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 : 허재석(Jaeseok Huh) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
재유입 다중칩 조립라인을 위한 인공신경망 기반의 다중 목적 함수 디스패치 규칙 선택 기법
허재석(Jaeseok Huh ),박종헌(Jonghun Park) 한국정보기술학회 2019 한국정보기술학회논문지 Vol.17 No.2
Recently, the semiconductor manufacturers have focused on the production of multiple chip products (MCPs) to achieve high capacities while preserving compactness. As the number of chips to be stacked increases, a re-entrant flow that repeats die attach and wire bonding assembly stages in MCP production is generated, which causes increased flow time and decreased resource utilization. In this paper, we propose a rule selection dispatcher (RSD) based on an artificial neural network, which reduces the flow time and increases the resource utilization. RSD learns the preferences of each dispatching rule according to assembly line data generated by a simulator. Then the proposed dispatcher performs lot dispatching decisions by selecting one of the dispatching rules. The experiments showed that the proposed dispatcher outperformed the existing methods in terms of the performance and computation time.
-
클러스터링 기법을 활용한 이커머스 사용자 리뷰에 따른 시장세분화 연구
김민경(Mingyeong Kim),허재석(Jaeseok Huh),사애진(Aejin Sa),전아름(Ahreum Jun),이한별(Hanbyeol Lee) 한국전자거래학회 2022 한국전자거래학회지 Vol.27 No.2
최근 코로나로 인해 이커머스 시장이 확대되면서 인터넷 쇼핑몰 이용률 증가와 함께 다양한 형태의 소비 패턴을 보이는 고객들이 나타나고 있다. 기업은 고객 리뷰를 통해 고객의 의견과 정보를 얻을 수 있기 때문에 온라인 플랫폼에서의 고객 리뷰 관리에 대한 연구의 필요성이 증가하고 있다. 본 연구에서는 고객들을 군집화하고 분석하였으며, 이커머스 시장에 존재하는 고객 유형을 정의하고 시장세분화를 수행하였다. 구체적으로, 본 연구는 온라인 쇼핑몰 위메프(Wemakeprice)의 고객 리뷰 데이터를 수집하여 K-means 클러스터링을 진행하였으며, 그 결과로 6개의 군집이 도출되었다. 이후 6개의 군집으로 시장세분화 된 결과를 분석하여 각 군집의 특징을 정의하고 고객관리 방안까지 함께 제시하였다. 본 연구 결과는 이커머스 시장의 고객 유형 파악과 고객관리를 용이하게 하는 자료로 사용될 것이며, 다양한 온라인 플랫폼의 고객관리 비용 절감과 수익 창출에 기여할 것으로 기대된다. Recently, as COVID-19 has made the e-commerce market expand widely, customers who have different consumption patterns appear in the market. Because companies can obtain opinions and information of customers from reviews, they increasingly face the requirements of managing customer reviews on online platform. In this study, we analyze customers and carry out market segmentation for classifying and defining type of customers in e-commerce. Specifically, K-means clustering was conducted on customer review data collected from Wemakeprice online shopping platform, which leads to the result that six clusters were derived. Finally, we define the characteristics of each cluster and propose a customer management plan. This paper is possible to be used as materials which identify types of customers and it can reduce the cost of customer management and make a profit for online platforms.
-
-
YOLOv5와 Dual Kalman Filter 기반의 폐색영역에 강건한 객체 추적 프레임워크
김다솔(Dasol Kim),허재석(Jaeseok Huh) 한국정보기술학회 2023 한국정보기술학회논문지 Vol.21 No.2
Although YOLO(You Only Look Once) is a widely used algorithm in real-time object detection, it has a limitation in that its performance significantly deteriorates in occlusion areas where a detection target is obscured by another object or surrounding background. In this study, we propose a robust object tracking framework that utilizes YOLOv5 and a Dual Kalman Filter(KF) consisting of Detection and Inference KFs to address this issue. The proposed framework uses the Detection KF updated with a high weight on the detection results of YOLOv5 when YOLOv5 fails to detect objects. If the object is not detected over successive frames, the proposed framework attempts to track the object using the Inference KF updated with a high weight on the prediction results of KF. Through experiments using data with occluded regions, we confirmed that the proposed framework outperformed existing approaches in terms of detection accuracy while sacrificing less computation speed.
-
소셜 감성 데이터를 이용한 딥러닝 기반의 암호화폐 가격 예측
고광종(Gwangjong Ko),김다솔(Dasol Kim),허재석(Jaeseok Huh) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
소셜 감성 데이터를 활용하여 암호화폐의 가격을 예측하는 기존의 연구들은 데이터 수집의 출처가 제한적이어서 다양한 사회적 분위기를 반영하기 어렵다는 한계가 존재했으며, 사전 기반 언어 모델을 사용했기 때문에 최근의 유행어를 분석할 수 없었다. 본 연구에서는 상기 한계를 보완하기 위해 다양한 출처의 소셜 감성 데이터를 딥러닝 기반 언어 모델 BERT (Bidirectional Encoder Representations from Transformers)로 분석한다. 분석이 완료된 후, 분석 결과를 시계열 종속 변수로 변환하는 본 연구의 제안 방법을 통해 비트코인의 한 시간 단위 종가를 예측한다. 실험을 통해 제안 방법은 가격 예측 오차 감소에 효과가 있는 것으로 검증되었다. Existing studies that predict the cryptocurrency price using social sentiment data have difficulty in considering various social atmospheres due to the limited sources of data collection. In addition, it was not possible to analyze buzzwords because they use a dictionary-based language model. In this study, to resolve the above problems, we analyze social sentiment data from various sources using BERT (Bidirectional Encoder Representations from Transformers), a deep learning-based language model. Then, the proposed method converts the result of the sentiment analysis into time-series independent variables to predict the hourly closing price of Bitcoin. Numerical experiments demonstrate the proposed method is effective in the reduction of price prediction error.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
