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 : 오현식(Hyunsik Oh) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
김경호(Kyoungho Kim),조준영(Junyoung Cho),이호진(Hojin Lee),오현식(Hyunsik Oh) 한국지반환경공학회 2013 한국지반환경공학회논문집 Vol.14 No.5
해저관로는 중요한 해안구조물의 하나로 연안 및 해양개발을 위해 폭넓게 사용되고 있다. 해저관로는 해저지반의 상태에 따라 파와 흐름으로 인해 주변에 세굴이 발생한다. 이로 인해 관이 뜨거나 가라앉는 경우가 발생하여 관의 내구성에 악영향을 미친다. 최근에는 해양환경에서 구조물과 여러 요인들의 복잡한 상호작용에 의한 세굴에 대해 많은 연구들이 이루어졌지만, 아직까지 세굴을 정확히 예측하는 것은 어렵다. 본 연구에서는 신경망 기법으로 관로의 세굴심 자료를 분석하여 세굴심을 예측하였다. 학습을 위해 역전파 알고리즘을 사용하였다. 신경망 모델의 학습과 검증에 총 58개의 모형실험 자료들이 사용되었다. 또한 동일한 데이터에 대해 회귀분석 기법을 통한 예측과 비교 분석하여 세굴심 예측을 위한 신경망 기법의 적용성을 검토하였다. The submarine pipe, which is one of the most important coastal structures, is widely used in the development of coastal and ocean engineering. The scour of the submarine pipe occurs due to the wave and the current according to the state of the sea bed. The scour affects the submarine pipe and causes it to undergo settlement and fatigue. It is difficult to predict the local scour under complicated and various conditions of the coastal environment, even though many researches on the scour of the submarine pipe have been studied in recent years. This study analyzed the scour depth around a submarine pipe by using the Neural Network technique. The back-propagation algorithms was used to train the Neural Network. The 58 simulating experimental data for the performance and validation of the Neural Network technique were analyzed in this study. Then, the regression analysis for the same data was performed in this study to predict and compare with the Neural Network technique for the scour depth.
-
AutoDAN: 유전자 알고리즘과 LLM을 이용한 한국 탈옥 프롬프트 생성에 관한 연구
임형준(HyoungJun Lim),김태훈(Taehoon Kim),최종욱(Jongwook Choi),오현식(Hyunsik Oh),전슬기(Seulki Jun),최종원(Jongwon Choi) 대한전자공학회 2024 대한전자공학회 학술대회 Vol.2024 No.6
최근 Large Language Models (LLMs)의 빠른 발전으로 다양한 산업에서 인간을 보조하는 도구로서 활용되고 있다. 하지만 이러한 대형 모델은 산업, 공공기관, 사회 현상 등에 부적절한 추력을 유도하는 탈옥(jailbreak)에 취약하다. 현재까지 LLMs을 탈옥하기 위해서 사람들이 직접 탈옥문을 작성하고 평가하였으나, 확장성과 빠르게 필터링 처리되는 문제가 존재한다. 이러한 문제점을 해결하기 위해 자동으로 탈옥문을 만들어주는 Auto Do Any Thing now (AutoDAN)의 연구가 활발히 진행되고 있다. 본 논문에서 대부분 영어로 작성되어 있는 탈옥문을 한국어로 번역하고 유전 알고리즘과 LLM을 사용하여 한국어 LLMs 탈옥을 위한 AutoDAN 연구를 소개한다. 정량적, 정성적 평가를 통해 한국어 AutoDAN 알고리즘이 문장의 의미는 보전하며 탈옥의 성공률을 높일 수 있음을 입증한다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
