• 터널과지하공간
• /
• 제33권6호
• /
• pp.508-518
• /
• 2023

이 논문은 LiDAR 스캔 또는 사진측량 기술에 의해 재구성된 3D 디지털 모델을 기반으로 터널 벽면의 불연속면을 자동으로 매핑하는 새로운 접근 방식을 제안한다. 본 제안에서는 U-Net이라 불리는 딥러닝 시맨틱 영역분할 모델을 사용하며, 터널 막장면의 3D 지형 모델에서 불연속면 영역을 식별해 낸다. 제안된 딥러닝 모델은 투영된 RGB 이미지, 면의 깊이 이미지 및 국부적인 면의 표면 속성 이미지(즉, 법선 벡터 및 곡률 이미지)를 포함한 다양한 정보를 종합 학습하여 기본 3차원 이미지에서 불연속면 영역을 효과적으로 분할한다. 이후 영역분할 결과는 면의 깊이 맵과 투영 행렬을 사용하여 3D 모델로 다시 투영시키고, 3D 공간 내에서 불연속면의 위치 및 범위를 정확하게 표현한다. 영역분할 모델의 성능은 영역 분할된 결과를 해당 지면 실측 값과 비교함으로써 평가하였으며, IoU(intersection-over-union) 값이 약 0.8 정도로 나타나 영역분할 결과의 높은 정확성을 확인하였다. 여전히 학습데이터가 제한적 이었음에도 불구하고, 제안 기법은 3D 모델의 점군 데이터를 불연속면의 유사군으로 그룹화하기 위해 전 막장면의 법선 벡터와 클러스터링과 같은 비지도 학습기반 알고리즘에만 의존하던 기존 접근 방식의 한계의 극복 가능성을 보여주었다.

• 대한공업교육학회지
• /
• 제39권2호
• /
• pp.101-121
• /
• 2014

이 연구는 고교 단계에서의 실전 창의형 인재 양성을 위한 NCS 기반 직업교육과 정의 모형을 개발하는 것이 목적이다. 이 연구를 효과적으로 수행하기 위해 사용한 연구 방법은 국내 외 문헌 연구, 내용 분석 연구, 사례 연구, 전문가(9명) 협의회 및 검토 자문 위원(3명)의 심층 면담 조사 방법으로 수행하였다. 또한 구안한 모형(안)의 타당도 확보를 위해 평균, 표준 편차, 내용 타당도 비율(CVR)로 분석하였다. 이 연구의 주요 개발 결과는 다음과 같다. 첫째, NCS 개발 매뉴얼과 훈련기준 활용 훈련과정 편성 매뉴얼, NCS 학습모듈 개발 매뉴얼과 사례집, NCS 연구보고서, NCS 기반 고교 단계 직업교육과정의 시범 개발 자료집과 사례 연구 분석, 국내 외 직업교육 모형 등 NCS 관련 선행 및 문헌 연구를 토대로 실전 창의형 인재 양성을 위한 NCS 기반 직업교육과정의 기본 모형(안)을 개발하였고 둘째, 구안한 모형(안)의 단계별 영역별 해당 하위 구성 요소 도출 자료를 토대로 전문가 심층 면담 조사 내용과 의견을 반영하여 최종 19개를 도출하였다. 즉 1단계의 영역별 하위 구성 요소로 능력단위, 능력단위정의, 능력단위요소, 수행준거, 적용범위 및 작업상황, 평가지침, 직업기초능력이고 2단계의 영역별 하위 구성 요소는 교과목명, 교과목표, 대단원명, 대단원목표, 교수 학습 방법, 평가방법, 직업기초능력이며 3단계 영역별 해당 하위 구성 요소로 NCS 기반 교과목 행렬표, NCS 기반 교과목 프로파일, NCS 기반 직업교육과정 편제표, NCS 기반 교과목 전체 구성도, NCS 기반 직업교육과정의 운영계획서를 도출하였다. 셋째, 1단계와 2단계 각각의 해당 하위 구성 요소를 3단계의 NCS 기반 교과목 프로파일과 연계 구성하여 모형(안)을 개발하였다. 넷째, 모형(안)에 대해 단계별 영역별로 타당도를 검증한 결과 평균이 4.67이고 CVR 값은 1.00으로 타당도가 매우 우수함을 알 수 있었다. 또한 해당 하위 구성 요소 도출 내용에 대한 평균이 모두 4.33 이상이며 CVR 값은 1.00으로 타당도가 매우 높았고 모형(안)의 연계 구성에 대한 평균도 모두 4.33 이상이며 CVR 값도 1.00이었다. 그리고 표준 편차는 .50 이하로 편차가 모두 작은 것으로 나타났다. 다섯째, 전문가에 의한 타당성 검증 자료와 검토 자문 위원들의 심층 면담 조사 내용을 토대로 모형(안)을 수정 보완 단계를 거쳐 고교 단계에서의 실전 창의형 인재 양성을 위한 NCS 기반 직업교육과정의 모형을 개발하였다.

• 감성과학
• /
• 제13권1호
• /
• pp.47-60
• /
• 2010

기존 웹 페이지 자동분류 연구는 일반적으로 학습 기반인 kNN(k-Nearest Neighbor), SVM(Support Vector Machine)과 통계 기반인 Bayesian classifier, NNA(Neural Network Algorithm)등 여러 종류의 분류작업에서 입증된 분류 기법을 사용하여 웹 페이지를 분류하였다. 하지만 인터넷 상의 방대한 양의 웹 페이지와 각 페이지로부터 나오는 많은 양의 자질들을 처리하기에는 공간적, 시간적 문제에 직면하게 된다. 그리고 분류 대상을 표현하기 위해 흔히 사용하는 단일(uni-gram) 자질 기반에서는 자질들 간의 관계 분석을 통해 자질에 정확한 의미를 부여하기 힘들다. 특히 본 논문의 분류 대상인 한글 웹 페이지의 자질인 한글 단어는 중의적인 의미를 가지는 경우가 많기 때문에 이러한 중의성이 분류 작업에 많은 영향을 미칠 수 있다. 잠재적 의미 분석 LSA(Latent Semantic Analysis) 분류기법은 선형 기법인 특이치 분해 SVD(Singular Value Decomposition)을 통해 행렬의 분해 및 차원 축소(dimension reduction)를 수행하여 대용량 데이터 집합의 분류를 효율적으로 수행하고, 또한 차원 축소를 통해 새로운 의미공간을 생성하여 자질들의 중의적 의미를 분석할 수 있으며 이 새로운 의미공간상에 분류 대상을 표현함으로써 분류 대상의 잠재적 의미를 분석할 수 있다. 하지만 LSA의 차원 축소는 전체 데이터의 표현 정도만을 고려할 뿐 분류하고자 하는 범주를 고려하지 않으며 또한 서로 다른 범주 간의 차별성을 고려하지 않기 때문에 축소된 차원 상에서 분류 시 서로 다른 범주 데이터간의 모호한 경계로 인해 안정된 분류 성능을 나타내지 못한다. 이에 본 논문은 새로운 의미공간(semantic space) 상에서 서로 다른 범주사이의 명확한 구분을 위한 특별한 차원 선택을 수행하여 최적의 차원 선택과 안정된 분류성능을 보이는 최적의 지도적 LSA을 소개한다. 제안한 지도적 LSA 방법은 기본 LSA 및 다른 지도적 LSA 방법들에 비해 저 차원 상에서 안정되고 더 높은 성능을 보였다. 또한 추가로 자질 생성 및 선택 시 불용어의 제거와 자질에 대한 가중치를 통계적인 학습을 통해 얻음으로써 더 높은 학습효과를 유도하였다.