• 한국정보통신학회논문지
• /
• 제24권2호
• /
• pp.204-211
• /
• 2020

본 논문에서는 약한 지도학습을 통한 주 객체 위치 검출을 위한 최적의 딥러닝 네트워크 구조를 제안한다. 제안된 네트워크는 약한 지도학습을 통한 주 객체의 위치 검출 정확도를 향상시키기 위해 컨벌루션 블록을 추가하였다. 추가적인 딥러닝 네트워크는 VGG-16을 기반으로 합성곱 층을 더해주는 5가지 추가적인 블록으로 구성되며 객체의 실제 위치 정보가 필요하지 않는 약한 지도 학습의 방법으로 학습하였다. 또한 객체의 위치 검출에는 약한 지도학습의 방법 중, CAM에서 GAP이 필요하다는 단점을 보완한 Grad-CAM을 사용하였다. 제안한 네트워크는 CUB-200-2011 데이터 셋을 이용하여 성능을 테스트하였으며 Top-1 Localization Error를 산출하였을 때 50.13%의 결과를 얻을 수 있었다. 또한 제안한 네트워크는 기존의 방법보다 주 객체를 검출하는데 더 높은 정확도를 보인다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.118-122
• /
• 2020

문화재 영상 데이터는 방대한 양으로 인해 고해상도로 모두 저장이 어렵거나 시간이 지나 상대적으로 화질이 낮은 영상들이 다수 존재하기에 초해상화가 필요한 상황이 많다. 따라서 본 논문에서 처음으로 문화재 영상에 특화된 4 배 및 8 배 딥러닝 기반 초해상화 방식을 제안한다. 문화재 영상 데이터는 배경이 단조롭고 물체가 영상 중간에 위치한다는 특징이 있어 이를 고려해 중간 부분에서만 패치를 추출하는 방식을 적용하여 의미 있는 패치로 학습이 되도록 한다. 또 자연 영상 데이터 셋인 DIV2K 를 사용해 학습하는 방식과 직접 구성한 문화재 데이터 셋을 이용해 학습하는 방식, 그 둘을 적절히 함께 사용하여 학습하는 전이 학습 방법까지 세 가지로 학습하여 초해상화의 성능을 향상시키는 방법을 제안한다. 그 결과, 쌍삼차 보간법(Bicubic interpolation)보다 4 배 초해상화에서는 약 1.25dB, 8 배 초해상화에서는 약 1.26dB 의 성능 개선을 확인하였으며, 단순 DIV2K 로 학습한 방식보다는 4 배에서는 0.06dB, 8 배에서는 0.17dB 의 성능 개선을 확인하였다.

• 전기전자학회논문지
• /
• 제28권2호
• /
• pp.180-186
• /
• 2024

본 논문에서는 CNN을 이용한 3상 유도모터 ITSC(Inter-Turn Short Circuit) 고장진단에 있어서, 전류 데이터를 이용한 고장 진단 및 효율적인 이미지 encoding 방법을 제안하도록 한다. 진동, 소음센서를 이용한 방법과 달리 전류를 이용하는 방법은 데이터의 손실이 낮을 수 있다는 장점은 있지만, 3상 신호로 인해 CNN의 채널 수 증가의 부담이있다. 이에 D-Q 동기좌표계의 D축 성분만의 데이터를 활용하여 채널 부담을 줄이고, 효율적인 입력 이미지 구성 방법을 알아보고자 SWM(Slide Window Method)과 GAF(Gramian Angular Field)방식을 비교하도록 하였다. 데이터는 무부하부터 전부하까지 전체 변화를 고려하였으며, 그 결과, GAF방식은 약 74%, SWM방식은 약 65%로, GAF방식이 약 9%의 높은 정확도를 보임을 알 수 있었다. 또한, 학습된 속도에 있어서 약 14.74[s]로 전체 학습 시간대비 차이가 없었으며, 100 epoch 이하에서는 빠른 속도로 학습이 가능함을 알 수 있었다.

• 공학교육연구
• /
• 제14권3호
• /
• pp.9-14
• /
• 2011

본 연구는 협동학습에서 팀 프로젝트를 수행하는 공대생들을 대상으로 학습양식유형 및 셀프리더십이 팀 수행 성적과 어떤 관련성이 있는 지를 파악함으로써 협동학습 효과의 극대화를 위한 기초소양교육 프로그램을 구성하는 데 도움이 되는 기초정보를 제공하기 위해 수행되었다. 팀 수행 성적이 상, 하위 30%에 해당하는 집단 간에 학습양식유형의 분포를 비교한 결과, 상위권 집단의 약 70%가 수렴자와 적응자에 해당된 반면, 하위권 집단의 약 67%가 적응자와 분산자에 해당되었다. 또한 상위권 학생들의 셀프리더십이 전반적으로 높았고, 특히 자기관찰, 자기처벌, 자연적 보상, 성공적 수행 상상하기, 자기대화, 신념과 가정분석 전략을 더 잘 실천하는 것으로 나타났다. 마지막으로 본 연구의 제한점과 후속연구를 위한 제언이 논의되었다.

• 정보교육학회논문지
• /
• 제12권2호
• /
• pp.195-202
• /
• 2008

로봇을 이용한 프로그래밍 학습은 획일적이고 정형화된 기존 교육환경에서 벗어나 미래사회의 창의적 학습을 미리 경험할 수 있으며 수학 및 과학의 가장 기초가 되는 알고리즘을 이해하고 향상시키는데 가장 적절한 학습방법이다. 본 연구에서는 초등학생들이 로봇프로그래밍 시 나타날 수 있는 오류의 유형들을 제안하였으며 학습을 위한 교육과정을 개발한 후 초등학생 5, 6학생들을 대상으로 로봇프로그래밍 학습을 시켰다. 학습과정에서 발생한 오류들을 수집하고 분류하였으며 또한, 기존 연구된 컴퓨터기반 프로그래밍언어와 비교 분석하였다. 본 연구에서의 로봇프로그래밍 실행경험을 통해 컴퓨터기반 프로그래밍에서 창의성학습에 큰 장애요소로 평가된 오류요소들 즉, 프로그램사용 미숙으로 인한 오류, 단순한 오타, 문법오류 그리고 코딩실수 등을 전체 오류의 약 21%로 나타나 기존 컴퓨터기반 프로그래밍언어 학습에서 조사된 오류비율(약 53%)에 비해 현저하게 줄어드는 것으로 분석되었다. 이러한 오류의 감소는 초등학생들의 흥미도와 성취도 향상을 위한 주요요소로 판단된다. 따라서, 학습과정에서 보다 많은 논리 및 문제해결을 위한 요소들에 노출되어 있어 창의성 알고리즘 학습에 매우 효과적임을 알 수 있다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권3호
• /
• pp.13-23
• /
• 2021

본 논문에서는 단일 강체 모델(single rigid body)의 무게 중심(center of mass) 좌표계와 발의 위치를 활용하여 캐릭터의 동작을 생성하는 프레임워크를 제안한다. 이 프레임워크를 사용하면 기존의 전신 동작(full body)에 대한 정보를 사용할 때 보다 입력 상태 벡터(input state)의 차원을 줄임으로써 강화 학습의 속도를 개선할 수 있다. 또한 기존의 방법보다 학습 속도를 약 2 시간(약 68% 감소) 감소시켰음에도 기존의 방법 대비 최대 7.5배(약 1500 N)의 외력을 더 견딜 수 있는 더욱 견고한(robust) 모션을 생성할 수 있다. 본 논문에서는 이를 위해 무게 중심의 다음 좌표계를 구하기 위해 중심 역학(centroidal dynamics)을 활용하였고, 이에 필요한 매개 변수(parameter)들과 다음 발의 위치와 접촉력 계산에 필요한 매개 변수들을 구하는 정책(policy)의 학습을 심층 강화 학습(deep reinforcement learning)을 사용하여 구현하였다.

• 정보처리학회논문지B
• /
• 제16B권6호
• /
• pp.479-488
• /
• 2009

본 논문은 기존의 목표항목만을 위주로 한 학습체계에서 발생하는 오분류 문제의 해결을 위해 기존의 학습체계에 경계항목을 자동으로 탐 색하여 포함시켜 확대시키는 방법을 제안하고 있다. 여러 주제에 걸쳐 다양한 내용을 다루는 복잡한 문서들은 확실히 어느 범주로 분류해야 할 지 판가름하기 어려운 성질인 모호성이 강하다. 이러한 경우 모든 경우들을 정확히 구분할 수 있는 최적의 경계를 찾는 일은 더욱 어려운 일이 다. 복잡하고 불확실성이 높은 데이터들의 특징은 대부분 분류 경계영역에 위치하므로 이러한 분류경계의 데이터들을 새로운 학습 항목으로 인 식시키도록 하는 것이 필요하다. 본 연구에서는 주어진 목표항목 사이의 경계항목을 자동으로 탐색하여 학습체계에 추가하는 학습 체계 확장 알고리즘을 제시하고, 의도적인 학습오류를 발생시킨 후 기존방법과의 비교실험을 수행함으로써 제안방법의 정확성과 안정성을 비교하였다. 실 험결과 경계범주를 포함하여 학습 체계를 확장시켰을 때의 예측력은 기존 0.70에서 0.86으로 약 24% 향상 되었고, 오류를 포함시켰을 때의 예 측력은 기존 0.52에서 0.79로 약 49% 향상되었다.

• 한국융합학회논문지
• /
• 제12권10호
• /
• pp.81-88
• /
• 2021

전환사채는 채권과 주식의 성격을 모두 내포하고 있는 금융 상품인데 일반적으로 신용등급이 낮은 기업이 유동성을 확대하기 위해서 발행한다. 전환사채의 투자자와 발행 기업은 투자자의 전환권 행사 여부와 시점에 대한 의사결정 문제가 가장 중요한데 투자 판단 지표가 미약하기 때문에 정성적 판단에 의존한다. 따라서 본 논문은 과학적으로 전환권 행사 결정 문제에 인공신경망 기법을 적용하는 방안을 제안한다. 과거에 발행한 총 1,800개의 학습 데이터와 200개의 예측 실험 데이터로 구분을 하고 인공신경망 학습 모형을 구축한다. 그 결과 대부분의 그룹에서 패리티 성과가 우수하였고 평균 약 10% 이상의 초과 수익을 달성하였다. 특히 3~6 그룹에서는 평균 약 20% 이상의 초과 수익을 보였으며 그룹 6의 경우에는 약 37%의 초과 수익을 기록했다. 본 논문은 금융 분야에 4차 산업의 대표적 기술인 기계학습 기법을 융합·적용하여 의사결정 문제 해결에 집중했다는 것에서 의의가 있으며 데이터 접근에 한계가 많은 전환사채 상품을 대상으로 실험을 했다는 점에서 향후 다양한 연구에서 참고 문헌이 되기를 기대한다.

• 한국콘텐츠학회논문지
• /
• 제18권2호
• /
• pp.427-437
• /
• 2018

본 연구는 초등학교 학생들이 학습하는 온라인 영어 학습 프로그램 콘텐츠의 효과성을 탐색하였다. 온라인 영어 학습 콘텐츠 연구를 위해 경기도교육청에 의해 학교로 사용권장된 프로그램을 사용하였다. 연구대상은 경기도 K 시 소재 P 초등학교 107명의 학생들로 약 1년간의 학습 후에 온라인 학습 콘텐츠 효과성에 관한 설문에 응답하였다. 학생들의 응답은 Spearman 상관분석방법으로 재학학년, 온라인 학습시간 및 진단평가 성적과 온라인 영어 학습 프로그램 콘텐츠 간의 연관성을 분석하였다. 분석한 결과, 학년이 높고 영어 학업수준이 높은 학생일수록 문제해결형, 과제수행형과 WBI(웹기반)형의 콘텐츠는 효과적이지 않다고 생각하는 것으로 드러났다. 반면에, 온라인 학습시간이 긴 저학년학생일수록 개인 지도형, 스토리활용형과 애니메이션유형의 온라인 학습 콘텐츠가 효과적이라고 답했다. 따라서 본 연구는 온라인 영어 학습 콘텐츠의 개발에 있어서, 학생의 학년과 학습시간, 학업수준 등과 같은 학생의 특성을 고려할 필요가 있음을 제언하는 바이다.

• 전기전자학회논문지
• /
• 제24권2호
• /
• pp.514-522
• /
• 2020

Continuous Learning 환경에서 인공 신경망의 학습이 진행됨에 따라 이전에 학습했던 데이터의 정보를 잊는 Catastrophic Forgetting 현상이 있다. 서로 다른 Domain을 갖는 데이터 사이에서 쉽게 발생한다. 이 현상을 제어하기 위해 신경망의 출력 분포를 통해 이전에 학습된 데이터와 새로 학습할 데이터들의 관계를 측정하는 방법과 이 측정값을 사용하여 Catastrophic Forgetting 현상을 완화하는 방법을 제시한다. 평가를 위해 MNIST, EMNIST 데이터를 사용하였고 실험 결과, 이전 데이터에 대한 정확도가 평균적으로 약 22.37% 향상되었다.