http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
오병화(Byonghwa Oh),양지훈(Jihoon Yang),이현진(Hyun-Jin Lee) 한국정보과학회 2015 정보과학회논문지 Vol.42 No.12
준지도 학습은 기계 학습의 한 분야로서, 레이블된 데이터와 레이블되지 않은 데이터 모두를 사용하여 모델을 학습함으로써 지도 학습에 비해 예측 정확도를 높일 수 있다. 최근 각광받고 있는 그래프 기반 준지도 학습은 입력 데이터를 그래프의 형태로 변환하는 그래프 구축 단계와 이를 사용하여 레이블되지 않은 데이터의 레이블을 예측하는 레이블 추론 단계로 나뉜다. 이 추론은 준지도 학습에서의 평활도 가정을 기본으로 한다. 본 연구에서는 추가로 각 꼭지점 중요도를 결합함으로써 개선된 레이블 추론알고리즘을 제안한다. 이와 함께 알고리즘의 수렴성을 증명하고, 또한 실험을 통해 알고리즘의 우수성을 검증하였다. Semi-supervised learning is an area in machine learning that employs both labeled and unlabeled data in order to train a model and has the potential to improve prediction performance compared to supervised learning. Graph-based semi-supervised learning has recently come into focus with two phases: graph construction, which converts the input data into a graph, and label inference, which predicts the appropriate labels for unlabeled data using the constructed graph. The inference is based on the smoothness assumption feature of semi-supervised learning. In this study, we propose an enhanced label inference algorithm by incorporating the importance of each vertex. In addition, we prove the convergence of the suggested algorithm and verify its excellence.
차량 간 통신을 이용한 유전자 알고리즘 기반 동적 차량 경로 탐색 알고리즘
오병화(Byonghwa Oh),배준성(Junsung Bae),양지훈(Jihoon Yang),낭종호(Jongho Nang) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.1
차량 경로 탐색 문제를 해결하는 것은 차량 이동에 지체되는 시간 감소를 통한 개인적인 혜택 뿐만 아니라 교통 체증으로 인한 사고율 감소 및 사회적 비용 등의 감소를 가져온다. 본 논문에서는 기존에 사용되는 경로 탐색 알고리즘과 다른, 그러나 통신 가능한 네비게이션 시스템에 탑재가 용이한 새로운 알고리즘을 제시하고 이 알고리즘의 효용성을 시뮬레이션과 실험을 통해서 검증하였다. 제안된 알고리즘은 일반적인 경로 탐색 문제에서뿐만 아니라, 하드웨어의 고장 및 도로 구간의 교통 사고 발생 등의 경우에 대해서도 적응할 수 있음을 실험을 통해서 확인하였다.
콘텐츠 기반 예측 평점을 선택적으로 활용하는 협력적 필터링 기반 복합 추천 시스템
오병화(Byonghwa Oh),양지훈(Jihoon Yang),이현진(Hyun-Jin Lee) 한국정보과학회 2014 정보과학회논문지 : 소프트웨어 및 응용 Vol.41 No.4
추천 시스템은 개인화 서비스의 한 종류로서 사용자의 요구 사항에 적합한 상품이나 서비스를 추천한다. 이러한 추천 기법 중 하나인 협력적 필터링은 우수한 성능(정확도와 계산 속도 측면)으로 인해 많이 사용되지만, 상황에 따라 적합한 추천을 하지 못하기도 한다. 이를 해결하기 위해 새로운 복합 추천 시스템을 제안한다. 먼저 콘텐츠 기반의 추천 시스템을 구축하고, 이 시스템이 예측하는 평점들을 다양한 신뢰도 척도를 사용하여 양질의 일부분만 선택한다. 선택된 평점들을 사용자가 실제로 매긴 평점 데이터에 더한 후, 이 모두를 협력적 필터링의 입력으로 사용하여 평점을 예측한다. 이렇게 제안한 시스템은 기존의 여러 협력적 필터링 방법의 추천 정확도를 추가적으로 상승시켰으며, 더욱 안전하게 콘텐츠 정보를 통합할 수 있다. Recommender system is a kind of personalized services which recommends products or services suitable to users" requirements. Collaborative filtering is one of the recommendation techniques and widely used because of great performance in terms of computation and prediction accuracy. But it fails to produce good recommendations in particular situations. To solve this problem, we introduce a new hybrid recommender system. We first construct the content-based recommender and predict ratings. After then, we select quality ratings from them with various confidence measures. The selected ratings are combined with actual user ratings and used for recommendation with other collaborative filtering methods. The proposed system improves several existing collaborative filtering systems in terms of prediction accuracy, by combining content information safely and effectively.