• 한국통신학회논문지
• /
• 제18권2호
• /
• pp.157-168
• /
• 1993

본 논문에서는 역전파 알고리듬으로 학습된 신경회로망과 사전을 이용하여 필기체 영문자 인식을 수행하였다. 스캐너를 이용하여 입력된 영상화일로부터 불필요한 데이터 부분을 제거하고 문자의 다양성을 최소화하기 위해서 여러가지 전처리과정, 즉 문자분리, 중심변환, 잡음제거, 배율조정과 세선화과정을 거쳤다. 다음으로 세선화된 문체 패턴으로부터 문자의 특징이 추출되고, 신경회로망에 시험데이터에 대한 특징들을 학습시켰다. 그리고 테스트할 영문자에 대해서도 특징들을 추출하여 이미 학습된 신경회로망에 의해 분류하였다. 마지막으로 학습시간을 줄이고 인식율을 향상시키기 위한 방법과 학습시간과 은닉층의 노드수에 대해 고찰하였다. 실험 결과로서 이와 같은 시스템으로 필기체 영문제에 대하여 학습후에 약 93%의 높은 인식율을 얻을 수 있었을 사전을 이용했을 경우 인식율이 약 97%였다.

• 융합신호처리학회논문지
• /
• 제1권1호
• /
• pp.1-6
• /
• 2000

본 논문은 HMM(Hidden Markov Model)을 이 용하여 인식을 수행할 경우의 오류를 최소화 할 수 있는 후처리 과정으로 신경망을 결합시켜 HMM 단독으로 사용하였을 때 보다 높은 인식률을 얻을 수 있는 HMM과 신경망의 하이브리드 시스템을 제안한다 HMM을 이용하여 학습한 후 학습에 참여하지 않은 데이터를 인식하였을 때 오인식 데이터를 정인식으로 인식하도록 HMM의 출력으로 얻은 각 출력확률을 후처리에 사용될 신경망의 학습용으로 사용하여 신경망을 학습하여 HMM과 신경망을 결합한 하이브리드 시스템을 만든다 이와 같은 HMM과 신경망을 결합한 하이브리드 모델을 사용하여 단독 숫자음에서 실험한 결과 HMM 단독으로 사용하였을 때 보다 MLP에서는 약 $4.5\%$ RBFN에서는 약 $2\%$의 인식률 향상이 있었다. 기존의 하이브리드 시스템이 갖는 많은 학습시간이 소요되는 문제점과 실시간 음성인식시스템을 구현할 패의 학습데이터의 부족으로 인한 인식률 저하를 해결할 수 있는 방법임을 확인할 수 있었다

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권2호
• /
• pp.35-40
• /
• 2019

기존 악성코드 탐지는 다형성 또는 난독화 기법이 적용된 변종 악성코드 탐지에 취약하다. 기계학습 알고리즘은 악성코드에 내재된 패턴을 학습시켜 유사 행위 탐지가 가능해 기존 탐지 방법을 대체할 수 있다. 시간에 따라 변화하는 악성코드 패턴을 학습시키기 위해 지속적으로 데이터를 수집해야한다. 그러나 대용량 악성코드 파일의 저장 및 처리 과정은 높은 공간과 시간 복잡도가 수반된다. 이 논문에서는 공간 복잡도를 완화하고 처리 시간을 가속화하기 위해 HDFS 기반 분산 처리 시스템을 설계한다. 분산 처리 시스템을 이용해 2-gram 특징과 필터링 기준에 따른 API 특징 2개, APICFG 특징을 추출하고 앙상블 학습 모델의 일반화 성능을 비교했다. 실험 결과로 특징 추출의 시간 복잡도는 컴퓨터 한 대의 처리 시간과 비교했을 때 약 3.75배 속도가 개선되었으며, 공간 복잡도는 약 5배의 효율성을 보였다. 특징 별 분류 성능을 비교했을 때 2-gram 특징이 가장 우수했으나 훈련 데이터 차원이 높아 학습 시간이 오래 소요되었다.

• 한국정보전자통신기술학회논문지
• /
• 제16권1호
• /
• pp.41-49
• /
• 2023

CNN(Convolutional Neural Network) 알고리즘은 인공신경망 구현에 활용되는 대표적인 알고리즘으로 기존 FNN(Fully connected multi layered Neural Network)의 문제점인 연산의 급격한 증가와 낮은 객체 인식률을 개선하였다. 그러나 IT 기기들의 급격한 발달로 최근 출시된 스마트폰 및 태블릿의 카메라에 촬영되는 이미지들의 최대 해상도는 108MP로 약 1억 8백만 화소이다. 특히 CNN 알고리즘은 고해상도의 단순 이미지를 학습 및 처리에 많은 비용과 시간이 요구된다. 이에 본 논문에서는 고해상도 단순 이미지의 객체 분류 학습모델 구현을 위한 개선된 CNN 알고리즘을 제안한다. 제안하는 알고리즘은 고해상도의 이미지들의 학습모델 생성 시간을 감소하기 위해 CNN 알고리즘의 풀링계층의 Max Pooling 알고리즘 연산을 위한 인접 행렬 값을 변경한다. 변경한 행렬 값마다 4MP, 8MP, 12MP의 고해상도 이미지들의 처리할 수 있는 학습 모델들을 구현한다. 성능평가 결과, 제안하는 알고리즘의 학습 모델의 생성 시간은 12MP 기준 약 36.26%의 감소하고, 학습 모델의 객체 분류 정확도와 손실률은 기존 모델 대비 약 1% 이내로 오차 범위 안에 포함되어 크게 문제가 되지 않는다. 향후 본 연구에서 사용된 학습 데이터보다 다양한 이미지 종류 및 실제 사진으로 학습 모델을 구현한 실질적인 검증이 필요하다.

• 한국방사선학회논문지
• /
• 제13권3호
• /
• pp.407-414
• /
• 2019

최근 NCS 교육기반으로 개편된 이후 NCS에서 요구하는 직업기초능력과 직무능력을 향상하기 위한 다양한 학습방법이 모색되고 있으며, 그에 따른 평가방법이 절실히 필요하다. 본 연구에서는 전문대학 방사선과 학생들을 대상으로 NCS 교육과정에서 요구하는 직무능력과 직업기초능력을 향상시키기 위하여 평가 사례로 메타인지 학습과 하브루타 학습을 적용하여 평가하였다. 적용한 결과, 메타인지 학습 대응 표본 통계량에서는 사전 메타인지학습 설문을 5점 척도로 했을 경우 평균 2.6883, 사후 메타인지 학습 설문 평균은 4.2468로 나타나 약 1.55점 향상되었다. 상관계수는 0.782, 유의확률은 0.045로 유의하게 나타났다. 하브루타 학습 대응 표본 통계량에서는 사전 하브루타 학습 설문을 5점 척도로 했을 경우 평균 3.1515, 사후 하브루타 학습 설문 평균은 4.3853으로 나타나 약 1.23점 향상되었다. 상관계수는 0.631, 유의확률은 0.049로 유의하게 나타났다. 메타인지 학습과 하브루타 학습이 상관관계가 있는지 이변량 상관계수를 통하여 알아 본 결과, 메타인지의 평균은 3.4675, 하브루타의 평균은 3.7684로 나타났으며 메타인지 학습과 하브루타 학습은 -0.042의 상관관계를 가지며 통계적으로 유의한 차이는 없는 것으로 나타났다. 따라서 직무능력을 향상시키기 위한 학습방법은 교과목 특성을 고려하여 적용해야 할 것이다.

• 벤처창업연구
• /
• 제18권2호
• /
• pp.53-66
• /
• 2023

롤 모델은 개인의 직업 혹은 경력선택에 영향을 주기도 한다고 알려져 있다. 창업을 선택함에 있어서 롤 모델의 긍정적 영향은 많은 연구를 통해 이미 밝혀진 바가 있다. 롤 모델로는 혈연으로 연결된 가족 구성원인 부모형제 및 친척뿐만 아니라 사회적 관계로 만난 지인을 롤 모델로 선정한다고 한다. 본 연구에서는 자기이외에 롤 모델이 없는 창업자들과 롤 모델이 있는 창업자들로 구분하였다. 그리고 롤 모델이 있는 창업자들과 롤 모델이 없는 창업자들 간에 개인속성, 기업가정신 요인들, 학습지향성의 차이를 검증하고자 하였다. 또, 부모형제 및 친척 롤 모델을 강한 유대의 롤 모델로 지인 롤 모델을 약한 유대의 롤 모델로 구분하였다. 강한 유대 롤 모델을 가진 창업자들과 약한 유대 롤 모델을 가진 창업자들 간에 개인속성, 혁신성, 진취성, 위험감수성, 학습지향성의 차이를 검증하고자 하였다. 이를 위해 요인분석, t-검증 및 로지스틱 회귀분석을 실시하였다. 본 연구를 통해 밝혀진 실증분석 결과는 다음과 같다. 첫째, 롤 모델이 없는 창업자들 중 여성의 비율이 높은 것으로 나타났다. 둘째, 약한 유대의 롤 모델을 가진 창업자들이 강한 유대의 롤 모델을 가진 창업자들에 비해 큰 규모의 창업기업을 운영한다는 것이 밝혀졌다. 셋째, 약한 유대의 롤 모델을 가진 창업자들이 강한 유대의 롤 모델을 가진 창업자들에 비해 학습지향성이 더 높은 것으로 나타났다. 넷째, 로지스틱 회귀분석을 통해 살펴본 결과 롤 모델의 유무에 대한 영향은 성별, 학습지향성, 위험감수성, 창업규모 순인 것으로 나타났다. 다섯째, 로지스틱 회귀분석 결과에서 롤 모델의 유형에 대한 영향은 학습지향성, 창업규모의 순인 것으로 나타났다.

• 대한인간공학회:학술대회논문집
• /
• 대한인간공학회 1996년도 추계학술대회논문집
• /
• pp.56-56
• /
• 1996

인간의 사고 기능과 학습기능이 '뇌'를 바탕으로 이루어진다고 할 때, 뇌의 긴장을 풀어 원래의 건강하고 창조적인 이완 상태에서의 학습 상태가 유효하게 된다. 즉, 뇌파가 " $\alpha$" 상태 가 되었을 때 긴장된 신체의 각 부분이 충분히 이완되고 두뇌는 맑고 건강한 상태를 유지하여 활발하고 창조적인 상태가 된다. 뇌파의 측정 및 분석된 기존 연구에 의하면, 인간의 심리상태와 신체 상태, 행동 패턴에도 직, 간접적인 영향을 주어 뇌파의 조절이 인간 잠재능력 개발의 첩경이라는 결과가 보고되어진다. 이러한 관점에서 본 연구에서는 뇌의 특성을 고려하여 뇌를 이완시킴으로써 학생들의 학습능력을 향상시키 기 위한 새로운 접근 방법을 시도한다. 뇌파 조절이 가해지는 환경하에 학습 효율의 변화 정도를 정성적( 심리적, 학습적, 신체적) 및 정량적(영어 단어 암기력 TEST, 뇌파 특정 등)으로 평가 및 분석을 통해 뇌파 조절 효과가 학생들의 학습 효율을 더욱 향상 시킬 수 있는 지의 타당성을 검증하고 그 결과를 바탕으로 새로운 학습 방법을 모색하고자 한다. 한편, 본 연구에서는 실험 대상을 본 대학 임의의 2학년 학생 13 명 을 대상으로 하고 실험기간은 약 4개월에 걸쳐 실험 하였다. 뇌파 측정은 13명중 임의의 학생 7명을 선정 하여 각 40분씩 측정 분석하였다. 또한 영어 단어 암기력 TEST를 실시하여 그 결과를 뇌파 조절 전,후로 나누어 비교 분석하였다. 정성적 분석으로서 종합 설문지를 이용한 15 개 항목의 5점 척도를 사용하여 분석하였으며 가가 통계 이론을 이용하여 검증하였다. 뇌파 측정은 수행 전후 비교 결과 " .alpha. " 노출 비율이 수행 전보다 수행 후가 다소 높은 비유로 나타났으며, 특히 영어 단어 암기력은 평균적으로 크게 상승되는 것으로 나타났다. 정성적 분석 결과에서는 많은 심리적 변화 상태가 나타나고 있지만 전체적으로 마음의 안정감, 몸의 긴장 이완에 따른 건강 상태 유지, 수업 집중도 향상 등이 나타났다. 위와 같은 종합 적 분석 결과에 따라, 본 연구는 제조 현장의 생산성 향상 및 품질 향상과 연계하여 작업자의 작업 집중도 향상, 작업자의 육체적, 심리적 변화에 따른 생산성 및 품질 향상 변화 정도 등의 산업공학(인간공학) 제 분야의 여러 측면에서 연구 및 적용이 가능하리라 사료된다.

• 한국산학기술학회논문지
• /
• 제17권4호
• /
• pp.243-254
• /
• 2016

본 연구는 대학 교직수업에 적용한 협력학습의 교육적 효과를 검증하고, 협력학습 과정에서 학습자들이 느끼는 수업경험의 내용을 분석하는 것이 목적이다. 광주에 소재한 N대학교의 사범계열 학생 44명을 대상으로 전체 7주 동안 실험을 진행하였다. 4명의 이질적인 구성원으로 구성된 협력학습 집단별로 학습을 진행한 결과는 다음과 같다. 첫째, 학업성취도에 대한 사전-사후분석 결과 의미 있는 차이가 나타났다. 특히 협력학습 성향이 높은 학습자들의 학업성취가 의미 있게 향상하였다. 둘째, 인식론적 신념은 사전-사후분석에서 의미 있는 변화가 없었다. 하지만, 협력학습 성향이 높은 학습자들은 협력학습 이후에 단순한 지식에 대한 믿음과 잠정적 지식에 대한 믿음이 오히려 약해지는 결과를 나타냈다. 셋째, 협력학습 과정에서 학습자들은 인지적, 정의적, 동기적 측면의 다양한 수업 경험을 보고했고, 협력학습 성향이 낮은 학습자에 비해 높은 학습자들은 동기적 측면에서 긍정적인 수업 경험을 보다 많이 보고했다. 효과적이고 효율적인 협력학습 실행을 위해서는 구성원간 친밀감 형성이 전제되어야 하고, 각자 역할에 따른 사전준비 활동이 이루어져야 함을 제안하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권4호
• /
• pp.105-112
• /
• 2022

최근 환경의 변화에 적응적이고 특정 목적에 부합하는 오토스케일링 정책을 만들기 위해 강화학습 기반 오토스케일링을 사용하는 연구가 많이 이루어지고 있다. 하지만 실제 환경에서 강화학습 기반 수평적 파드 오토스케일러(HPA, Horizontal Pod Autoscaler)의 정책을 학습하기 위해서는 많은 비용과 시간이 요구되며, 서비스를 배포할 때마다 실제 환경에서 강화학습 기반 HPA 정책을 처음부터 다시 학습하는 것은 실용적이지 않다. 본 논문에서는 쿠버네티스에서 강화학습 기반 HPA를 구현하고, 강화학습 기반 HPA 정책에 대한 학습을 가속화하기 위해 대기행렬 모델 기반 시뮬레이션을 활용한 전이 학습 기법을 제안한다. 시뮬레이션을 활용한 사전 학습을 수행함으로써 실제 환경에서 시간과 자원을 소모하며 학습을 수행하지 않아도 시뮬레이션 경험을 통해 정책 학습이 이루어질 수 있도록 하였고, 전이 학습 기법을 사용함으로써 전이 학습 기법을 사용하지 않았을 때보다 약 42.6%의 비용을 절감할 수 있었다.

• 컴퓨터교육학회논문지
• /
• 제18권6호
• /
• pp.81-88
• /
• 2015

웹 3.0 시대의 도래와 IoT(Internet of Things) 기술을 발달에 따라 생산된 정보의 양 역시 기하급수적으로 늘고 있다. 본 논문에서는 이 중에서 사용자의 관심도가 높은 개체명(NE: Named Entity) 사전을 반자동으로 구축하는 도구를 개발하였다. 제안된 방법은 초기 학습 모델을 통해 인식된 결과로부터 오류 후보를 자동으로 생성하고 사용자로부터 최소한의 보정 작업을 수행하여 이를 재학습한다, 특히 공개지식자원인 위키피디아 내의 다양한 메타데이터의 특성을 활용하여 능동 학습에 필요한 학습 예제 작성을 위한 수작업을 최소화하고자 한다. 도구 활용 효과를 분석한 결과, 능동 학습을 통해 자동 인식 결과의 오류의 약 68.6%가 보정됨을 보였다.