http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
실내 미세먼지 측정 개선을 위한 저가형 미세먼지 센서 보정 모델
안석호(Seokho Ahn),이승주(SeungJoo Lee),이의종(Euijong Lee),서영덕(Young-Duk Seo) 한국정보과학회 2023 정보과학회 컴퓨팅의 실제 논문지 Vol.29 No.5
대기오염에 대한 사회적 관심이 증가함에 따라 미세먼지와 관련된 IoT 제품의 수요가 증가하고 있다. IoT 제품에서 수집된 실내 데이터를 통해 적합한 기능을 제공하기 위해서는 수집되는 데이터의 정확성이 높아야 한다. 이를 위해 미세먼지 센서 데이터의 정확성을 높이기 위한 다수의 연구가 수행되었지만, 대부분 대규모의 실외 환경에서 이루어져 실내 환경에 적용하기 부적합하다. 특히, 공기청정기와 같은 미세먼지 관련 제품의 하드웨어 자원은 한계가 있기에 정확성뿐만 아니라 추론 속도나 메모리 사용량 등의 자원 사용량도 함께 고려되어야 한다. 본 연구에서는 입력 데이터의 형태에 따라 자원 사용량을 최소화하여 저가형 미세먼지 센서로 수집된 데이터의 정확성을 높인 딥러닝 모델을 개발하였다. 제안된 모델의 우수성을 입증하기 위해 정확도와 추론 속도를 지표로 다양한 비교 실험을 수행하였다. 또한, 제안 모델을 공기청정기 프로토타입에 적용하여 실제 IoT 환경에도 사용될 수 있음을 입증하였다. As the public becomes more concerned about air pollution, there is a growing demand for Internet of Things (IoT) products related to fine-dust. These products can help collect data on the indoor fine-dust levels, but the data must be accurate in order to be useful. In the past, researchers have attempted to improve the accuracy of fine-dust sensors in large-scale outdoor environments. However, these methods may not be suitable for use in small and indoor spaces, where hardware limitations, such as inference speed and memory usage, are also important considerations. To address this research gap, we propose a deep learning model that can improve the accuracy of low-cost fine-dust sensors while minimizing resource usage, based on the collected fine-dust data. Our experiments show that this model outperforms the existing deep learning models in terms of accuracy and inference speed. Additionally, we demonstrate that the model can be used in real-world IoT environments, such as air purifiers.
김수연(Suyeon Kim),안석호(Seokho Ahn),김동현(Donghyun Kim),이의종(Euijong Lee),서영덕(Young-Duk Seo) 한국정보기술학회 2022 Proceedings of KIIT Conference Vol.2022 No.6
자연어는 다양한 의미로 해석될수 있기 때문에 문맥을 파악하기 위해서는 올바른 형태소 분석이 선행되어야 한다. 이에 여러 형태소 분석기가 개발되어 사용되고 있으나 각각의 형태소 분석기들의 결과와 성능이 다르다. 본 논문에서는 말뭉치에서 제시하는 각 문장의 형태소 분석 결과와 해당 문장을 여러 형태소 분석기에서 분석한 결과를 비교하여 정답률과 오분류 된 단어들을 추출하여 오분류 되는 특징점을 제시한다. Since natural language can be interpreted in various meanings, correct morpheme analysis must be preceded to understand the context. Accordingly, several morpheme analysts have been developed, but the results analyzed by each morpheme analyzer are different and their performances are also different. This paper compares the morpheme analysis result of each sentence presented by the corpus with the analysis result of multiple morpheme analyzer, and presents the characteristic points that are misclassified by extracting the correct answer rate and misclassified words.
개인화 추천시스템의 사용자 선호도를 반영한 데이터 통합 방법
여민영(Minyoung Yeo),이승주(Seungjoo Lee),안석호(Seokho Ahn),이의종(Euijong Lee),서영덕(Young-Duk Seo) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
최근 소비형태의 변화와 인터넷의 발전으로 기업에서는 추천시스템의 필요성이 커지고 있다. 정확한 추천시스템을 제공하기 위해선 알맞은 데이터셋이 필요하기 때문에, 본 논문에서는 명시적 데이터와 암묵적 데이터를 통합하여 적절한 평가 척도를 갖춘 데이터셋을 새롭게 제안한다. 이를 기반으로 모델기반 협업필터링을 통해 각 모델에서의 성능평가를 실시해본 결과 기존 명시적 데이터셋 대비 전반적으로 개선된 것을 확인하였다. With the recent changes in consumption patterns and the development of the Internet, the need for a recommendation system is increasing. As appropriate data sets are required to provide an accurate recommendation system, we proposed a dataset with an appropriate evaluation scale by integrating explicit data and implicit data. Based on this, as a result of performance evaluation in each model through model-based filtering, it was confirmed that integrated dataset was improved overall compared to the existing explicit dataset.