시계열에 대해 연속적인 시점을 예측하는 인코더-디코더 기반의 ‘DTSNet’을 제안한다. DTSNet은 안정적인 예측을 위해 위치 인코딩을 적용한 표현형을 사용하고, 새로운 디노이징 훈련법을 제안한다. 또한, 장기 의존성을 해결하고 복잡한 주기성을 모델링하기 위해 이중 주의 기제 기법을 제안하고, 변수 별 특화 모델링을 위해 멀티 헤드 신경망을 사용한다. 본 모형의 성능 향상을 검증하기 위해 베이스라인 모형들과 비교 분석하고, 구성 요소 및 디노이징 강도 실험 등의 비교 실험을 통해 제안하는 방법론을 입증한다.
ILP 기반한 시간민감네트워크 스케줄 생성
http://doi.org/10.5626/JOK.2021.48.6.595
최신 실시간 이더넷 표준인 IEEE 802.1Qbv 시간민감네트워크(Time Sensitive Network, 이하 TSN)는 스트림의 시간적 정확성을 보장하기 위해 고안된 네트워크의 표준이다. TSN은 공장 자동화나 자동차 네트워크 시스템을 대체할 이더넷 기반 네트워크로 현재 개발되고 있다. TSN은 오프라인 상에서 만들어진 스케줄에 근거하여 스트림의 흐름을 제어함으로써 주어진 스트림의 종단간지연 혹은 지터 요구사항을 만족시킬 수 있다. 하지만 TSN 스케줄 생성은 NP-hard 문제로 그 복잡도에 있어서 매우 풀기 어려운 문제이다. 그러한 이유로 최근에는 SMT(Satisfiability Modulo Theory)이나 ILP(Integer Linear Programming) 같은 제약사항 해결 기법(Constraint solving technique) 등이 해결방법으로 제시되고 있다. 이 논문에서는 오프라인 상에서의 생성하는 TSN 스케줄 생성을 위해 휴리스틱과 ILP를 함께 이용한 탐욕적이며 점증적인(greedy and incremental) 알고리즘을 제공한다. 이렇게 하여 계산 복잡도를 줄이고 스케줄 생성 성능을 높이고자 한다. 본 논문에서는 특히 기존의 SMT 솔버를 통한 접근과의 비교를 통해 본 연구에서 제시하는 방법에 대한 성능을 비교한다.
