2017년 12월 20일(수), 부산 BEXCO
정보 기술의 발전으로 다양한 형태의 대용량 데이터가 생성되고, 이를 분석하기 위한 방법으로써 머신 러닝의 중요성이 대두되고 있습니다. 또한 다방면에서 융합 학문으로의 머신 러닝에 대한 관심도 그 어느 때 보다 뜨겁습니다. 이에 한국정보과학회 인공지능소사이어티에서는 머신러닝연구회 동계 워크샵을 개최하여 최신 연구동향과 새로운 유망 연구분야에 대한 여러 전문가를 모시고 심도 있는 강연을 열고 연구자들 간의 토론과 교류의 장을 마련하고자 합니다.
2017년 11월 21일
한국정보과학회 인공지능소사이어티 교육부회장 신현정 (아주대학교)
한국정보과학회 인공지능소사이어티 수석부회장 최승진 (POSTECH)
한국정보과학회 인공지능소사이어티 회장 김 선 (서울대학교)
| 일정 | 프로그램 | |
|---|---|---|
| 13:00-13:40 |
정상근 (SKT) Deep Learning for Natural Language Understanding |
|
| 13:40-14:20 |
신진우 (KAIST) Confident Deep Learning |
|
| 14:20-14:30 | Break | |
| 13:30-15:30 |
한보형 (POSTECH) Large-Scale Image Retrieval and Geolocalization |
|
| 15:10-16:30 |
최희열 (한동대) Sequence Generation with Generative Models |
|
| 16:30-17:30 | 인공지능소사이어티 총회 | |
강사정상근 박사내용자연어 이해는 음성 및 텍스트를 이용한 대화 인터페이스 구현의 핵심 기술 중 하나이다. 상용수준의 자연어이해 시스템에 대해 살펴보고, 딥러닝을 이용한 자연어이해 구현 방법들에 대해 살펴본다. 특히 최근 연구된 Semantic Representation Learning 프레임웤을 소개하고, 이를 자연어이해 기술 개발 과정에 필요한 데이터 수집, 태깅 및 시각화등의 문제에 적용한 사례를 공유하도록 한다. |
강사신진우 교수내용The state-of-art deep neural networks are known to be highly overconfident in their predictions, i.e., do not distinguish in-distribution (i.e., training distribution by a classifier) and out-of-distributions sufficiently different from it. To resolve the issue, we propose a new loss, called confident loss, where it forces samples from out-of-distribution less confident by the neural classifier. To show its effectiveness, we apply the proposed loss function to two classification tasks using neural networks: (a) multiple choice learning and (b) detecting out-of-distributions. This is a joint work with Kimin Lee (KAIST) and Honglak Lee (Michigan). |
강사한보형 교수내용I present recent advances in large-scale image retrieval and geolocalization problems using deep neural networks. The initial discussions in this talk are about how these two problems are related to each other and how one is distinguished from the other, in terms of technical challenges and potential applications. Then, I deal with a few critical subproblems in image retrieval and geolocalization approaches including problem formulations, data sets, technical approaches, and issues related to large-scale experiments. |
강사최희열 교수내용딥러닝의 발전으로 패턴인식 분야의 성능은 혁신되고 있고 특정 분야에서는 인간 수준을 뛰어넘는 결과들을 보여주고 있다. 본 강연에서는 이러한 패턴인식과 달리 딥러닝의 또다른 연구 분야인 생성모델 중 시간적 의존성을 가지는 시계열 데이타의 생성을 다룬다. 기본적으로 생성모델의 특성과 함께 최근 자주 사용되는 VAE, GAN 등 모델들을 소개하고, 시계열 데이타의 생성을 위한 이슈와 최근 연구 결과들을 함께 소개한다. |