디지털 라이브러리[ 검색결과 ]
자원제약 내장형 시스템을 위한 컨볼루션 뉴럴 네트워크 모델 자동 경량화 프레임워크
http://doi.org/10.5626/JOK.2020.47.2.136
최근 다양한 컨볼루션 뉴럴 네트워크 응용프로그램을 사물인터넷과 같은 자원제약이 심한 내장형 시스템에서 직접 동작시키려는 시도가 증가하고 있다. 하지만 내장형 시스템은 연산 속도와 메모리가 매우 제한적이기 때문에 동작시킬 수 있는 뉴럴 네트워크 모델의 크기가 제약되고 실시간성을 만족하지 못 할 수 있다. 이를 위해 본 논문에서는 주어진 뉴럴 네트워크 모델을 메모리와 수행시간 요구사항을 만족 할 수 있도록 자동으로 경량화하고 타겟 내장형 시스템에서 수행 가능한 코드를 자동으로 생성하는 프레임워크를 제안한다. 제안하는 프레임워크를 활용하여, 다양한 수행시간과 메모리 요구사항을 만족할 수 있도록 뉴럴 네트워크 모델을 서로 다른 성능을 가진 STM32 Nucleo 보드들에 맞게 경량화 하였다.
소셜 사물 인터넷에서 상호 작용 분석을 통한 유사 사용자 추천
http://doi.org/10.5626/JOK.2020.47.1.61
최근 소셜 네트워크와 사물 인터넷을 결합한 소셜 사물 인터넷에 대한 연구가 많이 진행되고 있다. 소셜 사물 인터넷은 사물 또는 사용자간 정보 공유를 위해 사용자와 사용자 간에 연결 관계 뿐만 아니라 사용자와 객체 간에 관계 설정이 중요하다. 본 논문에서는 소셜 사물 인터넷에서 객체와 사용자간에 상호 작용을 고려한 유사 사용자를 추천하는 기법을 제안한다. 제안하는 기법은 객체를 중심으로 사용자의 행위를 분석함으로써 사용자와 유사한 사용자를 찾을 수 있다. 제안하는 기법은 소셜 네트워크에서 사용자들이 작성한 문서들을 기반으로 관심도를 판별해 유사도를 계산함으로써 유사도의 정확도를 향상시킬 수 있다. 최종적으로 두 유사도 값을 고려하여 사용자 Top-N명을 유사 사용자로 추천한다. 제안하는 기법의 우수성을 보이기 위해 다양한 성능평가를 수행한다.
Document Image Binarization Using Multi-scale Fusion Network
http://doi.org/10.5626/JOK.2019.46.12.1314
화질이 저하된 문서 이미지의 이진화는 문서 이미지 분석에 중대한 영향을 미친다. 본 논문에서는 다중 스케일 구조를 갖는 LadderNet을 이용하여 저하된 문서 이미지의 기능을 학습하고 노이즈 픽셀로부터 텍스트 및 배경 픽셀을 분류하는 방법을 제시한다. 본 논문에서는 적절히 수정된 형태의 두 가지 LadderNet 아키텍처를 고려한다. 하나는 더 깊은 네트워크 구조이고 다른 하나는 더 얕은 네트워크 구조이며, 각 구조는 문서 이미지 패치를 사용하여 독립적으로 학습된다. 더 작은 크기의 윈도우로 더 깊은 아키텍처에서 생성된 예측 출력에는 텍스트 획이 더 명확하지만 많은 노이즈가 존재한다. 반면에, 더 큰 크기의 윈도우를 갖는 더 얕은 아키텍처로부터는 배경에서 더 낮은 노이즈가 생성된다. 본 논문에서는 이 두 가지 네트워크의 출력을 결합하여 더 나은 결과를 생성한다. 문서 이미지 이진화를 위한 벤치 마크 DIBCO 데이터 세트를 이용한 실험결과, 기존 방법보다 우수한 성능을 보임이 확인되었다.
정교한 이웃 노드 선택법을 활용한 그래프 합성곱 네트워크
http://doi.org/10.5626/JOK.2019.46.11.1193
그래프 합성곱 네트워크(GCNs)는 합성곱 구조를 활용하여 주변 노드들의 정보를 종합하는 방식으로 대상 노드의 표현력을 높인다. 높은 성능을 보이기 위해서는 우선적으로 대상 노드에게 필요한 정보를 전달할 수 있는 주변 노드를 선별하고, 이후 학습시 적절한 필터(filter) 값을 습득하는 과정이 수반되어야한다. 최근 GCNs 알고리즘들은 1-hop 거리의 노드들을 선택하는 등의 비교적 간단한 이웃 노드정의를 활용하고 있다. 이러한 경우 불필요한 정보가 대상 노드에 전파되어 성능을 저하하는 문제가 발생한다. 본 논문에서는 대상 노드와 주변 노드간의 유사도 계산을 통해 유효한 이웃 노드를 선별하여 활용하는 GCN 알고리즘을 제안한다.
듀얼 포인터 네트워크를 사용한 다중 개체 간의 관계 추출
http://doi.org/10.5626/JOK.2019.46.11.1186
정보 추출은 비정형 텍스트로부터 정형 데이터를 자동으로 추출하는 기술이다. 최근 대용량의 비정형 텍스트가 급격히 증가함에 따라 정보 추출에 대한 많은 연구가 이루어지고 있다. 정보 추출은 크게 개체 연결과 관계 추출 두 가지 기술로 구성되며 관계 추출은 정보 추출에 있어 가장 핵심이 되는 기술이다. 최근까지 대부분의 관계 추출 연구는 문장에 한 쌍의 개체만 존재한다고 가정하며 단일 개체 쌍간의 관계를 추출하는데 초점이 맞춰져 있다. 그러나 실제로 문장에는 한 쌍 이상의 개체가 존재할 수 있다. 본 논문은 주어진 문장에서 가능한 모든 개체 쌍 간의 관계를 추출할 수 있는 듀얼 포인터 네트워크 기반 관계 추출 모델을 제안한다. 제안 모델은 관계 추출에 대표적으로 사용되는 영문 데이터 셋인 ACE-2005 데이터 셋과 NYT 데이터 셋으로 실험을 진행했으며, ACE-2005에서 F1 점수 0.8050, NYT 데이터 셋에서 F1 점수 0.7834로 가장 높은 성능을 보였다.
이동 엑스홀 네트워크 무선 링크 성능 분석
http://doi.org/10.5626/JOK.2019.46.11.1199
모바일 데이터의 기하급수적 증가와 조밀해지는 기지국 밀도로 인해 이동통신 무선 접속 네트워크의 프론트홀(Fronthaul)과 미드홀(Midhaul), 백홀(Backhaul)의 신규 구축 및 증설이 요구되고 있다. 그러나 기존의 유선 솔루션으로는 통신 사업자의 수익이 데이터량에 비례하여 증가하지 못하기 때문에, 무선접속망의 구조적 유연성을 증대시키고 통합적 관리를 제공하여 다양한 이동통신 서비스를 제공하고 통신 사업자의 비용 효율성을 제고할 수 있는 새로운 개념의 기술이 필요하다. 이를 위해, 본 논문에서는 설치 유연성과 이동 무선접속망을 지원할 수 있는 이동 엑스홀 네트워크(MXN, Mobile xHaul Network)의 구조 및 통합 무선전송링크인 xHaul 링크의 전송 방식을 설계하였다. 또, 시스템 수준의 시뮬레이션을 통해 다양한 시나리오에서 Xhaul 링크의 전송 성능 평가를 수행하였다. 성능 평가의 결과 설계한 Xhaul 링크는 최대 20Gbps이상의 성능을 제공할 수 있으며 이는 5G 전송 요구사항을 만족함을 알 수 있었다.
고차원 정보와 스택-포인터 네트워크를 이용한 한국어 의존 구문 파서
http://doi.org/10.5626/JOK.2019.46.7.636
구문 분석은 문장의 구조를 이해하며 구조적 중의성을 해결하는 것이다. 일반적으로 한국어는 어순 배열의 자유도가 높고 문장 성분의 생략이 빈번한 특성이 있기 때문에 의존 구문 분석을 기반으로 한 연구가 주를 이루었다. 스택-포인터 네트워크 모델은 의존 구문 파서에 맞게 포인터 네트워크 모델을 확장한 것이다. 스택-포인터 네트워크는 각 단어에서 의존소를 찾는 하향식 방식의 모델로 기존 모델의 장점을 유지하면서 각 단계에서 이미 파생된 트리 정보도 사용한다. 본 연구에서는 스택-포인터 네트워크 모델을 한국어에 맞게 적용해보고 이와 함께 고차원 정보를 이용해서 트리 정보에 반영해본다. 모델의 실험 결과는 고차원 정보로 형제 노드를 반영하였을 때 UAS 92.63%의 정확도를 얻었다.
멀티헤드 주의집중 기법과 하이웨이 네트워크를 활용한 생물학 개체명 인식
http://doi.org/10.5626/JOK.2019.46.6.544
생물학 개체명 인식이란 생물학 문헌으로부터 질병, 유전자, 단백질과 같은 생물학 개체명을 추출하고 그 종류를 분류하는 작업으로, 생물학 데이터로부터 유의미한 정보를 추출하는데 중요한 역할을 한다. 본 연구에서는 입력 단어의 자질을 자동으로 추출할 수 있는 딥러닝 기반의 Bi-LSTM-CRF 모델을 활용한 개체명 인식 연구를 진행하였다. Multi-head 주의 기제 기법을 적용하여 입력 단어들 간의 관계를 포착하고 관련성이 높은 단어에 주목하여 예측의 성능을 높였다. 또한, 단어 단위 임베딩 벡터 외 문자 단위 임베딩 벡터를 결합하여 입력 임베딩의 표상을 확장하고, 각 표상의 정보 흐름을 학습하기 위해 Highway 네트워크에 적용하였다. 제안하는 모델의 성능을 평가하기 위해 두 개의 영어 생물학 데이터셋으로 비교 실험을 진행하였으며, 그 결과 기존 연구의 모델들보다 향상된 성능을 보였다. 이를 통해 제안하는 방법론이 생물학 개체명 인식 연구에서 효과적인 방법론임을 입증하였다.
Multi-resolution 포인터 네트워크를 이용한 상호참조해결
http://doi.org/10.5626/JOK.2019.46.4.334
Multi-resolution RNN은 입력된 병렬 시퀀스를 RNN으로 모델링하는 방법이다. 상호참조해결은 문서 내에 등장하는 개체를 표현하는 여러 단어들을 하나의 클러스터로 정의하는 자연어처리 문제이며, 포인터 네트워크로 해결할 수 있다. 포인터 네트워크를 이용한 상호참조해결의 인코더 입력열은 문서의 모든 형태소가 되며, 디코더 입력열은 문서에서 등장한 모든 명사가 된다. 본 논문에서는, 인코더에서 문서의 모든 형태소와 문서의 명사 리스트를 병렬적으로 인코딩을 수행하고, 디코더에서 두 인코딩 히든 스테이트(hidden state)를 모두 사용하여 디코딩을 수행하는 Multi-resolution 포인터 네트워크 모델 3가지를 제안하고, 이를 기반으로 상호참조해결을 수행한다. 실험 결과, 본 논문에서 제안한 모델 중 Multi-resolution1, 2, 3 모델이 각각 CoNLL F1 71.78%, 71.30%, 72.70%의 성능을 보였다.
무선 환경에서 HTTP 적응적 스트리밍의 QoE 향상을 위한 안정성 기반의 품질 적응 기법
http://doi.org/10.5626/JOK.2019.46.3.268
최근, 네트워크의 발전으로 비디오 스트리밍에 대한 수요가 증가하면서 HTTP 적응적 스트리밍(HTTP Adaptive Streaming)이 주목받고 있다. HTTP 적응적 스트리밍은 클라이언트가 네트워크 상황에 적응적으로 품질을 선택하기 때문에 QoE(Quality of Experience)를 보장할 수 있다. 그러나, 무선환경에서는 높은 지연과 패킷 손실률로 인해 대역폭이 부정확하게 측정된다. 기존의 품질 적응 기법들은 측정된 대역폭을 이용해 품질을 선택하기 때문에 QoE가 저하되는 문제가 있다. 본 논문에서는 무선 환경에서 HTTP 적응적 스트리밍의 QoE 향상을 위한 안정성 기반의 품질 적응 기법을 제안한다. 제안하는 기법은 요청 품질과 버퍼의 변화를 이용해 재생 끊김 확률과 불안정성을 계산하고 품질 적응 영역에 따라 품질을 다르게 선택한다. 실험 결과, 제안하는 기법이 기존 기법들과 비교해 적은 품질 변경과 높은 평균비디오 품질로 QoE를 향상시키는 것을 확인하였다.
