http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
방송영상기록물의 저작자 식별을 위한 패싯 기반 식별체계 구축 연구
정연주,이승민,Jeong, Yeonjoo,Lee, Seungmin 한국비블리아학회 2020 한국비블리아학회지 Vol.31 No.3
본 연구는 방송영상기록물을 대상으로 방송영상기록물의 제작에 참여한 저작자를 식별하기 위한 기술항목을 제안하여 방송영상기록물에 대한 저자식별체계 구축의 기반을 마련하는데 주된 목적을 두고 있다. 연구 결과, 방송영상기록물의 저작자 식별을 위해, 이름, 성별, 생년월일, 저자식별체계, 국가, 소속기관, 분야 등 총 7개의 기술항목을 개인, 소속, 역할의 세 가지 범주로 구성하였으며, 이에 대해 2단계에 걸쳐 분류 및 범주화를 진행하였다. 이 구조를 바탕으로 총 10개의 기본 패싯과 14개의 하위 패싯을 구성하여 방송영상기록물 저작자의 식별을 위한 패싯 기반 구조를 구축하였으며, 방송영상기록물 저작자 식별을 위한 기술항목을 제안하였다. The purpose of this study is to lay the foundation for the construction of an identification system by proposing descriptive items that can identify the creators who participated in the production of broadcasting video records. In order to uniquely identify the creators of broadcasting video records, a total of seven descriptive categories, including name, gender, date of birth, name identifier system, nationality, affiliated agencies, and major fields, were organized into three categories: individual, affiliation, and role. These categories were classified and categorized into two stages. Based on the proposed structure, a total of 10 basic facets and 14 sub-facets were constructed to establish a faceted structure for identifying the creators of broadcasting video records.
깊은 스파이킹 신경망을 위한 뉴럴 아키텍처 탐색 알고리즘 성능 분석
류준규(Jungyu Ryu),조정희(Jeonghee Jo),김재욱(Jaewook Kim),정연주(YeonJoo Jeong),박성식(Seongsik Park) 대한전자공학회 2023 대한전자공학회 학술대회 Vol.2023 No.6
This paper presents analyses of the performance of three different search algorithms, including random, greedy, and Bayesian, in the neural architecture search (NAS). To conduct this study, we used Autokeras, a keras-based AutoML framework, to search architectures of deep neural networks (DNNs) and deep spiking neural networks (SNNs). We evaluated the performance of NAS algorithms on searching deep SNNs and DNNs on CIFAR-10 datasets. Our experimental results showed that the Bayesian algorithm outperformed the other two in terms of accuracy, while the greedy algorithm achieved the best accuracy on DNNs. Our findings suggest that the Bayesian algorithm is promising in NAS for both DNNs and SNNs.