• 컴퓨터교육학회논문지
• /
• 제23권4호
• /
• pp.23-33
• /
• 2020

온라인 저지는 학습자가 제출한 소스의 컴파일과 실행, 문제 해결 여부에 대한 즉각적인 교정적 피드백을 제공하며 평가의 정확성과 신뢰성을 확보할 수 있지만, 대부분의 온라인 저지가 텍스트형 언어 만을 제공하고 있어 학습자의 수준에 따른 언어 선택이 어렵다. 본 연구에서는 온라인 저지용 블록형 언어를 개발하여 고등학교 수업에 적용하고, 블록형 언어 집단과 텍스트형 언어 집단 간 자기효능감의 차이를 확인하였다. 검정 결과, 블록형 언어 집단은 텍스트형 언어 집단 보다 '혐오경험극복 능력기대'가 더 높았고, 텍스트형 언어 집단은 사전-사후 검사에서 '활동시작 능력기대'와 '활동지속 능력기대'가 유의하게 감소된 것을 확인하였다. 이는 블록형 언어의 경우 차후 프로그래밍 활동에 대한 효능감에 효과가 있으며, 텍스트형 언어는 활동의 시작 단계와 진행 단계에서 학생의 자기효능감이 저하되지 않도록 하는 교수·학습 및 평가 방법을 강구해야 한다는 점을 함의한다. 본 연구는 고교 프로그래밍 수업에서 블록형 언어와 텍스트형 언어의 적용과 관련하여 자기 효능감 증진을 위한 교수·학습 설계의 기초를 제공한다는 점에서 의미가 있다.

• 정보관리학회지
• /
• 제20권4호통권50호
• /
• pp.23-48
• /
• 2003

이 연구의 목적은 대량의 최신정보를 제공하는 정보필터링 시스템에서 이용자 피드백에 의해 수정질의를 자동생성하여 재검색을 수행함으로써 검색 성능을 최적화할 수 있는 방안을 찾는 데 있다. 이용자가 입력한 초기질의를 사용하여 정보필터링 시스템이 검색한 문헌에 대해 이용자가 적합성 여부를 온라인으로 입력하도록 하고, 이 피드백 결과를 토대로 '중복제거법'과 ‘저빈도제거법' 두 가지 방법에 의해각각 17개의 수정질의를 생성하여 재검색한 결과를 초기 검색결과와 비교 분석하였다. 수정질의는 각각의 방법마다 17개 패턴의 불논리 질의형태를 미리 만든 다음 초기질의에 디스크립터와 분류기호를 결합하여 생성하였으며, 재검색 결과에 대한 적합성 평가를 통해 최적의 수정질의식을 도출하였다.

• 대한방사선치료학회지
• /
• 제32권
• /
• pp.7-15
• /
• 2020

목 적: 현대 방사선치료기술에서 종양표적위치 및 정상장기에 정확한 선량을 전달하기 위해 여러 방법의 영상유도방사선치료(Image Guided Radiation Therapy, IGRT)가 사용되고 있으며 그 중 선형가속기에 장착된 CBCT(Cone Beam Computed Tomography, CBCT)와 이외 장치인 ExacTrac(ExacTrac X-ray System)이 있다. 두 시스템을 비교한 이전 연구들에서는 Offline-review 이용하여 후향적으로 팬텀 및 환자의 Set-up 오차를 분석하거나 X, Y, Z 축과 하나의 회전방향(Couch Rotation)으로만 연구되어졌다. 본 연구에서는 Head and Neck Cancer 환자를 대상으로 CBCT와 ExacTrac을 이용하여 한 치료중심센터에서 각각 6 DoF(Degree Of Freedom) IGRT를 시행한 후, 두 IGRT 장비에서 나타난 팬텀 및 환자의 Set-up 오차, 환자 Set-up에 걸리는 시간, 노출 방사선량의 비교를 통해 유용성을 평가하고자 한다. 대상 및 방법: Rando Phantom을 이용하여 환자 움직임을 배제한 상태의 Set-up 오차 평가와 Head and Neck Cancer 환자의 Set-up 오차 값 두 가지 경우로 나누어 획득하였다. 노출 방사선량 평가는 유리선량계로 하였다. 환자 Set-up 후 IGRT 시행하는데 소요되는 시간을 평가하기 위해 Head and Neck Cancer 환자 11명을 대상으로 하였다. 총 치료기간동안 환자 당 평균 10회의 CBCT와 ExacTrac 영상을 동시에 얻었고, 관심영역지정(Region Of Interest, ROI) 설정 후 6D 온라인 자동위치교정(Online Automatching) 값의 차를 6개의 축(Translation group: SI, AP, LR; Rotation group: Pitch, Roll, Rtn)으로 각각 계산하였다. 결 과: Phantom과 환자에서 Set-up 오차는 Translation group에서 1mm 미만, Rotation group에서 1.5° 미만의 차이가 보였으며, Rtn 값을 제외한 다른 모든 축의 RMS 값이 1mm, 1° 미만으로 나타났다. 각 시스템에서 최종적으로 Set-up 오차 교정까지 걸리는 시간은 CBCT를 이용한 IGRT에서는 평균 256±47.6sec, ExacTrac을 이용 시 평균 84±3.5sec로 각각 나타났다. 1회 치료 당 IGRT에 의한 방사선 노출선량은 Head and Neck 부위 7곳의 측정위치 중 Oral Mucosa에서 CBCT와 ExacTrac이 각각 2.468mGy, 0.066mGy로 상대적으로 ExacTrac에 비해 피폭선량이 37배 높게 측정되었다. 결 론: CBCT와 ExacTrac 두 시스템 간의 6D 온라인 자동위치교정을 통해 Set-up 오차는 두 시스템의 자체적인 Systematic error 뿐 아니라, 환자 움직임(Random error)를 포함한 Set-up 오차가 1mm, 1.02° 미만으로 나타났다. 이는 본원에서 Head and Neck IMRT 치료 시 PTV Margin이 3mm이라는 것을 고려했을 때, 이 오차범위는 합리적으로 사료된다. 하지만 치료기간 동안 환자체중변화로 인한 따른 표적, 손상위험장기의 변화를 고려했을 때 CBCT와 적절히 병용하여 사용하는 것이 좋을 것으로 사료된다.

• 항공우주시스템공학회지
• /
• 제12권4호
• /
• pp.64-74
• /
• 2018

고해상도 지구관측 위성의 성공적인 임무 수행을 위하여 궤도 진입 후 리포커싱 과정은 필수적으로 요구된다. 마이크론 단위의 정밀한 광학 정렬을 요하는 광학 위성카메라는 발사 전 충분한 정렬 과정을 거치지만 발사 및 운용 과정에서 외부 환경에 의한 광부품의 정렬오차가 발생하게 된다. 기존의 지구관측위성들은 지상과의 통신을 통한 오프라인 방식의 리포커싱을 수행해왔으며 이는 비용 시간적 측면에서 비효율적이다. 따라서 본 논문에서는 궤도 상에서 자동초점 정렬과정이 수행되는 온라인 리포커싱 알고리즘을 제안하였다. 또한 부경의 틸팅에 따른 광학적 효과를 리포커싱 알고리즘에 적용하여 디스페이스 외 틸팅이 발생한 위성카메라에도 적용되도록 개발하였다. 리포커싱 알고리즘의 개발 및 성능평가를 위하여 실험실 수준의 광학계를 설계하였으며, 이를 기반으로 데이터를 추출하여 부경 정렬오차에 따른 MTF(Modulation Transfer Function) 경향성을 파악하였다. MTF 경향성을 바탕으로 궤도상에서의 De-space VS MTF 함수를 추정하여 알고리즘을 개발하였다. 리포커싱 알고리즘의 성능 평가는 MATLAB과 CODE V의 연동 시뮬레이션을 통하여 수행되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권12호
• /
• pp.946-950
• /
• 2010

기계 학습 기반의 많은 감정 분류 시스템들은 문장으로부터 언어적 자질을 추출하기 위하여 형태소 분석기를 사용한다. 그러나 온라인 상품평에는 많은 띄어쓰기 오류 및 철자 오류가 포함되어 있어서 일반적으로 형태소 분석기가 좋은 성능을 내기 어려우며, 기반 시스템의 낮은 성능은 감정 분류 시스템의 성능하락을 초래한다. 이러한 문제를 해결하기 위하여 본 논문에서는 어절 패턴과 음운 패턴의 최장 일치 매칭(matching)에 기반한 자질 추출 방법을 제안한다. 두 종류의 패턴은 대용량의 품사 부착 말뭉치로부터 자동으로 구축된다. 어절 패턴은 영사, 동사와 같은 내용어를 포함하는 어절들로 구성되며, 음운 패턴은 동사나 형용사와 같은 용언의 초성과 중성의 쌍으로 구성된다. 음운 패턴에 초성과 중성만을 사용한 이유는 철자 오류에 영향을 덜 받기 때문이다. 제안 방법을 평가하기 위하여 SVM(Support Vector Machine)을 기계 학습기로 사용하는 감정 분류 시스템을 구현하였다. 한국어 상품평에 대한 실험에서 제안 방법을 자질 추출 모듈로 사용하는 감정 분류 시스템이 형태소 분석기를 사용하는 것보다 우수한 성능을 보였다.

• 한국멀티미디어학회논문지
• /
• 제12권11호
• /
• pp.1530-1538
• /
• 2009

KISTI-ACOMS ver. 2.0은 2005년부터 4년간 340여 학회에 보급되었고 130여 학회가 사용 중이며 여전히 사용을 희망하는 학회가 많다. 그러나 여러 학회들의 희망과 업그레이드 요청에 비해 지난 3 년간 시스템의 실질적인 개선은 이루어지지 못하였고, 그 동안 국내외의 유사한 유료 온라인 투고/심사 관리 시스템을 도입하는 학회가 생겨나기 시작하는 상황이다. 이에 본 연구에서는 고품질의 과학기술 학술 정보를 저비용으로 생산 및 수집함으로써 국가적인 학술 정보 생산 비용 절감 및 품질 향상을 꾀할 수 있는 새로운 종합 포털 서비스 체계를 제안한다. 이를 위해 KISTI의 여타 서비스들과 연계된 개인용 학술활동 종합 포털 시스템과 저자들의 활동에 의해 자동적으로 구축되는 공개 인용색인 데이터베이스, 피인용 지수에 의한 학술지 평가 체계로 구성되는 새로운 종합 포털 서비스 체계를 묶어 활용하는 방법을 제시한다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제20권4호
• /
• pp.1-8
• /
• 2016

최근의 건축물은 복합적인 기능과 형태를 보이고 있으며, 크기가 거대해짐에 따라 구조물 건전성 감시(Structural Health Monitoring)기술의 수요 또한 증가하고 있다. 구조물마다 고유한 동특성을 가지고 있으며, 다양한 외력의 영향을 받기 때문에 구조물의 건전성을 평가하는 다양한 방법들이 연구되고 있다. 전문가에 의지하여 접근 가능한 지점에 대한 육안 검사 및 비파괴 검사를 벗어나 사각지대가 없는 온라인 계측 시스템의 구비와 함께 자동으로 위험요소를 검출하는 시스템이 요구되고 있다. 본 연구에서는 비선형적인 구조물의 응답을 고려하기 위해 관리도 기법, 평균제곱근편차, 일반 극치 분포 등과 같은 통계적 기법을 이용하여 이상거동을 판별에 활용할 수 있는 신호 특징 추출과 적응형 임계치 설정 알고리즘을 제안하였으며, 강제진동 실험과 실제 운용중에 있는 구조물의 지진 계측 시스템의 가속도 응답을 이용하여 성능을 검증하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제27권3호
• /
• pp.324-336
• /
• 2000

본 논문에서는 디스크 입출력 시스템의 성능을 향상시키기 위한 효율적인 버퍼 관리 기법을 제시한다. 본 기법은 사용자 수준의 정보 없이 블록의 속성과 미래 참조 거리간의 관계를 기반으로 각 응용의 블록 참조 패턴을 자동으로 발견하고, 발견된 참조 패턴에 적합한 최적 블록 교체 기법을 적용한다. 또한, 응용이 참조하는 블록이 버퍼 캐쉬에 없어 새로운 버퍼 블록이 요구될 때, 응용별로 블록 참조 패턴에 따라 버퍼 예상 적중률을 분석하여 이를 기반으로 전체 버퍼 캐쉬의 적중률이 극대화되도록 해 주는 버퍼 할당 기법을 제안한다. 이러한 모든 과정은 시스템 수준에서 자동으로 그리고 온라인으로 수행된다. 제시한 기법의 성능을 평가하기 위해 블록 참조 트레이스를 이용해 모의 실험을 수행하였다. 실험 결과 제시한 기법은 적은 오버헤드로 기존의 블록 교체 기법들보다 캐쉬 블록의 적중률을 크게 향상시켜 주었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권7_8호
• /
• pp.672-680
• /
• 2003

shopbot이란 온라인상의 판매자로부터 상품에 대한 가격과 품질에 관한 정보를 자동적으로 수집함으로써 소비자의 만족을 최대화하는 소프트웨어 에이전트이다 이러한 shopbot에 대응해서 인터넷상의 판매자들은 그들에게 최대의 이익을 가져다 줄 수 있는 에이전트인 pricebot을 필요로 할 것이다. 본 논문에서는 pricebot의 가격결정 알고리즘으로 비 모델 강화 학습(model-free reinforcement learning) 방법중의 하나인 Q-학습(Q-learning)을 사용한다. Q-학습된 에이전트는 근시안적인 최적(myopically optimal 또는 myoptimal) 가격 결정 전략을 사용하는 에이전트에 비해 이익을 증가시키고 주기적 가격 전쟁(cyclic price war)을 감소시킬 수 있다. Q-학습 과정 중 Q-학습의 수렴을 위해 일련의 상태-행동(state-action)을 선택하는 것이 필요하다. 이러한 선택을 위해 균일 임의 선택방법 (Uniform Random Selection, URS)이 사용될 경우 최적 값의 수렴을 위해서 Q-테이블을 접근하는 회수가 크게 증가한다. 따라서 URS는 실 세계 환경에서의 범용적인 온라인 학습에는 부적절하다. 이와 같은 현상은 URS가 최적의 정책에 대한 이용(exploitation)의 불확실성을 반영하기 때문에 발생하게 된다. 이에 본 논문에서는 보조 마르코프 프로세스(auxiliary Markov process)와 원형 마르코프 프로세스(original Markov process)로 구성되는 혼합 비정적 정책 (Mixed Nonstationary Policy, MNP)을 제안한다. MNP가 적용된 Q-학습 에이전트는 original controlled process의 실행 시에 Q-학습에 의해 결정되는 stationary greedy 정책을 사용하여 학습함으로써 auxiliary Markov process와 original controlled process에 의해 평가 측정된 최적 정책에 대해 1의 확률로 exploitation이 이루어질 수 있도록 하여, URS에서 발생하는 최적 정책을 위한 exploitation의 불확실성의 문제를 해결하게 된다. 다양한 실험 결과 본 논문에서 제한한 방식이 URS 보다 평균적으로 약 2.6배 빠르게 최적 Q-값에 수렴하여 MNP가 적용된 Q-학습 에이전트가 범용적인 온라인 Q-학습이 가능함을 보였다.

• 한국지능시스템학회논문지
• /
• 제25권2호
• /
• pp.180-185
• /
• 2015

인터넷 미디어의 발달과 함께 온라인 문서의 양이 급격하게 증가함에 따라, 문서 요약과 정보 검색 등 다양한 분야에 활용가능한 키워드를 자동으로 찾고자하는 연구가 활발히 진행되고 있다. 하지만 기존의 키워드 추출 연구들은 문서에서 나타나는 키워드만을 대상으로 하고 있어, 문서에서 등장하지 않는 잠재 키워드를 추출하지 못하는 한계를 갖고 있다. 잠재 키워드는 실데이터 키워드의 1/4 이상을 차지하고 있으며, 문서에서 나타나지는 않지만 문서의 중요한 개념이나 내용을 함축하고 있어 문서 요약 및 정보 검색에 중요한 역할을 차지할 수 있다. 특히 SNS와 같이 내용이 적어 키워드가 명시적으로 나타나기 어려운 문서에서 유용하게 활용될 수 있다. 본 논문에서는 잠재 키워드를 추출하기 위해 주어진 문서와 유사한 문서의 키워드를 후보 키워드로 선택하고 후보 키워드를 구성하는 개별 단어들을 이용해 후보 키워드의 중요도를 평가하는 방법을 제안한다. 실험을 통해, 제안 기법이 잠재 키워드를 합리적인 수준으로 추출할 수 있음을 보였다.