RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      검색결과 좁혀 보기

      선택해제
      • 좁혀본 항목 보기순서

        • 원문유무
        • 원문제공처
        • 등재정보
        • 학술지명
        • 주제분류
        • 발행연도
        • 작성언어
        • 저자
          펼치기

      오늘 본 자료

      • 오늘 본 자료가 없습니다.
      더보기
      • 무료
      • 기관 내 무료
      • 유료
      • 기계학습을 이용한 리튬 이온 배터리 고체 전해질의 기계적 물성 예측

        최은성(EunSeong Choi),조준호(Joon ho Jo),민경민(Kyoungmin Min) 대한기계학회 2020 대한기계학회 춘추학술대회 Vol.2020 No.12

        Li-ion batteries have great output, high energy density and a long battery life, so they are being studied and commercialized. However, in the case of Li SSEs(Solid-State Electrolytes), performance is severely limited due to interfacial contact stability problems and the formation and growth of dendrite. In order to analyze and solve this problem, it is necessary to knowing bulk and shear modulus of that compound. But The number of Li SSEs calculated mechanical properties is not enough. Predicting mechanical properties with Machine Learning techniques is much more efficient than experiments and DFT(Density-functional theory) calculations. So we used machine learning regression algorithm with Materials project database screened. As a result, mechanical properties of candidates were obtained with reasonable high accuracy. This makes it possible to search for a wide range of candidates materials in an economical way to select the ideal one.

      • KCI우수등재

        기계 독해 성능 개선을 위한 데이터 증강 기법

        이선경(Sunkyung Lee),최은성(Eunseong Choi),정선호(Seonho Jeong),이종욱(Jongwuk Lee) 한국정보과학회 2021 정보과학회논문지 Vol.48 No.12

        기계 독해(Machine Reading Comprehension)란 컴퓨터가 주어진 텍스트의 의미를 이해 및 이를 평가하는 방법으로, 자연어 이해를 위한 중요한 기술 중 하나이다. 주어진 글에 대해서 질의가 주어졌을 때, 이에 대한 올바른 응답을 찾는 질의-응답이 가장 대표적인 기계 독해 과제이다. 기계 독해 기술은 최근 심층 인공신경망 기반의 자연어 처리 기술의 발달에 따라 획기적인 성능 개선을 보였다. 그럼에도 불구하고, 주어진 데이터가 희소할 때 성능 개선에 어려움이 있을 수 있다. 이를 해결하기 위해 본 논문에서는 단어 단위 및 문장 단위의 텍스트 편집을 통한 데이터 증강 기법을 활용하여 기존 모델의 변경을 최소화하며 성능 개선을 하고자 한다. 즉, 본 연구에서는 영어 질의응답 데이터에서 가장 널리 활용되고 있는 사전 학습된 언어 모델 기반의 기계 독해 모델에 데이터 증강 기법을 적용하여 기존 모델 대비성능이 향상되는 것을 확인하였다. Machine reading comprehension is a method of understanding the meaning and performing inference over a given text by computers, and it is one of the most essential techniques for understanding natural language. The question answering task yields a way to test the reasoning ability of intelligent systems. Nowadays, machine reading comprehension techniques performance has significantly improved following the recent progress of deep neural networks. Nevertheless, there may be challenges in improving performance when data is sparse. To address this issue, we leverage word-level and sentence-level data augmentation techniques through text editing, while minimizing changes to the existing models and cost. In this work, we propose data augmentation methods for a pre-trained language model, which is most widely used in English question answering tasks, to confirm the improved performance over the existing models.

      연관 검색어 추천

      이 검색어로 많이 본 자료

      활용도 높은 자료

      해외이동버튼