http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
박준영(Jinyoung Park),송수민(Sumin Song),청혜린(Huilin Cheng),임조은(Choeun Im),김갑돈(Gap-Don Kim) 한국축산식품학회 2023 Food and Life Vol.2023 No.1
This study aimed to provide a fundamental summary of the caprine and ovine muscle fiber characteristics. The goat and sheep industries have been experiencing growth due to their adaptability to market changes and the diversity of their products. Muscle fibers, which represent the basic unit of muscle and an essential factor in assessing meat quality, can be classified into several types by their contractile and metabolic properties. Species, breeds, muscle type, age, and sex are the main factors affecting muscle fiber characteristics. While the effects of these factors on muscle fiber characteristics of major livestock species (cattle, pigs, and chickens) are widely studied, goats and sheep (the main meat sources among minor livestock species) have not fully studied. Understanding muscle fiber characteristics will help to development technologies for regulating goat and lamb meat quality. In the present study, the muscle fiber characteristics of the caprine and ovine skeletal muscles assessed in previous studies were summarized. In addition, the effects of breed, sex, age, and muscle type on the caprine and ovine muscle fiber characteristics were assessed using the results of previous studies. Specific in-depth studies on muscle fiber characteristics and their relationship to the quality characteristics of goat and lamb meat are required. These studies will help to extend shelf-life and retard deterioration in meat quality during storage or freeze-thawing of goat and lamb meat.
ICLAL: 인 컨텍스트 러닝 기반 오디오-언어 멀티 모달 딥러닝 모델
박준영 ( Jun Yeong Park ),여진영 ( Jinyoung Yeo ),이고은 ( Go-eun Lee ),최창환 ( Chang Hwan Choi ),최상일 ( Sang-il Choi ) 한국정보처리학회 2023 한국정보처리학회 학술대회논문집 Vol.30 No.2
본 연구는 인 컨택스트 러닝 (In-Context Learning)을 오디오-언어 작업에 적용하기 위한 멀티모달 (Multi-Modal) 딥러닝 모델을 다룬다. 해당 모델을 통해 학습 단계에서 오디오와 텍스트의 소통 가능한 형태의 표현 (Representation)을 학습하고 여러가지 오디오-텍스트 작업을 수행할 수 있는 멀티모달 딥러닝 모델을 개발하는 것이 본 연구의 목적이다. 모델은 오디오 인코더와 언어 인코더가 연결된 구조를 가지고 있으며, 언어 모델은 6.7B, 30B 의 파라미터 수를 가진 자동회귀 (Autoregressive) 대형 언어 모델 (Large Language Model)을 사용한다 오디오 인코더는 자기지도학습 (Self-Supervised Learning)을 기반으로 사전학습 된 오디오 특징 추출 모델이다. 언어모델이 상대적으로 대용량이기 언어모델의 파라미터를 고정하고 오디오 인코더의 파라미터만 업데이트하는 프로즌 (Frozen) 방법으로 학습한다. 학습을 위한 과제는 음성인식 (Automatic Speech Recognition)과 요약 (Abstractive Summarization) 이다. 학습을 마친 후 질의응답 (Question Answering) 작업으로 테스트를 진행했다. 그 결과, 정답 문장을 생성하기 위해서는 추가적인 학습이 필요한 것으로 보였으나, 음성인식으로 사전학습 한 모델의 경우 정답과 유사한 키워드를 사용하는 문법적으로 올바른 문장을 생성함을 확인했다.