http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김경훈 ( Kim Kyeonghun ),서보군 ( Seo Bokun ),방정숙 ( Pang Jeongsuk ) 한국교원대학교 초등교육연구소 2018 초등교과교육연구 Vol.28 No.-
본 논문은 초등학교 수학 교과서에서 공간 감각을 어떻게 지도하는지 분석하였다. 구체적으로 2009 개정 수학과 교육과정에 따른 초등학교 수학 교과서를 분석하였으며, 그 과정에서 입체도형과 함께 평면도형에 대한 내용도 분석 대상에 포함하였다. 선행연구들을 바탕으로 공간 감각을 공간 시각화와 공간 방향으로 나누어 각각의 하위 요인을 분석하였다. 공간 시각화의 하위 요인은 정신적 회전, 정신적 변형, 정신적 차원 변형, 도형 배경 지각으로, 공간 방향의 하위 요인은 위치 감각, 거리 감각, 방향 감각으로 나누었다. 이를 바탕으로 1학년부터 6학년까지 도형 영역에 해당하는 13개 단원에서 381개의 활동을 분석하였다. 연구 결과 공간 감각과 관련된 활동은 177회로 나타났다. 하위 요인별로 분석한 결과, 공간 시각화와 관련된 활동이 주로 나타났으며 공간 방향과 관련된 활동은 거의 찾아볼 수 없었다. 공간 시각화는 학년별로 그리고 하위 요인별로 비교적 고르게 분포되어 있었다. 공간 시각화와 관련된 내용 중에서 평면도형의 내용은 학년별, 하위 요인별로 고르게 나타난 반면, 입체도형의 내용은 5, 6학년에서 정신적 차원 변형과 관련된 활동이 주로 나타났다. 이상의 연구 결과를 토대로 공간 감각 지도의 특징과 개선방향에 대하여 논의하였다.
SMERT: 감성 분석 및 감정 탐지를 위한 단일 입출력 멀티 모달 BERT
김경훈(Kyeonghun Kim),박진욱(Jinuk Park),이지은(Jieun Lee),박상현(Sanghyun Park) 한국정보과학회 2021 정보과학회논문지 Vol.48 No.10
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. Sentiment Analysis is defined as a task that analyzes subjective opinion or propensity and, Emotion Detection is the task that finds emotions such as ‘happy’ or ‘sad’ from text data. Multimodal data refers to the appearance of image and voice data in addition to text data. In prior research, RNN or cross-transformer models were used, however, RNN models have long-term dependency problems. Also, since cross-transformer models could not capture the attribute of modalities, they got worse results. To solve those problems, we propose SMERT based on a single-stream transformer ran on a single network. SMERT can get joint representation for Sentiment Analysis and Emotion Detection. Besides, we use BERT tasks which are improved to utilize for multimodal data. To present the proposed model, we verify the superiority of SMERT through a comparative experiment on the combination of modalities using the CMU-MOSEI dataset and various evaluation metrics.
신약 디자인을 위한 Self-Attention 기반의 SMILES 생성자
( Piao Shengmin ),최종환 ( Jonghwan Choi ),김경훈 ( Kyeonghun Kim ),박상현 ( Sanghyun Park ) 한국정보처리학회 2021 한국정보처리학회 학술대회논문집 Vol.28 No.1
약물 디자인이란 단백질과 같은 생물학적 표적에 작용할 수 있는 새로운 약물을 개발하는 과정이다. 전통적인 방법은 탐색과 개발 단계로 구성되어 있으나, 하나의 신약 개발을 위해서는 10 년 이상의 장시간이 요구되기 때문에, 이러한 기간을 단축하기 위한 인공지능 기반의 약물 디자인 방법들이 개발되고 있다. 하지만 많은 심층학습 기반의 약물 디자인 모델들은 RNN 기법을 활용하고 있고, RNN 은 훈련속도가 느리다는 단점이 있기 때문에 개선의 여지가 남아있다. 이런 단점을 극복하기 위해 본 연구는 self-attention 과 variational autoencoder 를 활용한 SMILES 생성 모델을 제안한다. 제안된 모델은 최신 약물 디자인 모델 대비 훈련 시간을 1/36 단축하고, 뿐만 아니라 유효한 SMILES 를 더 많이 생성하는 것을 확인하였다.