http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 손기준(Kijun Son) (검색결과 6 건)
- 무료
- 기관 내 무료
- 유료
-
-
손기준(Kijun Son),이상조(Sangjo Lee) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.1B
문서 검색 시스템에서 특정 주제에 관한 문서를 검색하기 위한 색인어의 가중치 부여 방법으로 단순빈도와 역문헌빈도에 의한 가중치 부여 방법을 주로 이용한다. 하지만 빈도 정보만을 이용한 방법은 성능 및 정확도의 향상에 한계가 있다. 이에 본 논문에서는 특허 문헌 검색 시스템의 검색 효율을 높이기 위해 자주 출현하는 복합명사의 재출현 양상과 복합명사의 역할변화에 따른 가중치 부여 방법을 제안한다. 본 연구에서 제안한 가중치 부여 방법을 이용하여 실험한 결과 단순빈도와 역문헌빈도 정보를 이용한 방법보다 더 나은 성능을 보였다.
-
손기준 ( Kijun Son ),김찬우 ( Chan Woo Kim ),김정대 ( Jeongdae Kim ),김진택 ( Jintaek Kim ),이용직 ( Yong-jig Lee ) 한국농공학회 2015 한국농공학회 학술대회초록집 Vol.2015 No.-
가뭄의 대책으로는 가뭄이 닥쳐 왔을 때 시행하는 단기적 대책과 가뭄을 예측하고 미리 준비·시행하는 장기적 대책이 있다. 장기적 대책으로써는 신규댐건설, 둑 높이기 및 준설 등을 통한 구조적 대책이 있으며, 기상정보, 정보시스템 활용, 가뭄경보체계구축, ICT 기술확보 등의 비구조적인 대책이 있다. 빅데이터는 문자 그대로 수많은 개개인이나 미디어가 생산하는 대량의 데이터를 말하며, 대표적인 자료로는 신문, 소셜미디어 등이 있다. 한국농어촌공사에서는 “농업가뭄지표 실용화 및 정보제공 방안 연구(농어촌연구원, 2005)”에서 중앙일보를 대상으로 1966년~2002년(37개년)의 신문기사를 분석하여 가뭄발생현황을 정량화하였다. 본 연구에서는 2000년 이후의 뉴스 빅데이터 분석을 통해 농업가뭄을 평가하였다. 이전 연구(농어촌연구원, 2005)와의 일관성을 위해 대상 신문은 중앙일보로 한정하고, 비교 검증을 통해 농업가뭄에 대한 농업적·경제적·환경적 평가기준의 키워드를 2000년~2014년까지 중아일보뉴스에 보도된 빅데이터를 수집하고 분석하였다. 또한 지역은 서울시, 부산시 등 총 166곳의 시, 도의 기준으로 지역을 추출하였다. 발생형태 별 단어에 가중치를 부여하고, 가중치의 합으로 농업가뭄 발생 분석한 결과 2012년, 2014년 가뭄 상황을 잘 반영하였다. 2012년의 경우 전국적으로 농업가뭄에 관련된 기사가 분포됨을 볼 수 있는데 이는 2012년도에 농업적 가뭄이 광범위하게 발생했음을 짐작할 수 있다. 특히, 강원도의 일부지역을 제외한 거의 대부분의 지역에서 가뭄이 발생한 것을 알 수 있다. 따라서, 가뭄관련 보도기사 건수는 가뭄의 발생지역을 파악하는데 유의성을 가질 가능성이 매우 높다고 할 수 있다.
-
손기준(Kijun Son),이재안(Jaean Lee),이상조(Sangjo Lee) 한국정보과학회 2007 한국정보과학회 학술발표논문집 Vol.34 No.1C
문서 여과 시스템은 사용자의 정보요구를 기준으로 문서들을 선별하여 제시한다. 사용자의 정보요구는 하나 이상의 단어들로 구성된 프로파일로 표현이 되며, 문서의 여과 과정 동안에 발생하는 사용자의 연관성 평가를 통해 구체적인 내용으로 변할 수 있다. 기존 연구의 경우 사용자는 자신이 직접 연관성 평가에 참여하여 평가 정보를 입력하고, 사용자가 평가한 긍정적 피드백 정보를 이용하여 사용자 프로파일을 학습한다. 본 연구는 사용자가 평가한 긍정적 연관성 피드백 뿐만 아니라 부정적 연관성 피드백을 함께 이용한 사용자 프로파일 학습 방법을 제안한다. 제안된 방법과, 대표적인 연관성 피드백 방법인 Rocchio 방법과의 성능을 측정하기 위해 네 가지 토픽에 대하여 여과를 수행하였다. 실험한 결과 부정적 연관성 피드백 정보를 이용하였을 경우 Rocchio 방법 보다는 6% 더 성능이 높은 것을 볼 수 있었다. 실험결과 부정적 평가를 받은 문서를 이용하여 사용자가 선호하지 않는 문서를 제거함으로써 여과 시스템의 성능을 향상 시킬 수 있었다.
-
임수연(SooYeon Lim),손기준(KiJun Son),박성배(SeongBae Park),이상조(SangJo Lee) 한국지능시스템학회 2005 한국지능시스템학회논문지 Vol.15 No.1
강화학습(Reinforcement-Learning)의 목적은 환경으로부터 주어지는 보상(reward)을 최대화하는 것이며, 강화학습 에이전트는 외부에 존재하는 환경과 시행착오를 통하여 상호작용하면서 학습한다. 대표적인 강화학습 알고리즘인 Q-Learning은 시간 변화에 따른 적합도의 차이를 학습에 이용하는 TD-Learning의 한 종류로서 상태공간의 모든 상태-행동 쌍에 대한 평가 값을 반복 경험하여 최적의 전략을 얻는 방법이다. 본 논문에서는 강화학습을 적용하기 위한 예를 n-Queen 문제로 정하고, 문제풀이 알고리즘으로 Q-Learning을 사용하였다. n-Queen 문제를 해결하는 기존의 방법들과 제안한 방법을 비교 실험한 결과, 강화학습을 이용한 방법이 목표에 도달하기 위한 상태전이의 수를 줄여줌으로써 최적 해에 수렴하는 속도가 더욱 빠름을 알 수 있었다. The purpose of reinforcement learning is to maximize rewards from environment, and reinforcement learning agents learn by interacting with external environment through trial and error. Q-Learning, a representative reinforcement learning algorithm, is a type of TD-learning that exploits difference in suitability according to the change of time in learning. The method obtains the optimal policy through repeated experience of evaluation of all state-action pairs in the state space. This study chose n-Queen problem as an example, to which we apply reinforcement learning, and used Q-Learning as a problem solving algorithm. This study compared the proposed method using reinforcement learning with existing methods for solving n-Queen problem and found that the proposed method improves the convergence rate to the optimal solution by reducing the number of state transitions to reach the goal.
-
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
