Multi-pass Sieve를 이용한 한국어 상호참조해결 반-자동 태깅 도구
|
|
- 서기 진
- 6 years ago
- Views:
Transcription
1 Siamese Neural Network 박천음 강원대학교 Intelligent Software Lab. Intelligent Software Lab.
2 Intro. S2Net Siamese Neural Network(S2Net) 입력 text 들을 concept vector 로표현하기위함에기반 즉, similarity 를위해가중치가부여된 vector 로표현 linear projection // metric learning approach Input Output Original term vector (one-hot) Projected concept vector Model parameters (weights) e.g. word embedding Model parameters IIIIIIIIII pppppppp rrrrrr tttttttt vvvvvvvvvvvv, ttttttttt llllllllllll, 각 oooooooooooo vvvvvvvvvvvvvv ssssss. : min llllllll(. ) llllllllll: ssssssssssssss oooo nnnnnn Intelligent Software Lab. 2
3 Learning concept vector vector z OOOOOOOOOOOO Projected concept vector VV pp : < > ssssss(vv pp, VV qq ) VV qq : < > HHHHHHHHHHHH: ttttt Model parameters IIIIIIIIII: tttt aa 0,0,, aa 0,kk aa 1,0,, aa 1,kk aa dd,0,, aa dd,kk Original term vector (one-hot) <0, 1, 0, 0,.. 0, 1>_(dx1) Intelligent Software Lab. 3
4 Model design ffffffffffffffffffffff NN: nnnntt jj = dd ii=0 ww iiii xx ii S2Net: ttww cc jj = ttii VV αα iiii tttt(tt ii ) αα iiii AA aaaaaaaaaaaaaaaaaaaa ffffffffffffffff sigmoid (non-linear) ssssssssss ttww (. ) ff = tttttttt vvvvvvvvvvvv tttt, ff = VV, dd 1 rrrrrr vvvvvvvvvvvv AA = αα iiii, αα dd kk iiii AA ( weights) gg = AA TT ff ssssmm AA (ff pp, ff qq ) vvvvvvvvvvvv gg kk 1 ( projected concept vector) Intelligent Software Lab. 4
5 Loss function using the cosine similarity tttttttt vvvvvvvvvvvv pppppppp ff pp, ff qq cccccccccccccccccccccccccc cccccccccccccc vvvvvvvvvvvvvv cccccccccccc vvvvvvvvvv gg pp, gg qq gg pp = AA TT ff pp, gg qq = AA TT ff qq ssssmm AA ff pp, ff qq = TTTTTTTT llllllllll = yy pppp gg pp gg pp TT gg qq gg qq llllllll ffffffffffffffff(mmmmmm) = 1 2 yy pppp ssssmm AA ff pp, ff qq 2 요런방법도있음 ( 기본적인방법 ) query 에가까운 text object 를선택하기위해 MSE 사용 Intelligent Software Lab. 5
6 Training procedure : ssssssssssssssssssss ssssssssss tttttttt vvvvvvvvvvvv ff ppp, ff qqq, (ff ppp, ff qqq ) 를비교 첫번째 term vector 가더 high similarity 식으로표현하면 = ssssmm AA ff ppp, ff qqq ssssmm AA ff ppp, ff qqq 를 logistic loss 로변환 [0 or 1] 로 loss 값을반올림 LL ; AA = log(1 + exp γγ ) 값이커질수록 loss 값이작아짐 γγ 는 cosine function 때문에 를 γγ 만큼확대시킴 ( dddddddddddddd : [-2, 2]) 따라서 prediction error 에도움됨 γγ 는경험상크게 (= 10) 여기서 AA 를최적화 ( 타겟, high score) ( 출력 ) 본논문에서의 loss function Intelligent Software Lab. 6
7 Gradient derivation LL ; AA 에서 AA 최적화 LL ;AA AA = γγ 1+exp( γγ ) AA = ssssmm AA AA AA ff ppp, ff qqq ssssmm AA AA ff pp, ff qq cos gg pp, gg qq = AA ssssmm AA ff pp2, ff qq2 = AA cos gg pp, gg qq gg pp TT gg qq gg pp gg qq 1 AA gg TT pp gg qq = AA AA TT ff pp gg qq + AA AA TT ff qq gg pp = ff pp gg TT TT qq + ff qq gg pp 1 = gg TT gg pp gg pp pp = 1 2 gg pp TT gg pp 23 AA gg pp TT gg pp = gg pp TT gg pp 23 ff pp gg pp TT LL ; AA = log(1 + exp γγ ) = ssssmm AA ff ppp, ff qqq gg pp = AA TT ff pp, ssssmm AA ff ppp, ff qqq gg qq = AA TT ff qq 3 1 gg qq = gg qq TT gg qq 2 3 ff qq gg qq TT Intelligent Software Lab. 7
8 S2Net example: max() Input sentences Sen1: what movies johnny depp is in? Sen2: what movies does johnny depp play in? Sen3: who has been married to julia roberts? Bag of words(size 16): Term vector: Intelligent Software Lab. 8
9 S2Net example: max() cont` Weights: (size: 2 x 16) xx ii xx ww WW TT Intelligent Software Lab. 9
10 S2Net example: max() cont` yy = ff(ww TT xx), (cccccccccccccc vvvvvvvvvvvv yy 2 1 ) sigmoid xx ii yy ii yy ii ff(nnnntt jj ) ssssssssss zz ddddddd, zz ddddddd, max(0, 1 zz ddddddd + zz ddddddd ) yy ii zz ddddddd yy ii yy ii zz dddddd2 score(.) yy ii Intelligent Software Lab. 10
11 S2Net example: max() cont` Back prop. ssssss zz ddddddd, zz ddddddd mmmmmm 0, nnnnnn = 1 iiii 1 ss + ss cc > 0 0 ooooooooooooooooo gradient update fff nnnnnn = ssssssssssssss. gradient update logistic sigmoid ff nnnnnn = ff nnnnnn nnnnnn exp nnnnnn = ff nnnnnn 1 ff nnnnnn Intelligent Software Lab. 11
12 Intelligent Software Lab. 12
13 S2Net example: cosine_sim() Input sentences Sen1: what movies johnny depp is in? Sen2: what movies does johnny depp play in? Sen3: who has been married to julia roberts? Bag of words(size 16): Term vector: Intelligent Software Lab. 13
14 S2Net example cosine_sim() cont` Weights: (size: d x k) Term vector: ssssssssss ttww (. ) ff = tttttttt vvvvvvvvvvvv tttt, ff = VV, dd 1 rrrrrr vvvvvvvvvvvv AA = αα iiii, αα dd kk iiii AA ( weights) gg = AA TT ff ssssmm AA (ff pp, ff qq ) vvvvvvvvvvvv gg kk 1 ( projected concept vector) Intelligent Software Lab. 14
15 S2Net example cosine_sim() cont` Term vectors: AA TT : 0.005, 0.1, 0.12, , 0.1, 0.1, 0.1, , 0.003, 0.1, 0.1, 0, 0, 0.2, 0.005, , 0.075, 0.005, 0.02, 0.05, 0.05, 0.05, 0.2, 0.2, 0.005, 0.08, 0.075, 0.09, 0.076, , 0.01 Intelligent Software Lab. 15
16 S2Net example cosine_sim() cont` gg = AA TT ff (cccccccccccccc vvvvvvvvvvvv gg kk 1 ) ssssmm AA ff pp, ff qq = gg pp TT gg qq gg pp gg qq, (cosine similarity) (aaaaaaaaaaaaaaaaaaaa ffffffffffffffff) Intelligent Software Lab. 16
17 S2Net example cosine_sim() cont` YY llllllllll llllllll ffffffffffffffff(mmmmmm) = 1 2 yy pppp ssssmm AA ff pp, ff qq 2 Or 0 Intelligent Software Lab. 17
18 Intelligent Software Lab.
19 S2Net example3 cosine_sim() activation Input sentences Sen1: what movies johnny depp is in? Sen2: what movies does johnny depp play in? Sen3: who has been married to julia roberts? Bag of words(size 16): Term vector: Intelligent Software Lab. 19
20 S2Net example3 cosine_sim() activation` Weights: (size: d x k) Term vector: ssssssssss ttww (. ) ff = tttttttt vvvvvvvvvvvv tttt, ff = VV, dd 1 rrrrrr vvvvvvvvvvvv AA = αα iiii, αα dd kk iiii AA ( weights) gg = AA TT ff ssssmm AA (ff pp, ff qq ) vvvvvvvvvvvv gg kk 1 ( projected concept vector) Intelligent Software Lab. 20
21 S2Net example3 cosine_sim() activation` Input vector: AA TT : 0.05, 0.05, 0.1, 0.02, 0.1, 0.005, 0.005, 0.08, 0.125, 0.1, 0.1, 0.125, 0.115, 0.005, 0.01, , 0.075, 0.125, 0.075, 0.05, 0.05, 0.05, 0.2, , 0.05, 0.025, 0.075, 0.075, 0.05, , Intelligent Software Lab. 21
22 S2Net example3 cosine_sim() activation` gg = AA TT ff (cccccccccccccc vvvvvvvvvvvv gg kk 1 ) ssssmm AA ff pp, ff qq = gg pp TT gg qq gg pp gg qq, (cosine similarity) Intelligent Software Lab. 22
23 S2Net example3 cosine_sim() activation` Y label Intelligent Software Lab. 23
<4E505F415AB1DBB7CEB9FABAF1C1EEC7C3B7A35FBEE0B0FC28303630343031292E687770>
무배당 알리안츠글로벌비즈플랜보험 약관 제1관 보험계약의 성립과 유지 제1조 보험계약의 성립 제2조 청약의 철회 제3조 약관교부 및 설명의무 등 제4조 계약의 무효 제5조 계약내용의 변경 제6조 보험대상자(피보험자)의 변경 제7조 계약의 갱신 제8조 계약자의 임의해지 제9조 계약의 소멸 제10조 보험나이 제2관 보험료의 납입(계약자의 주된 의무) 제11조 제1회
More information제 2 장육상관측소지상종관기상전문의해독과기입,.,. (FM 12) (FM 13). (WMO) FM 12-Ⅸ Ext. SYNOP, FM 13-Ⅸ Ext. SHIP. ZCZC 612 SMKO01 RKSL AAXX
제 2 장육상관측소지상종관기상전문의해독과기입,.,. (FM 12) (FM 13). (WMO) FM 12-Ⅸ Ext. SYNOP, FM 13-Ⅸ Ext. SHIP. ZCZC 612 SMKO01 RKSL 221200 AAXX 22124 47140 11662 82709 10240 20226 39941 49970 52015 60112 72166 8552/ 333 10248
More information오투중3-2과학정답1
1 01 1 3 4 a a 4 1 2 3 4 01 02 5 6 7 8 10 C D C D 11 C D 1 2 3 + + +C 1 C+ 4 5 6 02 C D = 1 + 1 + + + 1 2 + 1 1 + +C 1 C+ 3 4 6 7 8 + 1 + 9 H,.N +3H 12,2.NH 11 3333 13 3_2=6 2_3=6 N,1.N +3H 12,2.NH 112
More information<32303032BEC7BFECC1F62E687770>
2001-2002 전남대학교 산악회 2002년 제12집 먼 훗날 당신이 찾으시면 그때에 그 말이 잊었노라. 당신이 속으로 나무라면 무척 그리다 잊었노라. 오늘도 어제도 아니 잊고 먼 훗날 그때도 잊었노라. 지도교수 인사말 산은 인생의 도장이라는 말이 있습니다. 산은 無 言 속에서도 自 然 의 理 致 를 가르쳐주고, 또한 많은 智 慧 를 줍니다. 그러나 生 活
More information1 1. (,, ) ( ) (,,, )., 1 ( ), ( ) ( ) 30, ( ) , + 1%., 1.
1 1. (,, ) ( ) (,,, )., 1 ( ), ( ) ( ) 30, ( ). 30. 1, + 1%., 1. 2 1 15. 1,., 1. 3., ( ),.,,,,,. 1 ( ( ) 2 10 ) 3. 2, 1. 1. 2., ( ) ( ), ( ) ( ) 3. 4. ( ) 2,. 4. 1.. 2.., 6. 2,.. 12 200% (, 1,.) 3. ( )
More information슬라이드 제목 없음
물리화학 1 문제풀이 130403 김대형교수님 Chapter 1 Exercise (#1) A sample of 255 mg of neon occupies 3.00 dm 3 at 122K. Use the perfect gas law to calculate the pressure of the gas. Solution 1) The perfect gas law p
More informationA 001~A 036
4 3 2 0 8 91 0 1 2 3 4 5 6 08 09 00 01 02 03 04 18 19 10 29 20 22 23 39 30 31 32 33 48 49 40 41 59 50 69 1 2 3 4 1 2 3 4 1 4 7 10 13 1 2 3 4 5 6 rev. C C r C a f h f h L h h nrpm f h f n L C 3 P L
More information2015년 2월 12일 사랑의 동삭교육 제 2014-4호 (2월) 5 2015년 2월 12일 사랑의 동삭교육 제 2014-4호 (2월) 6 겨울이 되면 1-4 박지예 겨울이 되면 난 참 좋아. 겨울이 되면 귀여운 눈사람도 만들고 겨울이 되면 신나는 눈싸움도 하고 겨울이
2015년 2월 12일 사랑의 동삭교육 제 2014-4호 (2월) 1 2015년 2월 12일 사랑의 동삭교육 제 2014-4호 (2월) 2 제2014년 - 4호 ( 2월 ) 펴낸이 : 안 승 렬 교장선생님 도운이 : 박 명 덕 교감선생님 편집인 : 정 경 순 선생님 Tel. (031) 618-9671 학부모회장님 글 1 2월 동삭 교육활동 1.13 신입생 예비소집
More informationPowerPoint 프레젠테이션
Introduction to Deep Learning and Neural Networks Vision Modeling Lab. Division of Electrical Engineering Hanyang University, ERICA Campus 2 Contents Machine learning Artificial Neural Network (ANN) 신경망의역사와최근의딥러닝
More informationHWP Document
CODE A00-B99 A00-A09 A00 KOR_TITLE 특정 감염성 및 기생충성 질환 창자 감염 질환 콜레라 A00.0 비브리오 콜레리 01 전형균에 의한 콜레라 A00.0 전형균에 의한 콜레라 A00.1 비브리오 콜레리 01 엘토르형균에 의한 콜레라 A00.1 엘토르형균에 의한 콜레라 A00.9 상세불명의 콜레라 A01 A01.0 장티푸스 장티푸스
More information<494352503131335FC1F8B9E6B1B3C0B02E687770>
ICRP 간행물 113 진단 및 중재 절차를 위한 방사선방호 교육훈련 Education and Training in Radiological Protection for Diagnostic and Interventional Procedures 대한방사선방어학회 이 번역본 발간은 2011년도 원자력안전위원회 방사선안전기술 개 발사업 과제 지원(한국동위원소협회로 부터
More information제 호 년 제67차 정기이사회, 고문 자문위원 추대 총동창회 집행부 임원 이사에게 임명장 수여 월 일(일) 년 월 일(일) 제 역대 최고액 모교 위해 더 확충해야 강조 고 문:고달익( 1) 김병찬( 1) 김지훈( 1) 강보성( 2) 홍경식( 2) 현임종( 3) 김한주( 4) 부삼환( 5) 양후림( 5) 문종채( 6) 김봉오( 7) 신상순( 8) 강근수(10)
More information<C1DF3320B0B3B3E4BFCFBCBA20C0AFC7FCC3BCC5A92035C8A328C7D8BCB3292E706466>
V. 5 EGc F=EG+4 {a+b}@= c@ +4\ ab Step /a@+b@= c@ Z=4@+@=5=5{cm} EG EG=Z @ =5@=5{cm@} 5 6 x=5y=4 x=y=5 x=4@+@=5=5 x=0@-8@=6=6 x=@-@=5=5 y=4@+5@=4 x=0@-6@=44= y=@-@=5=5 4 {a-b}@a@+b@ 9`cm `cm 9`cm@ E=4+FG
More information<BACFC7D1B3F3BEF7B5BFC7E22D3133B1C733C8A3504446BFEB2E687770>
북한의 주요 농업 관련 법령 해설 1) 이번 호와 다음 호에서는 북한의 주요 농업 관련 법령을 소개하려 한다. 북한의 협동농장은 농업협동조합기준규약초안 과 농장법 에 잘 규정되어 있다. 북한 사회주의 농업정책은 사회 주의농촌문제 테제 2), 농업법, 산림법 등을 통해 엿볼 수 있다. 국가계획과 농업부문의 관 계, 농산물의 공급에 관해서는 인민경제계획법, 사회주의상업법,
More information1 9 2 0 3 1 1912 1923 1922 1913 1913 192 4 0 00 40 0 00 300 3 0 00 191 20 58 1920 1922 29 1923 222 2 2 68 6 9
(1920~1945 ) 1 9 2 0 3 1 1912 1923 1922 1913 1913 192 4 0 00 40 0 00 300 3 0 00 191 20 58 1920 1922 29 1923 222 2 2 68 6 9 1918 4 1930 1933 1 932 70 8 0 1938 1923 3 1 3 1 1923 3 1920 1926 1930 3 70 71
More information16중등빨이수학3-2교부(01~23)
9 a b c a+b+c 0 7 a 79799 79a 0 9 1 0 7 0 99 9 9 0 0 7 7 0 717 9 7 0 1 7-1 - - 7 1 0 0 1 ab b-a 0 997 7 9191 17 S 7 1 0 0 1 0 0 a b c a+b+c 1 7 [0~09] 0 _ 7 7 0 0 0 [~0] [09~] 777 017 0 09 0 0 1 0 1 9
More information수리 영역 가 형 5. 다음 그림과 같이 크기가 같은 정육면체 개가 한 모서리씩을 공유하 면서 각 면이 평행 또는 수직 관계를 유지한 채로 한 평면 위에 놓여있 다. 그림의 세 꼭짓점 A, B, C에 대한 두 벡터 BA 와 BC 가 이루는 각 의 크기를 h라 할 때,
제``교시 수리 영역( 가 형) 시간:00분 점수:00점 성명 수험 번호 쭚 반드시 본인이 선택한 유형( 가 형 또는 나 형)의 문제인지 확인하시오. 쭚 문제지와 답안지에 성명과 수험 번호를 정확히 기입하시오. 쭚 MR 답안지에 성명, 수험 번호, 응시 유형 및 선택 과목, 답 등을 표기할 때에는 반드시 수험생이 지켜야 할 사항 에 따라 표기하시오. 쭚 문항에
More informationCS322 중간고사.docx
Midterm Fall 2014 2014 년 10 월 10 월 21 일화요일오후 1:00 2:30 전산학동 E3-1 1501 호 ( 제 1 공동강의실 ) Prof. Choe, Kwang-Moo : : Grading Result: Problem Total 1 /10 /10 2 /10 /10 /10 /30 3 /5 /10 /15 4 /10 /15 /15 /40
More information<313120C0AFC0FCC0DA5FBECBB0EDB8AEC1F2C0BB5FC0CCBFEBC7D15FB1E8C0BAC5C25FBCF6C1A42E687770>
한국지능시스템학회 논문지 2010, Vol. 20, No. 3, pp. 375-379 유전자 알고리즘을 이용한 강인한 Support vector machine 설계 Design of Robust Support Vector Machine Using Genetic Algorithm 이희성 홍성준 이병윤 김은태 * Heesung Lee, Sungjun Hong,
More informationProbability Overview Naive Bayes Classifier Director of TEAMLAB Sungchul Choi
Probability Overview Naive Bayes Classifier Director of TEAMLAB Sungchul Choi 머신러닝의학습방법들 - Gradient descent based learning - Probability theory based learning - Information theory based learning - Distance
More informationch3.hwp
미디어정보처리 (c) -4 한남대 정보통신멀티미디어학부 MCCLab. - -...... (linear filtering). Z k = n i = Σn m Σ j = m M ij I ji 컨볼루션 영역창 I I I I 3 I 4 I 5 I 6 I 7 I 8 x 컨볼루션 마스크 M M M M 3 M 4 M 5 M 6 M 7 M 8 I 입력 영상 Z 4 = 8 k
More information김경재 안현철 지능정보연구제 17 권제 4 호 2011 년 12 월
지능정보연구제 17 권제 4 호 2011 년 12 월 (pp.241~254) Support vector machines(svm),, CRM. SVM,,., SVM,,.,,. SVM, SVM. SVM.. * 2009() (NRF-2009-327- B00212). 지능정보연구제 17 권제 4 호 2011 년 12 월 김경재 안현철 지능정보연구제 17 권제 4 호
More information무배당 바로받는연금보험II 약관 이 보험계약에서 인용된 법령내용은 [부록] 약관에서 인용 된 법령내용 을 참고하시기 바랍니다. 목 차 가입자 유의사항 4 주요내용 요약서 6 보험용어 해설 8 무배당 바로받는연금보험II 약관 11 지정대리청구서비스특약 약관 39 [부록] 약관에서 인용된 법령내용 45 신체부위 설명도 96 무배당 바로받는연금보험Ⅱ 약관 3 가입자
More informationSoftware Requirrment Analysis를 위한 정보 검색 기술의 응용
EPG 정보 검색을 위한 예제 기반 자연어 대화 시스템 김석환 * 이청재 정상근 이근배 포항공과대학교 컴퓨터공학과 지능소프트웨어연구실 {megaup, lcj80, hugman, gblee}@postech.ac.kr An Example-Based Natural Language System for EPG Information Access Seokhwan Kim
More information딥러닝 첫걸음
딥러닝첫걸음 4. 신경망과분류 (MultiClass) 다범주분류신경망 Categorization( 분류 ): 예측대상 = 범주 이진분류 : 예측대상범주가 2 가지인경우 출력층 node 1 개다층신경망분석 (3 장의내용 ) 다범주분류 : 예측대상범주가 3 가지이상인경우 출력층 node 2 개이상다층신경망분석 비용함수 : Softmax 함수사용 다범주분류신경망
More informationOrcad Capture 9.x
OrCAD Capture Workbook (Ver 10.xx) 0 Capture 1 2 3 Capture for window 4.opj ( OrCAD Project file) Design file Programe link file..dsn (OrCAD Design file) Design file..olb (OrCAD Library file) file..upd
More information<BFA1B9F6B8AEC4A1BBF3C7D8BAB8C7E820BEE0B0FC2E687770>
반드시 알아두셔야 할 사항 6 보험안내서 7 에버리치상해보험 상품요약서 18 에버리치상해보험 약관 제1장 보험계약의 성립과 유지 28 제1조 보험계약의 성립 제2조 청약의 철회 제3조 약관교부 및 설명의무 등 제4조 계약의 무효 제5조 계약내용의 변경 제6조 계약자의 임의해지 제7조 계약의 소멸 제2장 보험료의 납입(계약자의 주된 의무) 29 제8조 제1회
More informationVer. DS-2012.T3.DWS.STR-1.0 System Test Report for Digital Watch System Test Cases Specification Test Summary Report Project Team 이동아 Latest update on
System Test Report for Digital Watch System Test Cases Specification Test Summary Report roject Team 이동아 Latest update on: 2012-10-26 Team Information 이동아 : dalee.dslab@gmail.com Dong-Ah Lee 1 Table of
More information< 목 차 > < 가입자 유의사항 >... 5 < 주요내용 요약서 >... 6 < 보험용어 해설 >... 8 < 주요 민원사례 >... 10 < 약관조항 안내 >... 11 무배당수호천사플러스상해보험 약관... 12 제 1 관 목적 및 용어의 정의... 12 제 1 조
무배당수호천사플러스상해보험 약관 1 < 목 차 > < 가입자 유의사항 >... 5 < 주요내용 요약서 >... 6 < 보험용어 해설 >... 8 < 주요 민원사례 >... 10 < 약관조항 안내 >... 11 무배당수호천사플러스상해보험 약관... 12 제 1 관 목적 및 용어의 정의... 12 제 1 조 목적... 12 제 2 조 용어의 정의... 12 제
More informationMATLAB and Numerical Analysis
School of Mechanical Engineering Pusan National University dongwoonkim@pusan.ac.kr Review 무명함수 >> fun = @(x,y) x^2 + y^2; % ff xx, yy = xx 2 + yy 2 >> fun(3,4) >> ans = 25 시작 x=x+1 If문 >> if a == b >>
More information기획-4-ok.indd
4월 특별기획 글 이재웅 기자 사진 동아일보, 위키피디아 외 숫자 4, 기 살리기 대작전 화창한 4월, 사람들은 따스한 봄 날씨를 즐기려 야외로 나서지. 하지만 숫자 4에겐 봄이 찾아오지 않아. 다들 4란 수를 꺼려하기 때문이야. 4는 왜 우울한 숫자로 알려진 걸까? 무슨 오해가 있는 건 아닐까? 그 동안 알지 못했던 4의 이야기를 들어 보자. 48 수학동아
More information고등학교 수학 요약노트 - 확률과 통계
고등학교 수학 요약노트 확률과 통계 Sooji Shin soojishin@live.com 이 노트에서는 고등학교에서 배우는 수학의 내용 중 확률과 통 계에 관련된 개념과 공식을 정리하고 그에 따른 예제와 풀이를 소개합니다. 필요한 경우 중학교 과정의 내용도 포함하고 있습 니다. 이 노트에서 포함하고 있는 내용은 다음과 같습니다. 경우의 수 대푯값과 산포도 확률의
More information<BAB8C7E8B0A1C0D4BEC8B3BBBCAD28C0CEC3B5B1B3C0B0C3BB292D323031362E687770>
본 안내서은 참고용이며 세부사항은 약관 및 계약내용을 따릅니다. (1) 퇴직 또는 전출 시 : 보험기간 개시일부터 퇴직 또는 전출하는 날까지를 보상 (퇴직 또는 전출하는 날로 보험기간 종료) (2) 신입/전입 시 : 신입 또는 전입하는 날부터 보험기간 종료일까지를 보상(재직중) (3) 보험금 청구소멸시효 : 보험사고 발생일로부터 3년 이내 청구(상법 제 662조)
More informationVP3145-P1495.eps
eries,,,,,, 4 W 0 W Q Q 9 9 eries D J -K - X X5 X6 X7 X9 X X3 X4 X5 X6 X7 X X9 X0 X X X X X X6 X7 X X X X X X6 ( 0 ) (5mm/s) ( 0 ),, (U4) U ).,. 40 eries Q 4 eries,,,,, L F D T F L J K N R H P.43. ( )...
More informationDIY 챗봇 - LangCon
without Chatbot Builder & Deep Learning bage79@gmail.com Chatbot Builder (=Dialogue Manager),. We need different chatbot builders for various chatbot services. Chatbot builders can t call some external
More information2 : (Seungsoo Lee et al.: Generating a Reflectance Image from a Low-Light Image Using Convolutional Neural Network) (Regular Paper) 24 4, (JBE
2: (Seungsoo Lee et al.: Generating a Reflectance Image from a Low-Light Image Using Convolutional Neural Network) (Regular Paper) 24 4, 2019 7 (JBE Vol. 24, No. 4, July 2019) https://doi.org/10.5909/jbe.2019.24.4.623
More informationA y y y y y # 2#
0. 9 A 0 0. 0-0.5748 0 0.454545 04 0.4 05 0.5 06 0.4 07-0.555 08 0.9666 09 5@ 5@ 00 0.5 0 5 5 5@ 5 # # 7 0.07 0.5 0.55 4 0.5 5 0.06 6 7 8 \ 9 \ 0 \ 0.^ 40-.4^0^ 4 50.^5^ 5 55.0^5^ 6 0.4^857^4857 7 0.^8^8
More informationPowerPoint 프레젠테이션
[ 인공지능입문랩 ] SEOPT ( Study on the Elements Of Python and Tensorflow ) . ( 통계적이아니라시행착오적 ) 회귀분석 ( 지도학습 ) by Tensorflow - Tensorflow 를사용하는이유, 신경망구조 - youngdocseo@gmail.com 인공지능 데이터분석 When you re fundraising,
More information슬라이드 1
빅데이터분석을위한데이터마이닝방법론 SAS Enterprise Miner 활용사례를중심으로 9 주차 예측모형에대한평가 Assessment of Predictive Model 최종후, 강현철 차례 6. 모형평가의기본개념 6.2 모델비교 (Model Comparison) 노드 6.3 임계치 (Cutoff) 노드 6.4 의사결정 (Decisions) 노드 6.5 기타모형화노드들
More information.......hwp
碩 士 學 位 論 文 健 康 保 險 財 政 安 定 化 方 案 A Scheme for Financial Security of National Health Insurance 公 州 大 學 校 經 營 行 政 大 學 院 行 政 學 專 攻 李 淳 業 2003 年 2 月 석 사 학 위 논 문 健 康 保 險 財 政 安 定 化 方 案 A Scheme for Financial
More information사회통계포럼
wcjang@snu.ac.kr Acknowledgements Dr. Roger Peng Coursera course. https://github.com/rdpeng/courses Creative Commons by Attribution /. 10 : SNS (twitter, facebook), (functional data) : (, ),, /Data Science
More information±è¼ºÃ¶ Ãâ·Â-1
Localization Algorithms Using Wireless Communication Systems For efficient Localization Based Services, development of accurate localization algorithm has to be preceded. In this paper, research trend
More informationⅠ. Introduction 우리들을 둘러싸고 잇는 생활 환경속에는 무수히 많은 색들이 있습니다. 색은 구매의욕이나 기호, 식욕 등의 감각을 좌우하는 것은 물론 나뭇잎의 변색에서 초목의 건강상태를 알며 물질의 판단에 이르기까지 광범위하고도 큰 역할을 하고 있습니다. 하
색 이론과 색채관리 Ⅰ. Introduction( 일반색채 이론) Ⅱ. 색의 표현 ⅰ) 색상 ⅱ) 명도 ⅲ) 채도 ⅳ) 색의 종류 ⅴ) 색의 삼원색 ⅵ) 색의 사원색 Ⅲ. 색의 전달 ⅰ) 변천과정 ⅱ) Color space Ⅳ. 색의 재현 ⅰ) 가법 혼합 ⅱ) 감법 혼합 ⅲ) C.C.M System Ⅴ. 색의 관리 ⅰ) 목적 ⅱ) 적용범위 ⅲ) 색차계 ⅳ)
More information<39373031C0FCC0CEC3CA2E687770>
人 文 科 學 제97집 2013년 4월 晩 牛 朴 榮 濬 의 在 滿 時 節 小 說 試 探 Ⅰ. 서론 : 滿 洲 의 時 空 的 意 味 晩 牛 朴 榮 濬 (1911-1976)은 연희전문을 졸업하던 해(1934년)에 단편 模 範 耕 作 生 이 조선일보 신춘문예에, 장편 일년( 一 年 ) 이 신동아 의 현상 소설 모집에, 꽁트 새우젓 이 역시 신동아 에 거의 동시에
More information저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,
More informationQbD 적용을위한품질심사해설서 ( 예시 )
QbD 적용을위한품질심사해설서 ( 예시 ) 목차 - 1 - 적용예시 1. FDA 사례요약 - 제네릭의약품 ( 속방성정제 ) - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - 약동학적변수 Lot #2 Lot #3 Lot #4 (d 90 20 um) (d 90 30 um) (d 90 45 um) 대조약 - 8 - 90 max - 9 - 0-t max
More informationPage 2 of 6 Here are the rules for conjugating Whether (or not) and If when using a Descriptive Verb. The only difference here from Action Verbs is wh
Page 1 of 6 Learn Korean Ep. 13: Whether (or not) and If Let s go over how to say Whether and If. An example in English would be I don t know whether he ll be there, or I don t know if he ll be there.
More information+ F F P. = = = F = F F = = 0 cm =x cm =(x+)x x=0 =0 cm cm cm x cm = =0(cm) P. 0 x=y= x= cm FF cm 0 x= x= =x(0-x) x= 0 (+)=x x= (+)=y 0 y= x= x= = 0= 0
= = = = = - =-=0 0 F ==0 +=0 +F=0 =F ªF F = F =0 F =F = F = 0= x= x= y= y= z= z= x+y+z=++= x y z x+y+z = = ªSS = y` = = (cm) ª 0% 0% P. ªªªF =. =. =. 0 =. F =. =0 = F =. F = 0 F ªF F = =F = x=, y= x=,
More informationRNN & NLP Application
RNN & NLP Application 강원대학교 IT 대학 이창기 차례 RNN NLP application Recurrent Neural Network Recurrent property dynamical system over time Bidirectional RNN Exploit future context as well as past Long Short-Term
More information融合先验信息到三维重建 组会报 告[2]
[1] Crandall D, Owens A, Snavely N, et al. "Discrete-continuous optimization for large-scale structure from motion." (CVPR), 2011 [2] Crandall D, Owens A, Snavely N, et al. SfM with MRFs: Discrete-Continuous
More information최종보고서 종량제봉투 불법유통 방지를 위한 제도적 개선방안 연구 2009.8 환 경 부 제 출 문 환경부장관 귀하 본 보고서를 종량제봉투 불법유통 방지를 위한 제도적 개선 방안 연구 에 관한 최종보고서로 제출합니다. 2009.8 연구기관 :한국환경법학회 연구책임자 :송동수 (단국대 교수) 연 구 원 :함태성 (강원대 교수) 임 현 (단국대 교수) 연구보조원
More information<3136C1FD31C8A35FC3D6BCBAC8A3BFDC5F706466BAAFC8AFBFE4C3BB2E687770>
부동산학연구 제16집 제1호, 2010. 3, pp. 117~130 Journal of the Korea Real Estate Analysts Association Vol.16, No.1, 2010. 3, pp. 117~130 비선형 Mankiw-Weil 주택수요 모형 - 수도권 지역을 대상으로 - Non-Linear Mankiw-Weil Model on Housing
More informationCH2E-P0273.eps
I /// eries eries 3.5Pa,,,,, eries Pa,,,,, / eries Pa,,,,, 3 3.5Pa Pa Pa I eries ø, ø, ø, ø, ø, ø () 3.5Pa Pa Pa Pa 3.5Pa Pa Pa ø. W mm mm mm P.. P.4. mm mm mm () ø øø ø øø N 3(NPN) 5 5 5V,1V P 3(PNP)
More information<C3D6C1BE2DBDC4C7B0C0AFC5EBC7D0C8B8C1F62833322D32C8A3292E687770>
유자차 신제품에 대한 소비자 지불의사액 추정 강혜정 최지현 이기웅 유자차 신제품에 대한 소비자 지불의사액 추정 An Analysis on Estimation of Willingness to Pay for the New Products of Citrus Tea Assessed by Korean Consumers 강혜정* 최지현** 이기웅*** 1) Kang,
More informationSiemens
SIEMENS () 2004 7 Updated 2004 DEC 09 1. 4 1.1 4 1.2 4 2. 5 2.1 5 2.2 6 2.3 6 2.4 7 3. 8 3.1 50/60 Hz DIP 8 4. 9 4.1 420 9 4.2 420 9 4.3 (CB) 10 5. / () 11 5.1 11 5.2 : P0003 12 6. 13 6.1 13 6.2 15 6.2.1
More informationÀÎÅͳÝ-°ø°£µµÇüÇØ
.. Q.... M M : M Q : Q M : //Q.,.. I FG FE F FG, HG EH H HG F G FG ;!;_F _FG ;!;_G _F ;!;_'_;!; F F... 5. 5. 6. 5 7. 0 8. 7 9. ' FG, HG H G, H F E G H '. FG HG F, H. FH ' FH ' ' {} +{} -(') cos h -;!;
More information121_중등RPM-1상_01해(01~10)ok
1-01 00 11 03 1804 4 05 3506 45 07 5 65 0001 000 0003 0004 0005 01 4 4 6 5 6 9 Í = + =,, Í=Í=Í = = Í Í Í,, 0006 0007 0008 0009 0010 0011 001 7c 5c 3, 3 3, 6, 6 +50 =180 =130 130 +90 +30 =180 =60 60 =60
More informationPage 2 of 5 아니다 means to not be, and is therefore the opposite of 이다. While English simply turns words like to be or to exist negative by adding not,
Page 1 of 5 Learn Korean Ep. 4: To be and To exist Of course to be and to exist are different verbs, but they re often confused by beginning students when learning Korean. In English we sometimes use the
More information2015
2015 PLAY-UP 2015 PLAY-UP. 2012. 2015 PLAY-UP,. 6, 2 5 13,,,,.. 2015 PLAY-UP 1.,... 5 5 158 1. () 170 2., 8 1. (), 30 2. 190 3. (),,,,, 50 3. 200 4. (),,,, 80 4. 208 5. () 100 5.,, 226 1., 122 6. 242 2.
More information04김호걸(39~50)ok
Journal of Environmental Impact Assessment, Vol. 22, No. 1(2013) pp.39~50 Prediction of Landslides Occurrence Probability under Climate Change using MaxEnt Model Kim, Hogul* Lee, Dong-Kun** Mo, Yongwon*
More information(001~042)개념RPM3-2(정답)
- 0 0 0 0 6 0 0 06 66 07 79 08 9 0 000 000 000 000 0 8+++0+7+ = 6 6 = =6 6 6 80+8+9+9+77+86 = 6 6 = =86 86 6 8+0++++6++ = 8 76 = = 8 80 80 90 00 0 + = 90 90 000 7 8 9 6 6 = += 7 +7 =6 6 0006 6 7 9 0 8
More informationJournal of Educational Innovation Research 2018, Vol. 28, No. 1, pp DOI: * A Study on the Pe
Journal of Educational Innovation Research 2018, Vol. 28, No. 1, pp.405-425 DOI: http://dx.doi.org/10.21024/pnuedi.28.1.201803.405 * A Study on the Perceptions and Factors of Immigrant Background Youth
More informationSlide 1
Clock Jitter Effect for Testing Data Converters Jin-Soo Ko Teradyne 2007. 6. 29. 1 Contents Noise Sources of Testing Converter Calculation of SNR with Clock Jitter Minimum Clock Jitter for Testing N bit
More information4 CD Construct Special Model VI 2 nd Order Model VI 2 Note: Hands-on 1, 2 RC 1 RLC mass-spring-damper 2 2 ζ ω n (rad/sec) 2 ( ζ < 1), 1 (ζ = 1), ( ) 1
: LabVIEW Control Design, Simulation, & System Identification LabVIEW Control Design Toolkit, Simulation Module, System Identification Toolkit 2 (RLC Spring-Mass-Damper) Control Design toolkit LabVIEW
More informationTTA Verified : HomeGateway :, : (NEtwork Testing Team)
TTA Verified : HomeGateway :, : (NEtwork Testing Team) : TTA-V-N-05-006-CC11 TTA Verified :2006 6 27 : 01 : 2005 7 18 : 2/15 00 01 2005 7 18 2006 6 27 6 7 9 Ethernet (VLAN, QoS, FTP ) (, ) : TTA-V-N-05-006-CC11
More information07.051~058(345).fm
w wz 8«3y 2008 6 pp. 51 ~ 58 m qp yp š w k sƒ Evaluation of Dynamic Modulus based on Aged Asphalt Binder y*á **Á***Á**** Lee, Kwan-HoÁCho, Kyung-RaeÁLee, Byung-SikÁSong, Yong-Seon Abstract Development
More information생들의 역할을 중심으로 요약 될 수 있으며 구체적인 내용은 다음과 같다. 첫째. 교육의 대상 면에서 학습대상이 확대되고 있다. 정보의 양이 폭발적으로 증가하고 사회체제의 변화가 가속화 되면서 학습의 대상은 학생뿐만 아니라 성인 모두에게 확대되고 있으며 평생학습의 시대가
Ⅰ. 사회패러다임과 교육패러다임의 변화 1. 사회패러다임변화 교육환경의 변화를 이해하기 위해서는 우선 21세기 사회패러다임의 변화에 대한 이해가 필요하다. 요즈음 우리사회에 자주 사용되는 말 가운데 하나가 패러다임 을 전환해야 한다., 21세기를 지향하는 새로운 패러다임을 갖추어야 한다. 는 등 등 패러다임이라는 말을 많이 사용하고 있다. 패러다임이란 말은
More informationMVVM 패턴의 이해
Seo Hero 요약 joshua227.tistory. 2014 년 5 월 13 일 이문서는 WPF 어플리케이션개발에필요한 MVVM 패턴에대한내용을담고있다. 1. Model-View-ViewModel 1.1 기본개념 MVVM 모델은 MVC(Model-View-Contorl) 패턴에서출발했다. MVC 패턴은전체 project 를 model, view 로나누어
More information1 2 3 4 8 10 10 21 313 322 1 http://www.ktr.mlit.go.jp/river/shihon/river_shihon00000173.html 2 ds dt f r q ( t) ( t) ( ttl ) P s ( t) K q( tt ) l q ( t) 3.6 Q A ( t) r ( ) R t 0 f ) 0. 0 ( t R 0 r ( t
More information인켈(국문)pdf.pdf
M F - 2 5 0 Portable Digital Music Player FM PRESET STEREOMONO FM FM FM FM EQ PC Install Disc MP3/FM Program U S B P C Firmware Upgrade General Repeat Mode FM Band Sleep Time Power Off Time Resume Load
More informationChapter 11 Rate of Reaction
Chapter 11 Rate of Reaction 11 11.1 ? Rate Law Kinetics : 11 11.2 CO(g) + NO 2 (g) CO 2 (g) + NO(g) E a =134 kj CO(g) + NO 2 (g) H = -226 kj CO 2 (g) + NO(g) 11 11.3 N 2 O 5 (g) 2NO 2 (g) + 1/2 O 2 (g)
More information슬라이드 1
마이크로컨트롤러 2 (MicroController2) 2 강 ATmega128 의 external interrupt 이귀형교수님 학습목표 interrupt 란무엇인가? 기본개념을알아본다. interrupt 중에서가장사용하기쉬운 external interrupt 의사용방법을학습한다. 1. Interrupt 는왜필요할까? 함수동작을추가하여실행시키려면? //***
More information에너지경제연구 Korean Energy Economic Review Volume 17, Number 2, September 2018 : pp. 1~29 정책 용도별특성을고려한도시가스수요함수의 추정 :, ARDL,,, C4, Q4-1 -
에너지경제연구 Korean Energy Economic Review Volume 17, Number 2, September 2018 : pp. 1~29 정책 용도별특성을고려한도시가스수요함수의 추정 :, ARDL,,, C4, Q4-1 - . - 2 - . 1. - 3 - [ 그림 1] 도시가스수요와실질 GDP 추이 - 4 - - 5 - - 6 - < 표 1>
More informationR을 이용한 텍스트 감정분석
R Data Analyst / ( ) / kim@mindscale.kr (kim@mindscale.kr) / ( ) ( ) Analytic Director R ( ) / / 3/45 4/45 R? 1. : / 2. : ggplot2 / Web 3. : slidify 4. : 5. Matlab / Python -> R Interactive Plots. 5/45
More information...... .............hwp
- 1 - - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 - - 17 - - 18 - - 19 - - 20 - - 21 - - 22 - - 23 - - 24 - - 25 - - 26 - - 27 - - 28 - - 29 - 53)
More informationJournal of Educational Innovation Research 2018, Vol. 28, No. 3, pp DOI: NCS : * A Study on
Journal of Educational Innovation Research 2018, Vol. 28, No. 3, pp.157-176 DOI: http://dx.doi.org/10.21024/pnuedi.28.3.201809.157 NCS : * A Study on the NCS Learning Module Problem Analysis and Effective
More informationnonpara6.PDF
6 One-way layout 3 (oneway layout) k k y y y y n n y y K yn y y n n y y K yn k y k y k yknk n k yk yk K y nk (grand mean) (SST) (SStr: ) (SSE= SST-SStr), ( 39 ) ( )(rato) F- (normalty assumpton), Medan,
More informationGray level 변환 및 Arithmetic 연산을 사용한 영상 개선
Point Operation Histogram Modification 김성영교수 금오공과대학교 컴퓨터공학과 학습내용 HISTOGRAM HISTOGRAM MODIFICATION DETERMINING THRESHOLD IN THRESHOLDING 2 HISTOGRAM A simple datum that gives the number of pixels that a
More informationProblem New Case RETRIEVE Learned Case Retrieved Cases New Case RETAIN Tested/ Repaired Case Case-Base REVISE Solved Case REUSE Aamodt, A. and Plaza, E. (1994). Case-based reasoning; Foundational
More information2 2000. 8. 31
IT update 00 1 / 2000.8.30 IT update Information Technology 2 2000. 8. 31 C o n t e n t s 2000. 8. 31 3 4 2000. 8. 31 2000. 8. 31 5 6 2000. 8. 31 2000. 8. 31 7 8 2000. 8. 31 2000. 8. 31 9 1 0 2000. 8.
More informationMicrosoft PowerPoint Relations.pptx
이산수학 () 관계와그특성 (Relations and Its Properties) 2010년봄학기강원대학교컴퓨터과학전공문양세 Binary Relations ( 이진관계 ) Let A, B be any two sets. A binary relation R from A to B, written R:A B, is a subset of A B. (A 에서 B 로의이진관계
More information방송공학회논문지 제18권 제2호
방송공학회논문지 제 20권 6호 (2015년 11월) 특집논문 : 2015년 하계학술대회 좌장추천 우수논문 프레넬 회절을 이용한 디지털 홀로그램 암호화 알고리즘 새로운 광적응 효과 모델을 이용한 정교한 영상 화질 측정 민방위 경보 방송에 대한 정보 수용자 인식 연구 UHDTV 방송을 위한 공간 변조 다중 안테나 시스템 수신 성능 분석 홍보동영상 제작 서비스를
More information파이널생명과학1해설OK
EBS EBS 00 Finl E d u c t i o n l B r o d c s t i n g S y s t e m CO A B A~C CHON CHONP N.5 % 86.5 % 5.... 5. 6.. 8. 9. 0..... 5. 6.. 8. 9. 0. X Y X X 6 G DNA DNA S (A) (B) G DNA DNA (A)=; ;=;6!; (B)=;
More informationUnknown
0 THEME!!!_!_!_!_!=_6=8 pp. ~8!!!_!=70 0, P =_=, 0, _=9, _=9,, +9+9=0 6 6!=70, f, l, w, r P _!= =88 70-88= THEME (-)!=!!!_!=6 (-)!=!!!_!= 6 (-)!=! 6_!=6_= 6 (6-)!=!=0 0_=60, 6! 6 = =60 _ e, t l, r 6! =80!!
More informationMicrosoft PowerPoint - 기계공학실험1-1MATLAB_개요2D.pptx
1. MATLAB 개요와 활용 기계공학실험 I 2013년 2학기 MATLAB 시작하기 이장의내용 MATLAB의여러창(window)들의 특성과 목적 기술 스칼라의 산술연산 및 기본 수학함수의 사용. 스칼라 변수들(할당 연산자)의 정의 및 변수들의 사용 방법 스크립트(script) 파일에 대한 소개와 간단한 MATLAB 프로그램의 작성, 저장 및 실행 MATLAB의특징
More informationStage 2 First Phonics
ORT Stage 2 First Phonics The Big Egg What could the big egg be? What are the characters doing? What do you think the story will be about? (큰 달걀은 무엇일까요? 등장인물들은 지금 무엇을 하고 있는 걸까요? 책은 어떤 내용일 것 같나요?) 대해 칭찬해
More information<C7A5C1F620BEE7BDC4>
연세대학교 상경대학 경제연구소 Economic Research Institute Yonsei Universit 서울시 서대문구 연세로 50 50 Yonsei-ro, Seodaemun-gS gu, Seoul, Korea TEL: (+82-2) 2123-4065 FAX: (+82- -2) 364-9149 E-mail: yeri4065@yonsei.ac. kr http://yeri.yonsei.ac.kr/new
More information( )프로본문_ok
직업탐구 영역 프로그래밍 기획 및 개발 김원정(EBS) 집필 및 검토 이병모(덕정고) 이주암(강서공고) 정종직(단산중) 홍석범(상일미디어고) 이경배(선일이비즈니스고) 01 06 11 16 21 26 31 36 41 46 EBSi www.ebsi.co.kr Q&A EBSi www.ebsi.co.kr EBSi VOD 1 EBS 30 50 1 3 2 4 01 1
More information백서2011표지
2011 2011 2011 2 3 2011 4 5 2011 6 7 2011 8 9 2011 10 11 2011 12 13 2011 14 15 2011 16 17 2011 18 19 2011 20 21 2011 22 23 2011 24 25 2011 26 27 2011 28 29 2011 30 31 2011 32 33 2011 34 35 36 2011 1 SOFTWARE
More information..........(......).hwp
START START 질문을 통해 우선순위를 결정 의사결정자가 질문에 답함 모형데이터 입력 목표계획법 자료 목표계획법 모형에 의한 해의 도출과 득실/확률 분석 END 목표계획법 산출결과 결과를 의사 결정자에게 제공 의사결정자가 결과를 검토하여 만족여부를 대답 의사결정자에게 만족하는가? Yes END No 목표계획법 수정 자료 개선을 위한 선택의 여지가 있는지
More information13 Who am I? R&D, Product Development Manager / Smart Worker Visualization SW SW KAIST Software Engineering Computer Engineering 3
13 Lightweight BPM Engine SW 13 Who am I? R&D, Product Development Manager / Smart Worker Visualization SW SW KAIST Software Engineering Computer Engineering 3 BPM? 13 13 Vendor BPM?? EA??? http://en.wikipedia.org/wiki/business_process_management,
More information0 000., 000 0., 000-0., 000 0.666, 0 0.H6 0 0 0.0H8 0 06 07 08 9 09 6 00 0.H 0.H8 000 0.87, 0006-0.66, 0007 0.8, 0008 0.097, 0009 6, 0.H6 000,.HH 0 00
~9 0~6 0 0 0 7 0 0 0 06 6 07 6 08 69 09 78 0 8 9 0 0 0 000., 000 0., 000-0., 000 0.666, 0 0.H6 0 0 0.0H8 0 06 07 08 9 09 6 00 0.H 0.H8 000 0.87, 0006-0.66, 0007 0.8, 0008 0.097, 0009 6, 0.H6 000,.HH 0
More informationuntitled
Logic and Computer Design Fundamentals Chapter 4 Combinational Functions and Circuits Functions of a single variable Can be used on inputs to functional blocks to implement other than block s intended
More information<313630313032C6AFC1FD28B1C7C7F5C1DF292E687770>
양성자가속기연구센터 양성자가속기 개발 및 운영현황 DOI: 10.3938/PhiT.25.001 권혁중 김한성 Development and Operational Status of the Proton Linear Accelerator at the KOMAC Hyeok-Jung KWON and Han-Sung KIM A 100-MeV proton linear accelerator
More information¼º¿øÁø Ãâ·Â-1
Bandwidth Efficiency Analysis for Cooperative Transmission Methods of Downlink Signals using Distributed Antennas In this paper, the performance of cooperative transmission methods for downlink transmission
More informationMicrosoft PowerPoint - 26.pptx
이산수학 () 관계와그특성 (Relations and Its Properties) 2011년봄학기 강원대학교컴퓨터과학전공문양세 Binary Relations ( 이진관계 ) Let A, B be any two sets. A binary relation R from A to B, written R:A B, is a subset of A B. (A 에서 B 로의이진관계
More information1 1 x + # 0 x - 6 x 0 # x # 2r sin2x- sin x = 4cos x r 3 r 2r 5 r 3r
# 0 0 # # si si cos # 0 # 0 ^ h ^h^h# 0 ^! 0, h ^h^h# 0 ^! 0, h si si cos sicos si cos si ^cos h ^cos h si ^cosh^cos h 0 ^sih^cos h 0 0 # # cos cos, ^ si! h,, ` 0 # 혼자하는수능수학 0 년대비 9 월 A B, y f^h f^h, 0
More information