http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
노이즈가 가미된 연합학습 환경에 대한 클라이언트 기여도 측정 방법의 적합성 평가
신성국(Shyn Sung Kuk),김동희(Kim Dong Hee),김광수(Kim Kwangsu) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
연합학습은 분산된 환경에서 직접 데이터를 접근하지 않고 각 클라이언트에서 학습한 모델 파라미터를 통합하여 연합 모델을 생성시키는 분산 머신러닝 기술이다. 연합 모델 성능 향상을 위해 연합학습 통합 알고리즘에 대한 연구가 활발하게 진행되고 있는 반면, 클라이언트 기여도 측정 방법 및 클라이언트 제거 기술에 대한 연구도 하나의 연합학습 연구 분야로 급부상하고 있다. 특히, 노이즈가 투입되어 데이터가 훼손될 수 있는 환경에서 ‘훼손된 클라이언트’(corrupted clients)를 클라이언트 기여도로 선별하는 기술이 필요하다. 본 논문에서는 연합학습에서 클라이언트 기여도 측정으로 기존에 연구된 대표적인 두 가지 방법, Federated LOO와 Federated SV를 소개한다. 이후 이 두 방법이 노이즈가 가미된 연합학습 환경에서 적절하게 작동되는지 노이즈가 투입된 환경에서 실험을 통해 적합성을 평가한다.
김동민(Dongmin Kim),신성국(Sung Kuk Shyn) 한국정보기술학회 2020 Proceedings of KIIT Conference Vol.2020 No.10
원유가격은 그 중요성에도 불구하고 높은 변동성으로 인하여 가격 예측의 어려움이 많다. 이에 우리는 원유시장의 변동성에 알맞은 가우시안 커널 네트워크를 이용한 원유가격예측을 진행하고자 한다. 가우시안 커널네트워크는 커널의 개수, 데이터 간격 등 연구자의 직관에 의존한 다양한 실험변수들을 체계적으로 설정하고, 가우시안 함수를 바탕으로 학습을 최적화 시키는 장점을 가지고 있다. 위 논문에서는 일 분석, 주 분석, 월 분석의 세 가지 큰 틀로 연구를 진행하였다. 각 데이터별로 가우시안 커널 네트워크를 구성하고 데이터 부족으로 인한 과적합 및 정확도 저하의 현상은 일 데이터의 재가공을 통해 정확도를 향상시킨다. Although the importance of crude oil price is getting higher, its prediction is a very difficult task due to the highly volatile nature in oil market. Therefore our research conducted crude oil price prediction task based on Gaussian Kernel Network. Gaussian Kernel Network can systematically set its hyperparameters that were previously set based on researchers’ intuition such as kernel numbers, intervals of dataset, etc. Furthermore, it maximizes its learning capacity by setting models’ kernel based on Gaussian function. Our work analyzes daily, weekly, and monthly fluctuations of crude oil price respectively. Gaussian Kernel Network is established for each dataset and the problems of overfitting and low-precision are resolved using data augmentation techniques.
국내 외래객 출입국 데이터를 활용한 관광객 일별 수요 예측 인공지능 모델 연구
김동건(Dong-Keon Kim),김동희(Donghee Kim),장승우(Seungwoo Jang),신성국(Sung Kuk Shyn),김광수(Kwangsu Kim) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.1
외래 관광객 수요를 분석하고 예측하는 것은 관광 정책을 수립하고 기획하는데 지대한 영향을 미치기 때문에 관광 산업 분야에서 매우 중요하다. 외래 관광객 데이터는 여러 외적 요인들에 의해 영향을 받기 때문에, 시간에 따른 미세한 변화가 많다는 특징을 갖는다. 따라서, 최근에는 관광객 입국자 수요를 예측하기 위해 경제 변수 등 여러 외적 요인들도 함께 반영하여 예측 모델을 설계하는 연구를 진행하고 있다. 그러나 기존의 시계열 예측에 주로 사용되는 회귀분석 모델과 순환신경망 모델은 여러 변수들을 반영하는 시계열 예측에 있어 좋은 성능을 보이지 못했다. 따라서 우리는 합성곱 신경망을 활용하여 이러한 한계점들을 보완한 외래 관광객 수요 예측 모델을 소개한다. 본 논문에서는 한국관광공사에서 제공한 과거 10개년 외래 관광객 데이터와 추가적으로 수집한 여러 외적 요인들을 입력 변수로 반영하는 1차원 합성곱 신경망을 설계하여 외래 관광객 수요를 예측하는 모델을 제시한다. Analyzing and predicting foreign tourists' demand is a crucial research topic in the tourism industry because it profoundly influences establishing and planning tourism policies. Since foreign tourist data is influenced by various external factors, it has a characteristic that there are many subtle changes over time. Therefore, in recent years, research is being conducted to design a prediction model by reflecting various external factors such as economic variables to predict the demand for tourists inbound. However, the regression analysis model and the recurrent neural network model, mainly used for time series prediction, did not show good performance in time series prediction reflecting various variables. Therefore, we design a foreign tourist demand prediction model that complements these limitations using a convolutional neural network. In this paper, we propose a model that predicts foreign tourists' demand by designing a one-dimensional convolutional neural network that reflects foreign tourist data for the past ten years provided by the Korea Tourism Organization and additionally collected external factors as input variables.