http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
정희석(Jung, Heeseok),장찬주(Jang, Chan Joo),김용선(Kim, Yong Sun) 한국연안방재학회 2019 한국연안방재학회 학술발표대회 논문집 Vol.2019 No.1
한반도 주변해를 포함한 북서태평양의 해양환경 중기예측을 위하여 지역해양순환모형(ROMS)를 이용해 중기해양 예측모형(Ocean Mid-rAnge prediction System, OMIDAS)을 구축하였다. 수립한 모형의 계절별 3개월 재예측 실험을 수행하였고 그 결과를 이용하여 해면수온 예측 성능을 평가하였다.
정희석(Heeseok Jung),장찬주(Chan Joo Jang),김용선(Yong Sun Kim),강수경(Sukyung Kang) 한국연안방재학회 2018 한국연안방재학회지 Vol.5 No.1
Despite its socio-economic implications for the effective management of fisheries resources, a prediction of marine environment has been rarely performed on the medium range timescale of several months to a year. In this study, we have developed an ocean mid-range prediction system (OMIDAS) based on the Regional Ocean Model System (ROMS) for the Northwest Pacific Ocean focusing on the seas around Korea. To assess the skill of mid-range prediction by the OMIDAS system, a three-month reforecast was performed for the case of March 2016 by using dynamic downscaling of Climate Forecast System version 2 operational analysis data. Although the reforcasted SST shows enhanced amplitudes relative to the Optimum Interpolation SST version 2 (OISSTv2) reanalysis data, the spatial pattern is generally similar to the OISSTv2, suggesting a relatively good performance of the OMIDAS. A reforecast experiment with two different initial conditions suggests that a higher resolution of data used for model initial condition contributes to the performance of the mid-range reforecast in the seas around Korea. Based on the preliminary analysis for the reforecast experiment, we can conclude that the OMIDAS system has measurable skill on the mid-range timescale for the seas around Korea.
김명진(Myungjin Kim),남준영(Junyeong Nam),정희석(Heeseok Jung),최희열(Heeyoul Choi) 한국정보과학회 2021 정보과학회논문지 Vol.48 No.10
신경 기계 번역 분야는 딥러닝의 발전과 함께 성능이 발전하고 있지만, 이름, 신조어, 특정 그룹 내에서만 통용되는 단어 등과 같이 고유명사들이 들어간 문장의 번역이 정확하지 않은 경우들이 있다. 본 논문은 고유명사가 들어간 문장의 번역 성능 개선을 위해 최근 제안된 번역 모델인 Transformer Model에 추가적으로 한영 고유명사 사전과 고유명사 기호화 방식을 사용한다. 제안된 방식은 학습에 사용되는 문장의 단어들 중 일부를 고유명사 사전을 이용하여 기호화하고, 기호화된 단어들을 포함한 문장들로 번역 모델을 학습시킨다. 새로운 문장 번역시에도 고유명사 사전을 이용하여 기호화하고 번역후 복호화 하는 방식으로 번역을 완성한다. 제안된 방식의 성능을 검증하기 위해 고유명사 기호화를 사용하지 않은 모델과 함께 비교 실험하였고, BLEU 점수를 통해 수치적으로 개선되는 경우들도 확인했으며, 몇가지 번역 사례들도 상용서비스 결과들과 함께 제시했다. There is progress in the field of neural machine translation, but there are cases where the translation of sentences containing proper nouns, such as, names, new words, and words that are used only within a specific group, is not accurate. To handle such cases, this paper uses the Korean-English proper noun dictionary and the symbolization method in addition to the recently proposed translation model, Transformer Model. In the proposed method, some of the words in the sentences used for learning are symbolized using a proper noun dictionary, and the translation model is trained with sentences including the symbolized words. When translating a new sentence, the translation is completed by symbolizing, translation, and desymbolizing. The proposed method was compared with a model without symbolization, and for some cases improvement was quantitatively confirmed with the BLEU score. In addition, several examples of translation were also presented along with commercial service results.
AI의 5가지 빅 아이디어에 따른 해외 인공지능 교육과정 분석
장연주(Yeonju Jang),김성훈(Seonghun Kim),최승윤(Seongyune Choi),정희석(Heeseok Jung),김현철(Hyeocheol Kim) 한국컴퓨터교육학회 2020 한국컴퓨터교육학회 학술발표대회논문집 Vol.24 No.2(A)
전 세계적으로 인공지능 교육의 필요성이 부상하고 있다. 세계 각국에서는 인공지능 교육을 위한 정책적 기반을 마련하고 인공지능 교육과정을 설계하여 발표하고 있다. 특히 미국의 AI4K12에서 제안한 인공지능 교육과정 가이드라인에서는 ‘AI 교육의 5가지 빅 아이디어’를 제시하였는데, 이는 ‘지각’, ‘표현과 추론’, ‘학습’, ‘자연스러운 상호작용’, ‘사회적 영향’이다. 본 연구에서는 이러한 5가지 빅 아이디어를 기준으로 인도의 CBSE, 핀란드의 Elements of AI, 호주의 CSER 교육과정을 분석하였다. 분석 결과 이러한 교육과정들은 5가지 빅 아이디어의 영역 중 ‘학습’과 관련된 내용요소를 공통적으로 포함하고 있으며, 다른 영역들은 교육과정에 따라 전혀 다루지 않는 경우가 많았다. 또한 아직 초등학생 이하의 학생들을 위한 인공지능 교육과정은 개발된 것이 많지 않다는 점과 해외 인공지능 교육과정을 국내 교육 현장에 적용할 때는 목표 학년보다는 내용 요소의 수준을 고려하여 진행해야 한다는 시사점을 도출하였다.
김성훈(Seonghun Kim),김우진(Woojin Kim),이탐(Tom Lee),장연주(Yeonju Jang),최승윤(Seongyune Choi),정희석(Heeseok Jung),김현철(Hyeocheol Kim) 한국컴퓨터교육학회 2020 한국컴퓨터교육학회 학술발표대회논문집 Vol.24 No.2(A)
2020년 7월 ‘한국판 뉴딜’ 정책과 5월 ‘과학·수학·정보·융합 교육 종합계획’에 따르면 정부는 맞춤형 교육을 제공할 수 있는 교육 통합플랫폼 개발을 준비하고 있다. 기존 온라인 교육 시스템은 많은 학습자에게 서비스를 제공하는 데 효율적이나, 개별 학습자를 진단하고 각 학습자에게 필요한 처방을 내리기에는 부족한 실정이다. 본 논문에서는 사회적인 요구가 높은 학습자 맞춤형 온라인 교육 플랫폼 구축을 위한 기초 연구로 설명 가능한 AI 학습 지원 시스템을 제안하였다. 제안한 시스템은 LSTM, XGBoost을 이용해 개별 학습자를 모델링하고, 그 결과를 SHAP 값으로 분석해 개별 학습자의 취약점을 설명 가능한 형태로 교수자에게 제공하는 것을 목적으로 한다. 시스템을 검증하기 위해 약 1000명의 학습자 데이터 셋을 이용하였으며, 이상의 연구를 통해 DKT와 XAI 분야의 기법을 교육 도메인에 적용 할 수 있는 시스템을 제안하였다.