$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

'인공지능', '기계학습', '딥 러닝' 분야의 국내 논문 동향 분석

Trend Analysis of Korea Papers in the Fields of 'Artificial Intelligence', 'Machine Learning' and 'Deep Learning'

초록

4차 산업혁명의 대표적인 이미지 중 하나인 인공지능은 2016년 알파고 이후에 인공지능 인식이 매우 높아져 있다. 본 논문은 학국교육학술정보원에서 제공하는 국내 논문 중 '인공지능', '기계학습', '딥 러닝'으로 검색된 국내 발표 논문에 대해서 분석하였다. 검색된 논문은 약 1만여건이며 논문 동향을 파악하기 위해 빈도분석과 토픽 모델링, 의미 연결망을 이용하였다. 추출된 논문을 분석한 결과, 2015년에 비해 2016년에는 인공지능 분야는 600%, 기계학습은 176%, 딥 러닝 분야는 316% 증가하여 알파고 이후에 인공지능 분야의 연구가 활발히 진행됨을 확인할 수 있었다. 또한, 2018년 부터는 기계학습보다 딥 러닝 분야가 더 많이 연구 발표되고 있다. 기계학습에서는 서포트 벡터 머신 모델이, 딥 러닝에서는 텐서플로우를 이용한 컨볼루션 신경망이 많이 활용되고 있음을 알 수 있었다. 본 논문은 '인공지능', '기계학습', '딥 러닝' 분야의 향후 연구 방향을 설정하는 도움을 제공할 수 있다.

Abstract

Artificial intelligence, which is one of the representative images of the 4th industrial revolution, has been highly recognized since 2016. This paper analyzed domestic paper trends for 'Artificial Intelligence', 'Machine Learning', and 'Deep Learning' among the domestic papers provided by the Korea Academic Education and Information Service. There are approximately 10,000 searched papers, and word count analysis, topic modeling and semantic network is used to analyze paper's trends. As a result of analyzing the extracted papers, compared to 2015, in 2016, it increased 600% in the field of artificial intelligence, 176% in machine learning, and 316% in the field of deep learning. In machine learning, a support vector machine model has been studied, and in deep learning, convolutional neural networks using TensorFlow are widely used in deep learning. This paper can provide help in setting future research directions in the fields of 'artificial intelligence', 'machine learning', and 'deep learning'.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
텍스트 마이닝
텍스트 마이닝은 어떤 기술인가?
언어학, 통계학, 기계 학습 등을 기반으로 한 자연언어 처리 기술을 활용하여 반정형 및 비정형 텍스트 데이터를 정형화하고, 특징을 추출하기 위한 기술과 추출된 특징으로부터 의미 있는 정보를 발견할 수 있도록 하는 기술이다. 즉, 텍스트 데이터에서 가치와 의미가 있는 정보를 찾아내는 기술이다

텍스트 마이닝은 언어학, 통계학, 기계 학습 등을 기반으로 한 자연언어 처리 기술을 활용하여 반정형 및 비정형 텍스트 데이터를 정형화하고, 특징을 추출하기 위한 기술과 추출된 특징으로부터 의미 있는 정보를 발견할 수 있도록 하는 기술이다. 즉, 텍스트 데이터에서 가치와 의미가 있는 정보를 찾아내는 기술이다. 텍스트 마이닝 과정은 먼저 크롤링(Crawling)이나 스크래핑(Scrapping)을 통해 데이터를 수집한다.

4차 산업혁명
4차 산업혁명은 무엇을 의미하는가?
빅데이터를 기반으로 하여 인공지능, 기계학습과 딥 러닝 발달, 그리고 사물인터넷(IoT), 클라우드를 통해 인간뿐만 아니라 모든 기기가 연결되는 초연결 시대를 의미한다

4차 산업혁명은 빅데이터를 기반으로 하여 인공지능, 기계학습과 딥 러닝 발달, 그리고 사물인터넷(IoT), 클라우드를 통해 인간뿐만 아니라 모든 기기가 연결되는 초연결 시대를 의미한다. 인공지능 기술의 발달로 인해 인간의 지식 노동까지도 기계가 대체하는 초지능화 시대, 홀로그램등의 기술 발달로 인한 초현실 시대가 도래함을 의미한다.

딥러닝
딥러닝없이 바둑을 계산해야 될 경우, 경우의 수는 몇 개인가?
일반적으로 바둑을 계산해야 할 경우의 수는 250의 150제곱이다.

알파고는 기계학습 중 딥러닝을 기반으로 설계되었다. 일반적으로 바둑을 계산해야 할 경우의 수는 250의 150제곱이다. 몬테카를로 시뮬레이션을 사용하는 알파고는 딥 러닝 방식 없이 바둑을 둔다면 이 모든 경우의 수를 계산해야 하지만 이는 현실적으로 불가능하다.

질의응답 정보가 도움이 되었나요?

참고문헌 (0)

  1. 이 논문의 참고문헌 없음

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

이 논문 조회수 및 차트

  • 상단의 제목을 클릭 시 조회수 및 차트가 조회됩니다.

DOI 인용 스타일

"" 핵심어 질의응답