• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.375-376
• /
• 2023

정보기술의 발전으로 인해 코딩 교육의 중요성이 부각되고 있다. 코딩 교육과 다양한 분야와 융합된 교육 모델이 제시되고 있으며 그 중 드론을 활용한 코딩 교육 방법이 일부 존재하지만 오락성이 강조되거나 드론 조종에 초점을 두고 있어 코딩 역량 향상에는 한계가 있다. 본 논문에서는 학습자의 안전성을 보장하고 코딩 역량 향상을 위해 드론 교육에 적용 가능한 교육용 심볼릭 코딩 어플리케이션을 제시한다. 제시하는 어플리케이션은 사용자가 SW 설계 수준의 순서도 기반 심볼릭 코딩을 학습하고 코딩 결과를 드론 시뮬레이션 또는 실제 드론에 적용하여 확인할 수 있는 기능을 제공한다. 이를 통해 학습자들에게 실제적인 코딩 경험을 제공하고 창의적인 문제 해결 능력과 창의성 향상을 기대할 수 있다.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.17 no.4
• /
• pp.229-235
• /
• 2024

Recent years have seen active research on methods for efficiently processing and interpreting large volumes of data in the fields of artificial intelligence and machine learning. One of these data processing technologies, Vector Symbolic Architecture (VSA), offers an innovative approach to representing complex symbols and data using high-dimensional vectors. VSA has garnered particular attention in various applications such as natural language processing, image recognition, and robotics. This study quantitatively evaluates the characteristics and performance of VSA methodologies by applying five VSA methodologies to the MNIST dataset and measuring key performance indicators such as encoding speed, decoding speed, memory usage, and recovery accuracy across different vector lengths. BSC and VT demonstrated relatively fast performance in encoding and decoding speeds, while MAP and HRR were relatively slow. In terms of memory usage, BSC was the most efficient, whereas MAP used the most memory. The recovery accuracy was highest for MAP and lowest for BSC. The results of this study provide a basis for selecting appropriate VSA methodologies depending on the application area.