• The Journal of Korean Association of Computer Education
• /
• v.3 no.1
• /
• pp.43-50
• /
• 2000

It is said that traditional formative evaluation method does not fit in web based learning system because of inefficiency and improper data collecting techniques. This study is to demonstrate alternative formative evaluation method fit in web based learning system. In alternative evaluation, Participant, data collecting techniques and data are different from each web based program development process. As a conclusion, this alternative evaluation method may promote effectiveness and quality of web based program.

• Proceedings of the ESK Conference
• /
• 1996.04a
• /
• pp.98-103
• /
• 1996

현재 우리나라 사람들은 소득 증가와 함께 각종 레크리에이션에 많은 여가 시간을 할애하고 있다. 이와 더불어 레크리에이션 장소에서 적지 않은 사고가 발생하고 있으며, 이로 인하여 수 많은 물적, 인적 피해를 초래하고 있다. 레크리에이션 사고는 대부분이 인 적피해를 동반하며 갈수록 그 심각성이 급증하고 있는 실정이다. 산업 안전의 경우에는 정부와 민간이 사고원인의 규명과 예방 대책의 수립에 그동안 많은 노력을 경주하여 왔다. 그러나 레크리에이션 사고에 대하여는 관심이 미미하여, 대책의 수립이나 연구 모색 등이 이루어 지지 않았다. 위험 요인의 추출과 예방 대책의 수립을 위한 첫단계는 각종 재해 데이터의 체계적 수집과 분석, 즉 역학적(epidemiological) 접근 방법이 필수적이다. 이에 본 연구에서는 레크리에이션 사고에 대한 관심을 높이며 이들을 예방하고자 하는 취 지에서 우리나라의 레크리에이션 사고 데이터의 수집에 대한 현황과 문제점을 조사하였다. 이를 토대로 보다 합리적인 사고 데이터 관리 체계를 위한 기본 방안을 제시하였따.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06b
• /
• pp.385-389
• /
• 2007

본 논문에서는 재난 구조 로봇의 목적을 수행하기 위한 Situation-aware Middleware 에 대해서 설명한다. 재난 구조 로봇은 정확한 정황인지와 빠른 정보 처리 능력이 필요하다. 하지만 실시간으로 수집되는 센서의 정보들은 재난 구조 로봇과 같은 인명 구조나 재해 수습을 위한 특정 목적을 수행하기 위해 설계된 지능형 로봇은 센서 정보의 시간과 무분별한 정보는 선별하여 수집해야 긴급 상황에서 효율적으로 대처 할 수 있다. 따라서 이 논문에서는 Q-MAR(QoS-Mission-Action-Resource)모델을 참조 하여, 특정 목적에 맞는 정황 정보들을 선별 수집 융합 하는 새로운 Goal-driven Situation-Aware Middleware(GDSAM)를 제안하여 이 문제를 해결 하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.419-422
• /
• 2010

사용자와 환경의 변화에 적응하기 위해서 베이지안 네트워크의 다양한 학습 방법들이 연구되고 있다. 기존의 많은 학습방법에서는 학습 데이터로부터 통계적 방법을 통해서 베이지안 네트워크 모델을 학습하는데, 이러한 접근 방법은 학습 데이터를 수집하기 어려운 문제에 적용하기 힘들며, 사용자의 의도를 데이터의 패턴들로만 학습하므로 직접적으로 사용자의 의도를 반영할 수 없다. 본 논문에서는 대화에 기반하여 사용자의 의도를 직접적으로 수집하고, 이로부터 베이지안 네트워크의 파라메터를 학습하는 방법을 연구한다. 제안하는 방법에서는 사용자와의 대화를 통해서 현재의 모델의 잘못된 점 혹은 개선점을 직접적으로 입력 받고, 이를 바탕으로 베이지안 네트워크 모델을 수정하여 데이터의 수집 없이 빠른 시간에 사용자가 원하는 모델을 학습 할 수 있다. 기존의 통계적 기법을 이용한 대표적인 베이지안 네트워크 파라메터 학습 방법인 최대우도 추정(Maximum Likelihood Estimation; MLE) 방법과 제안하는 방법을 비교하여 제안하는 방법의 유용성을 확인한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.52-53
• /
• 2018

본 논문은 에너지 빅데이터를 분석하기 위해 대용량의 시계열 데이터를 처리하는 시스템의 설계, 구축 방법을 제시한다. 이미 사용 중인 건물이나 공장의 에너지 효율화를 위해서 정부는 효율자원 시장 지원 사업을 수행하고 있다, 에너지 소비 설비에 따라 고효율 자원으로 변경 설치하는 데 필요한 자금의 일부를 지원하고 있다. 정부지원으로 고효율 설비로 변경함에 따라 실증 사이트에서는 측정 데이터를 수집하여, 효율화 정도를 파악하기 위한 에너지 데이터 분석 시스템을 구축하여 운영하였다. 해당 측정 정보는 IoT 전력량계를 통해 수집되며, 수집된 데이터는 클라우드 시스템에서 다양한 머신러닝 알고리즘에 적용되어, 에너지 소비 효율 평가에 필요한 성능 지표를 연산한다. 구현된 진단 시스템은 기축 건물의 에너지 효율향상 상황을 분석하는데 기여할 수 있다. 빅데이터 기반의 에너지 분석 기능을 사용하여 에너지 고효율 장비의 운영시간, 부하율 등의 효율성과 성능통계를 연산할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.362-365
• /
• 2022

최근 노동 집약적인 성격의 섬유 산업에서는 AI를 통해 공정에 들어가는 시간과 비용을 줄이고 품질을 최적화 하려는 시도를 하고 있다. 그러나 섬유 방사 공정은 데이터 수집에 필요한 비용이 크고 체계적인 데이터 처리 시스템이 부족하여 축적된 데이터양이 적다. 또 방사 목적에 따라 특정 변수 위주의 조합에 대한 데이터만을 우선적으로 수집하여 데이터 불균형이 발생하며, 물성 측정환경 차이로 인해 동일 방사조건에서 수집된 샘플 간에도 오차가 존재한다. 이러한 데이터 특성들을 고려하지 않고 AI 모델에 활용할 경우 과적합과 성능 저하 등의 문제가 발생할 수 있다. 따라서 본 논문에서는 물성 단위 및 허용오차를 고려한 이상치 처리 기법과 데이터 불균형 정도 및 물성과의 상관성을 고려한 오버샘플링 기법을 물성 예측 모델에 적용한다. 두 기법들을 모델에 적용한 결과 그렇지 않은 모델에 비해 물성 예측 오차와 방사 공정 데이터에 대한 모델의 적합도가 개선됨을 보인다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.101-104
• /
• 2021

본 논문에서는 시뮬레이션을 이용하여 대부분의 공정이 수작업으로 이루어지고 있는 수산가공 공장의 생산성 향상을 위한 제조데이터 활용 시스템을 제안한다. 제안된 내용은 플랜트 시뮬레이션을 이용하여 생산공정 모델링을 제작하고, 이로부터 가상의 제조데이터를 수집하여 생산량, 작업공정 시간 등 최적화된 공정 프로세스를 도출한다. 또한 제조데이터 수집 및 분석을 위하여 공장 내 수기로 작성되는 제조데이터를 정형화하여 제조데이터 플랫폼에 저장하고, 저장된 데이터의 시각화, 실시간 모니터링 등 데이터 시각화 및 시뮬레이션과 연동된 공정 프로세스 예측 등에 활용 가능할 것으로 기대된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.45-48
• /
• 2022

IoT 기술의 발전 및 확산으로 다양한 도메인에서 서로 다른 특성의 시계열 데이터가 수집되고 있다. 이에 따라 단일 목적으로 수집된 시계열 데이터만 아니라, 다른 목적으로 수집된 시계열 데이터들 또한 통합하여 분석활용하려는 수요 또한 높아지고 있다. 본 논문은 파편화된 시계열 데이터들을 선택하여 통합한 후 딥러닝 모델을 생성하고 활용할 수 있는 해시함수 기반 학습 모델 관리 플랫폼을 설계하고 구현하였다. 특정되지 않은 데이터들을 기반하여 모델을 학습하고 활용할 경우 생성 모델이 개별적으로 어떤 데이터로 어떻게 생성되었는지 기술되어야 향후 활용에 용이하다. 특히 시계열 데이터의 경우 학습 데이터의 시간 정보에 의존적일 수밖에 없으므로 해당 정보의 관리도 필요하다. 본 논문에서는 이러한 문제를 해결하기 위해 해시 함수를 이용해서 생성된 모델을 계층적으로 저장하여 원하는 모델을 쉽게 검색하고 활용할 수 있도록 하였다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.37 no.6
• /
• pp.1033-1041
• /
• 2017

Path travel time based on departure time (PTTDP) is key information in advanced traveler information systems (ATIS). Despite the necessity, forecasting PTTDP is still one of challenges which should be successfully conquered in the forecasting area of intelligent transportation systems (ITS). To address this problem effectively, a methodology to dynamically predict PTTDP between motorway interchanges is proposed in this paper. The method was developed based on the relationships between traffic demands at motorway tollgates and PTTDPs between TGs in the motorway network. Two different data were used as the input of the model: traffic demand data and path travel time data are collected by toll collection system (TCS) and dedicated short range communication (DSRC), respectively. The proposed model was developed based on k-nearest neighbor, one of data mining techniques, in order for the real applications of motorway information systems. In a feasible test with real-world data, the proposed method performed effectively by means of prediction reliability and computational running time to the level of real application of current ATIS.

• The Journal of the Acoustical Society of Korea
• /
• v.32 no.2
• /
• pp.138-146
• /
• 2013

Passive sonars employ DEMON (Detection of Envelope Modulation on Noise) processing to extract propeller information from the radiated noise of underwater targets. Conventional DEMON processing improves SNR(Signal to Noise Ratio) characteristic by Welch method. The conventional Welch method overlaps several different time domain DEMON outputs to reduce the variance. However, the conventional methods have high computational complexity to get high SNR with correlated acoustic signals. In this paper, we propose new DEMON processing method that divides acoustic signal into several frequency bands before DEMON processing and averages each DEMON outputs. Therefore, the proposed method gathers independent acoustic signal faster than conventional method with low computational complexity. We prove the performance of the proposed method with mathematical analysis and computer simulations.