16 - Soft Computing Lab.

Report
The 10th International Conference on
Natural Computation
양견모, 노우현, 채유정
[email protected]
학회 정보
• 학회 일정
– 2014. 8. 19 ~ 2014. 8. 21
• 장소
– Days hotel, Xiamen, China
1
S
FT COMPUTING @ YONSEI UNIV . KOREA
16
견모
논문 발표
• 논문 제목
– Modular dynamic Bayesian network
based on Markov boundary for emotion
prediction in multi-sensory environment
• 발표
– 2014. 8. 20.
– Section: Smart communications and
networking
• Q&A
– 네트워크의 입력값으로 들어가는 센서데
이터는 어떻게 획득하였나?
 현재 유치원 환경에 온도 습도 조도 등의
센서를 부착하고 실제 데이터를 획득하고
있다.
2
S
FT COMPUTING @ YONSEI UNIV . KOREA
16
학회논문 1
• Speeding up deep neural networks for speech recognition on
ARM cortex-A series processors
• 동기 및 목표
– Deep neural network의 많은수의 parameter 필요
– Embedded platform에 DDN을 적용하기 위하여 모델의 크기와
computation cost 감소
• 방법
– Float-point에서 fixed point (고정 소수점)을 사용
– NEON instruction에 적용
– SVD: Weight matrix W와 vector x의 곱이 DNN에서 가장 많은 계산량
차지함2개의 작은 사이즈의 matrix로 factorize수행
• 실험
– ARM Cortex-A7 platform
– 12x 모델 크기 감소, 15x 계산 속도 증가
S
FT COMPUTING @ YONSEI UNIV . KOREA
3
16
학회논문 2
• Principal component analysis-based neural network with fuzzy
membership function for epileptic seizure detection
• 동기 및 목적
– EEG 특징값의 노이즈와 중복의 제거가 필요
– 간질성 발작 (epileptic seizure) detection 정확도 개선
• 방법
– PCA를 이용한 EEG 시크널의 feature enhancement 수행
– Neural network와 Fuzzy membership function을 이용 (NEWFM)
• 실험
– 100 single EEGs segments로 구성된 5개의 set
– R. G. Andrzejak, et al. “Indications of nonlinear deterministic and finitedimensional structures in time series of brain electrical activity:
dependence on recording region and brain state” 획득
4
S
FT COMPUTING @ YONSEI UNIV . KOREA
16
학회논문 3
• Fuzzy control design for thermostatically controlled loads considering
consumers’ thermal comfort
• 동기
– Power system에서 generation과 load의 균형이 필요
– 갑작스러운 generation의 감소나 load의 증가를 고려할 수 있는 방법 필요
• 방법
– 온도, 습도, 온도와 습도의 가중치를 membership function으로 표현
• 실험
– Simulator에서 Frequency performance 테스트 수행
– 고객의 Thermal comfort level 평가
5
S
FT COMPUTING @ YONSEI UNIV . KOREA
16
학회논문 4
• Data locality in Hadoop cluster system
• 동기 및 목적
– 대용량 데이터를 위한 병렬처리 시스템에서의 Hadoop의 활성화
– Input file은 많은 수의 data block으로 분할되며 cluster에서의 몇몇 노드
들로 분포됨
– Hadoop의 성능을 증가시키기 위하여 효과적인 scheduling 방법 필요
• 방법
–
–
–
–
–
DARE scheduling
Delay scheduling
Matchmaking scheduling
Prefetching and Pre-shuffing algorithm
Next-K-Node algorithm
• 실험
– 데이터에 대한 Overhead 비교
S
FT COMPUTING @ YONSEI UNIV . KOREA
6
16
학회 참석 후기
• 네번째 해외 학회 발표
• Natural computing과 Fuzzy system을 지향하고 있는 학회답게 논문
들의 주제는 집약적이 였으나 내용이 부실한 논문들이 많았음
• 전체적으로 학회 구성이 잘되지 않아 발표 시간이 최초 20분에서 12
분으로 줄어들고 발표세션이 변경되는 등 미흡한 점이 많았음
• 세션체어의 부재로 세션 발표자들이 알아서 발표를 진행함
• 중국은 영어가 전혀 안통함
7
S
FT COMPUTING @ YONSEI UNIV . KOREA
16
우현
논문 발표
• 논문 제목
– Context-Aware Smartphone Application Category
Recommender System with Modularized Bayesian
Networks
• 발표
– 20일 수요일 15시 30분~45분
– Intelligent Techniques and Applications
•Q&A
– 센서 데이터의 일부 오류 경우 핸들링?
– 센서 데이터가 상호 다른 값을 나타낼 경우의 처리?
– 행동인식 평가 방법?
8
S
FT COMPUTING @ YONSEI UNIV . KOREA
16
학회논문 1
• Stable feature selection with ensembles of multi-reliefF
– 고차원 데이터에서의 feature 선택 방법 필요성
– Ensemble feature selection 의 안정성
– Feature 선택에서의 계산량 감소가 메인 Goal
– Bootstrap, rand, ReliefF
– For 8 datasets,
• Stability test
• Classification accuracy : SVM
• Time efficiency
9
S
FT COMPUTING @ YONSEI UNIV . KOREA
16
학회논문 2, 3
• Boosting Variable Selection Algorithm for Linear Regression Models
– Variable selection  중요한 변수를 알아내는 방법 필요
– Boosting learning method based on genetic algorithm
– SGA, PGA, BoostGA 비교
• A New Feature Selection Method in Fishery Information Processing
– Fishery information에서의 고차원 feature 문제를 해결 못함
– SVM-Recursive feature elimination
• 중복 정보 제거
• Feature 차원 감소
– TF-IDF 방법과 비교
10 16
S
FT COMPUTING @ YONSEI UNIV . KOREA
학회논문 4
• New Feature Selection Methods Based on Context Similarity for
Text Categorization
– Text categorization 에서의 고차원 feature 공간 또한 중대한 문제
– 기존의 방법들은 각 feature 들을 따로 취급
– 문서 내의 context에서 feature 의 중요도를 계산
– Context similarity based feature selection 방법을 제안
11 16
S
FT COMPUTING @ YONSEI UNIV . KOREA
학회 참석 후기
• 첫번째 해외 학회 발표
• 중국에서의 영어 필요성
– 영어의 필요성을 느끼기에 부족했음
– 중국 특성으로 보임
• 학회의 수준
– 발표 및 세션의 준비 혹은 사고상황의 대처에서 발표자들이 직접 핸들링
해야하는 경우가 많았음.
• 학회 특성상 관련있는 주제를 찾기 어려웠음
12 16
S
FT COMPUTING @ YONSEI UNIV . KOREA
유정
논문 발표
• 논문 제목
– Intention-Response Model based on the
Mirror Neuron and Theory of Mind
– 2014. 8. 19.
– Section: Neural Network Applications
13 16
S
FT COMPUTING @ YONSEI UNIV . KOREA
학회논문 1
• An Intelligent Search Strategy Based on Leadership, Foraging
Efficiency and Threshold Response
• 이슈
– 복잡한 문제를 해결하기 위한 집단 지성/모방
– Global search 어려움
• 제안
– 리더십 효과를 이용한 탐색기법
– 리더/추종자/방랑자  Best Object 찾기
• 실험
– PSO(Particle Swarm Optimization) 기법과 정확도 및 탐색공간 비교
14 16
S
FT COMPUTING @ YONSEI UNIV . KOREA
학회논문 2
• Quantitative Evaluation of Iterative Extended Changing Crossover
Operators to Solve the Traveling Salesman Problem
• 이슈
– 다양성 유지와 최적해 찾기 문제
– TSP(Traveling Salesman Problem)
• 제안
– i-ECXO(iterative Extended Changing Crossover Operators)
•
EAX(Edge Assmbly Crossover) + ACO(Ant Colony Opimization)
– ACO새로운 염색체 생성(경로)
– EAX최적의 솔루션 찾음
• 실험
– 세대를 거듭할 수록 거리와 엔트로피가 감소함.
15 16
S
FT COMPUTING @ YONSEI UNIV . KOREA
학회 참석 후기
• 갑작스럽게 발표시간이 줄어서 당황했음
• 발표시간이 줄어드는 변수를 대비할 필요가 있음
16 16
S
FT COMPUTING @ YONSEI UNIV . KOREA
도시정보
• Xiamen
–
–
–
–
기본적인 영어도 사용 불가
음식 가격이 한국보다 쌈
모든 음식이 기름짐
버스보다는 택시가 이동수단
으로 적합
• 숙소
– Days Hotel
– 가격: 1박(¥480 = \79,000)
• 교통
– 샤아먼 국제공항에서 택시로
이동 (버스 1시간 20분, 택시
20분)
17 16
S
FT COMPUTING @ YONSEI UNIV . KOREA
도시정보 (Xiamen)
18 16
S
FT COMPUTING @ YONSEI UNIV . KOREA

similar documents