<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"><channel><title>논문노트</title><link>https://nonmunnote.com/</link><description>주제로 검색하면 공신력 있는 논문과 학술자료를 찾아 한국어 요약과 원문 링크로 정리해 드립니다. 과제·발표에 바로 쓸 수 있는 상세 정리 페이지를 제공합니다.</description><language>ko</language><item><title>논문 찾는 법: 주제만 정해졌을 때 30분 안에 자료 모으기</title><link>https://nonmunnote.com/guides/how-to-find-papers/</link><description>과제 주제는 정해졌는데 어떤 논문을 봐야 할지 막막할 때, 검색어 설계부터 자료 선별까지 실제로 쓰는 순서를 정리했습니다.</description><guid>https://nonmunnote.com/guides/how-to-find-papers/</guid></item><item><title>학술 데이터베이스 비교: RISS·KCI·PubMed·Scopus 어디서 찾을까</title><link>https://nonmunnote.com/guides/academic-databases/</link><description>국내외 주요 논문 데이터베이스의 특징과 무료 여부, 어떤 상황에 어떤 곳을 써야 하는지 표로 정리했습니다.</description><guid>https://nonmunnote.com/guides/academic-databases/</guid></item><item><title>논문 인용법 정리: APA 7판·MLA·한국어 표기 예시</title><link>https://nonmunnote.com/guides/citation-styles/</link><description>본문 인용과 참고문헌 목록을 형식별로 정리했습니다. 저자 수에 따른 표기, 온라인 자료 인용까지 예시로 확인하세요.</description><guid>https://nonmunnote.com/guides/citation-styles/</guid></item><item><title>영어 논문 빠르게 읽는 법: 3단계 읽기와 30분 전략</title><link>https://nonmunnote.com/guides/how-to-read-paper/</link><description>논문 전체를 처음부터 읽지 마세요. 목적에 따라 읽는 순서를 바꾸는 3단계 읽기법과 실제 시간 배분을 소개합니다.</description><guid>https://nonmunnote.com/guides/how-to-read-paper/</guid></item><item><title>논문 한 편으로 발표 자료 만들기: 10슬라이드 구성 공식</title><link>https://nonmunnote.com/guides/paper-to-ppt/</link><description>논문을 읽고 나서 무엇을 슬라이드에 담아야 할지 막막할 때, 그대로 따라 쓰는 10장 구성안과 슬라이드별 작성 요령입니다.</description><guid>https://nonmunnote.com/guides/paper-to-ppt/</guid></item><item><title>영어 논문을 한국어로 정확히 옮기는 법: 학술 번역 요령</title><link>https://nonmunnote.com/guides/ai-translation-tips/</link><description>번역기를 쓰되 오역을 피하는 방법, 학술 용어를 다루는 원칙, 그대로 두어야 할 표현을 정리했습니다.</description><guid>https://nonmunnote.com/guides/ai-translation-tips/</guid></item><item><title>표절 피하는 법: 인용·의역·AI 활용의 경계</title><link>https://nonmunnote.com/guides/avoid-plagiarism/</link><description>어디까지가 정당한 인용이고 어디부터 표절인지, 유사도 검사 대응과 AI 도구 사용 표기까지 정리했습니다.</description><guid>https://nonmunnote.com/guides/avoid-plagiarism/</guid></item><item><title>선행연구 정리(문헌고찰) 작성법: 나열이 아니라 지도를 그리기</title><link>https://nonmunnote.com/guides/literature-review/</link><description>논문 요약을 줄줄이 나열하는 문헌고찰에서 벗어나, 쟁점 중심으로 구조화하는 방법과 실제 문장 틀을 제공합니다.</description><guid>https://nonmunnote.com/guides/literature-review/</guid></item><item><title>어텐션만으로 충분하다 논문 정리</title><link>https://nonmunnote.com/papers/attention/</link><description>순환·합성곱 구조를 모두 제거하고 self-attention만으로 구성한 트랜스포머(Transformer) 아키텍처를 제안했다. 병렬 학습이 가능해 학습 시간을 크게 줄이면서 기계번역 성능을 끌어올렸다.</description><guid>https://nonmunnote.com/papers/attention/</guid></item><item><title>BERT: 언어 이해를 위한 심층 양방향 트랜스포머 사전학습 논문 정리</title><link>https://nonmunnote.com/papers/bert/</link><description>문장의 양쪽 문맥을 동시에 보는 마스크 언어모델(MLM)로 사전학습한 뒤 소규모 데이터로 미세조정하는 방식을 제시했다.</description><guid>https://nonmunnote.com/papers/bert/</guid></item><item><title>이미지 인식을 위한 심층 잔차 학습 논문 정리</title><link>https://nonmunnote.com/papers/resnet/</link><description>층이 깊어질수록 성능이 나빠지는 열화(degradation) 문제를 &#x27;잔차 연결(skip connection)&#x27;로 해결하여 152층 신경망 학습을 가능하게 했다.</description><guid>https://nonmunnote.com/papers/resnet/</guid></item><item><title>언어모델은 소수 예시 학습자다 (GPT-3) 논문 정리</title><link>https://nonmunnote.com/papers/gpt3/</link><description>1,750억 파라미터 언어모델이 별도 미세조정 없이 프롬프트에 담긴 몇 개의 예시만으로 다양한 과제를 수행함을 보였다.</description><guid>https://nonmunnote.com/papers/gpt3/</guid></item><item><title>사고 사슬 프롬프팅이 대규모 언어모델의 추론을 이끌어낸다 논문 정리</title><link>https://nonmunnote.com/papers/cot/</link><description>정답만 제시하는 대신 중간 추론 과정을 예시로 보여주면 산술·상식 추론 정확도가 크게 오른다는 것을 실험으로 보였다.</description><guid>https://nonmunnote.com/papers/cot/</guid></item><item><title>잡음 제거 확산 확률 모델 (DDPM) 논문 정리</title><link>https://nonmunnote.com/papers/ddpm/</link><description>이미지에 잡음을 점진적으로 더한 뒤 그 과정을 거꾸로 학습해 고품질 이미지를 생성하는 확산 모델을 정립했다.</description><guid>https://nonmunnote.com/papers/ddpm/</guid></item><item><title>U-Net: 생의학 영상 분할을 위한 합성곱 신경망 논문 정리</title><link>https://nonmunnote.com/papers/unet/</link><description>수축 경로와 확장 경로를 대칭으로 연결한 U자형 구조로, 적은 학습 데이터에서도 정밀한 픽셀 단위 분할을 달성했다.</description><guid>https://nonmunnote.com/papers/unet/</guid></item><item><title>AlphaFold를 이용한 고정확도 단백질 구조 예측 논문 정리</title><link>https://nonmunnote.com/papers/alphafold/</link><description>아미노산 서열만으로 단백질의 3차원 구조를 실험 수준 정확도로 예측하는 딥러닝 모델을 제시했다.</description><guid>https://nonmunnote.com/papers/alphafold/</guid></item><item><title>적응 면역에서 프로그램 가능한 이중 RNA 유도 DNA 절단효소 논문 정리</title><link>https://nonmunnote.com/papers/crispr-jinek/</link><description>Cas9 단백질에 단일 가이드 RNA를 결합하면 원하는 DNA 위치를 정확히 자를 수 있음을 시험관 실험으로 입증했다.</description><guid>https://nonmunnote.com/papers/crispr-jinek/</guid></item><item><title>전망 이론: 위험 하의 의사결정 분석 논문 정리</title><link>https://nonmunnote.com/papers/prospect-theory/</link><description>사람은 절대적 부가 아니라 준거점 대비 손익으로 판단하며, 같은 크기의 손실을 이익보다 크게 느낀다는 것을 실험으로 보이고 가치함수·확률가중함수로 정식화했다.</description><guid>https://nonmunnote.com/papers/prospect-theory/</guid></item><item><title>지각된 유용성·지각된 사용 용이성과 정보기술 수용 논문 정리</title><link>https://nonmunnote.com/papers/tam/</link><description>새로운 기술의 수용 여부가 &#x27;유용하다&#x27;와 &#x27;쓰기 쉽다&#x27;는 두 지각 변수로 대부분 설명된다는 기술수용모델(TAM)을 제안하고 측정 척도를 개발했다.</description><guid>https://nonmunnote.com/papers/tam/</guid></item><item><title>온라인상의 참과 거짓 뉴스의 확산 논문 정리</title><link>https://nonmunnote.com/papers/false-news/</link><description>트위터의 검증된 소문 12만6천 건을 분석해 거짓 뉴스가 참 뉴스보다 더 멀리·빠르게 퍼지며, 그 원인이 봇이 아니라 사람의 참신성 선호임을 밝혔다.</description><guid>https://nonmunnote.com/papers/false-news/</guid></item></channel></rss>
