• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2008년도 추계학술대회
• /
• pp.55-58
• /
• 2008

IPTV 기반의 이러닝 마켓플레이스는 IPTV를 통한 이러닝 서비스 제공을 하기 위한 교육 콘텐츠 공급자와 수요자간의 마켓플레이스로써, 이는 양방향 매체 하에서의 이러닝 서비스로써 많은 관심의 대상이 되고 있으며, 방송통신융합의 초기 단계에서 IPTV는 다양한 콘텐츠와 서비스 모델의 개발을 통하여 그 효용성을 높이는데 기여를 할 수 있을 것이다. 본 논문에서는 IPTV기반의 이러닝 마켓플레이스에서 핵심적인 프레임워크를 구성하기 위하여 이러닝, e-마켓플레이스, IPTV에서의 특징과 기존의 이러닝 마켓플레이스들의 기능을 매트릭스를 통한 비교분석으로 기본요소를 추출하고, 이를 통하여 프레임워크를 구성한다. 또한 비즈니스모델 개발을 위하여 비즈니스모델설정, 참여자/역할, 제품/서비스 커버리지, 운영시나리오, 수익모델을 작성하고 이를 통하여 실제적으로 비즈니스모델의 구현이 가능한지를 검증한다.

• 한국콘텐츠학회논문지
• /
• 제11권1호
• /
• pp.302-316
• /
• 2011

이러닝 인력이 부족한 문제점을 해결하기 위하여 본 연구에서는 이러닝을 위한 강사와 학습자가 쉽고 편하게 강의 콘텐츠를 거래할 수 있는 오픈마켓 형태의 개방형 교육 포털 시스템을 구현하여, 새로운 이러닝 비즈니스 모델을 제안한다. 그리고 기존의 이러닝 콘텐츠의 제작 과정은 매우 복잡하고 전문적인 기술을 필요로 함으로 많은 비용과 시간이 소요되었다. 이러한 문제점을 해결하기 위하여 본 연구에서는 강사 스스로 이러닝 강의 콘텐츠를 쉽게 제작할 수 있도록 해 주는 이러닝 콘텐츠 제작 시스템을 개발하였다. 본 연구에서 개발한 시스템의 유용성을 검증하기 위하여 이러닝 콘텐츠를 제작해본 경험이 있는 강사들을 대상으로 본 연구에서 개발한 시스템과 인기 있는 기존의 시스템들의 유용성에 대한 설문분석을 실시하였는데, 분석 결과 본 연구에서 개발한 군고구마 시스템이 유용한 것으로 나타났다. 본 연구는 기존에 콘텐츠 제작 및 서비스 업체 중심의 이러닝 비즈니스 모델이 아닌 강사와 학생 중심의 이러닝 비즈니스 모델을 제시해 줌으로써 이러닝 콘텐츠의 다양성 확보 그리고 이러닝 산업의 활성화에 기여를 할 것으로 예상된다.

• 디지털융복합연구
• /
• 제11권5호
• /
• pp.83-94
• /
• 2013

이러닝이 기존의 면대면 교육을 대체하는 중요한 기회의 시대에 있으며, 이러닝이 교육적으로 성공적인 효과를 창출하기 위해서는 이러닝 산업의 건전한 유통구조가 필수적임에도 불구하고 우리의 현실은 그렇지 아니하다. 본 연구는 이러닝 시장의 건전한 유통구조 확립을 위한 현황 분석과 제도적 합리화 방안을 마련하는 것을 목적으로 하고 있다. 따라서 이러닝 유통의 개념 및 범위를 정하고, 이러닝 유통의 유형과 단계, 유통주체 등을 정의하였다. 또한 국내외 이러닝 시장에 대한 영역별, 거래별 비즈니스 모델과 유통구조 모델의 연구와, 이러한 모델을 기준으로 사업자들이 어떤 구조로 거래가 이루어지는지에 대하여 설문조사를 통해 이러닝 유통구조 모델링을 하였다. 이러한 유통구조 모델링 과정에서 설문조사의 결과분석을 통해 유통구조에서 나타난 현황과 문제점 분석을 하였고 이에 대한 정책적인 합리화 방안을 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.304-304
• /
• 2022

가뭄은 인간 활동과 생태계의 다양한 측면에 영향을 미치는 중요한 자연재해 중 하나이다. 가뭄을 사전에 예측하여 필요한 완화 조치를 취하고 환경적 피해를 줄이는 것이 중요하다. 이에 따라 다양한 인공지능 기술을 이용한 가뭄 예측은 수문학, 수자원 관리, 농업 등의 분야에서 중요성이 커지고 있다. 최근에는 딥러닝 알고리즘을 기반으로 하는 중장기 강수예보를 위한 다양한 방법이 제시되고 있다. 이 논문의 목적은 가뭄 예보를 목적으로 월 강수량 예측을 위한 딥러닝 모델의 성능을 평가하는 것이다. 이를 위해 딥러닝 모델인 LSTM(Long Short-Term Memory)을 적용하였으며, 1981-2020년 기간의 월 강수 자료가 모델을 구축하기 위해 사용되었다. 관측자료를 기반으로 학습된 모델을 이용하여 테스트 기간에 대해 월 강수량을 예측하였다. 예측된 강수량을 통해 표준강수지수(Standardized Precipitation Index, SPI)을 산정하고, 예측 정확도를 분석하였다. 이 연구는 가뭄 예보를 위한 딥러닝 모델의 적용 가능성을 보여준다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.23-26
• /
• 2022

딥 러닝 모델은 블랙 박스 (Black Box) 모델로 예측에 대한 근거를 제시하지 못해 신뢰성이 떨어지는 단점이 존재한다. 이를 해결하기 위해 딥 러닝 모델에 설명력을 부여하는 설명 가능한 인공지능 (XAI) 분야 연구가 활발하게 이루어지고 있다. 본 논문에서는 모델 예측을 프로토타입을 통해 설명하는 딥 러닝 모델을 제시한다. 즉, "주어진 이미지는 티셔츠인데, 그 이유는 티셔츠를 대표하는 모양의 프로토타입과 닮았기 때문이다."의 형태로 딥 러닝 모델을 설명한다. 해당 모델은 Encoder, Prototype Layer, Classifier로 구성되어 있다. Encoder는 Feature를 추출하는 데 활용하고 Classifier를 통해 분류 작업을 수행한다. 모델이 제시하는 분류 결과를 설명하기 위해 Prototype Layer에서 가장 유사한 프로토타입을 찾아 설명을 제시한다. 실험 결과 프로토타입 생성 기반 설명 모델은 기존 이미지 분류 모델과 유사한 예측 정확도를 보였고, 예측에 대한 설명력까지 확보하였다.

• 한국정보통신학회논문지
• /
• 제19권1호
• /
• pp.208-220
• /
• 2015

본 논문은 스마트시대 이러닝 운영 현황의 한계점을 분석하고 인터넷 정신을 접목한 개선방안을 제시하여 그 효과를 실증적으로 분석하였다. 대학에서 활용되는 이러닝 클래스의 운영방식에 대하여 중점적으로 논한다. 오프라인 클래스의 운영모델을 온라인 환경에 원용함으로 인해 발생하는 부작용 등을 통계적으로 확인한다. 특히 시간이라는 정량적 개념이 온라인 학습에서 참여확인을 위해 활용되고 있는 이러닝 모델의 현실적, 기능적 한계를 구체적으로 분석하였다. 이에 대한 개선안으로 인터넷의 태생적 특징인 참여, 개방, 공유의 정신을 이러닝에 접목시킬 수 있는 방안으로 QBS시스템을 개발, 제안한다. 학습자가 주도적으로 문제를 만들어 학습 자료로써 공유하는 QBS를 실제 이러닝 현장에 적용하여 학습자의 행동양상을 분석한다. 결과적으로 이러닝 학습 환경에서 학습자 참여형 모델이 학업성취도에 유의미한 영향이 있음을 확인함으로써 스마트시대의 새로운 이러닝 모델의 개선방향을 제시한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.499-499
• /
• 2023

최근 컴퓨터 성능 향상과 새로운 머신러닝 알고리즘 개발됨에 따라, 각 분야별 연구자들이 이를 활용한 연구를 다양하게 수행하고 있으며, 하수처리시설의 경우에는 막대한 양의 운영자료가 축척됨에 따라 머신러닝을 활용한 다양한 연구가 가속화 되고 있다. 기존 하수처리장의 물리학적 모델은 적용된 영향 인자에 여러 가지 가정이 고려되어 모델 정확도가 부정확해지는 경향이 있었으며, 이러한 문제점을 보완하기 위해 하수처리장의 수집된 운영자료 및 머신러닝 기반의 예측 모델을 활용하여 예측 모델 정확도를 향상하는 선행 연구들이 진행되고 있다. A 하수처리장의 부지 내에 설치된 센서를 통하여 운영자료가 중앙제어실 서버에 실시간으로 저장되는 자료를 활용하여 NN (Neural Network), SVM (Support Vector Machine), RF (Random Forest) 등과 같은 다양한 머신러닝 모델을 적용하였고, 하수처리장 운영자료를 적용할 경우 어느 모델이 가장 높은 성능이 나타나는지 인사이트를 도출하고자 하였다. 금회 연구는 A 하수처리장을 대상으로 여러 머신러닝 기반 예측 모델을 개발하고, 각 모델의 예측정확도를 서로 평가함으로써, 머신러닝 모델 최적화를 수행할 수 있었다. 이번 연구에서 도출된 결과를 활용하여 하수처리장 예측 모델 최적화를 진행할 경우, 향후 비교적 짧은 시간에 하수처리장 머신러닝 기반 예측 모델 개발이 가능하다는 점에 의의가 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.212-212
• /
• 2023

비점오염원관리와 같이 장기적인 유역 관리 계획에서 유역 내 오염원 평가는 정말 중요하다. 유역 내 오염원 평가는 강우 유출에 의한 비점오염 발생원이 어디서 얼마나 발생시키는지에 대한 정량적인 조사가 필요하다. 유역 내의 오염원에 대한 정량적인 조사는 많은 비용과 시간이 필요하다. 이러한 비용과 시간을 줄이기 위해 유역단위 수리 수문 모델을 사용하고 있다. 유역단위 수리수문 모델은 HSPF (Hydrological Simulation Program in Fortran), SWAT (Soil and Water Assessment Tool), L-THIA ACN-WQ(The Long-term Hydrologic Impact Assessment Model with Asymptotic Curve Number Regression Equation and Water Quality model)등 다양한 모델이 사용되고 있다. 하지만 유역 모델을 통한 모의는 다양한 연산 과정을 진행하여 모의까지 많은 시간이 필요하다는 단점이 있다. 이에 따라 데이터 기반 모델링 기법(머신러닝/딥러닝)을 이용한 유출 및 수질 예측 연구가 많이 이루어지고 있다. 단순 머신러닝/딥러닝 기반 모델링 기법은 점(최종유출구)에서의 예측만 가능하여 최적관리 기법 적용 등과 같은 유역관리 방안을 적용하기 힘들다는 문제점이 있다. 따라서 본 연구에서 머신러닝/딥러닝을 통해 일부 수문 프로세스를 대체하고 소유역별 하도추적 기법을 연계하여 유량 및 수질 항목들의 모의가 가능한 하이브리드 모델을 개발하였다. 이는 머신러닝/딥러닝이 유역 모델의 일부 연산 과정을 대체하여 모의시간이 빠르며, 기존 머신러닝/딥러닝 예측 모델에서 평가가 어려웠던 유역 관리 방안 및 최적관리기법 적용 평가에도 활용이 가능할 것으로 판단이 된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 하계학술대회
• /
• pp.226-227
• /
• 2021

딥러닝을 활용한 영상 분석 기술은 GPU 하드웨어의 발전으로 인하여 소프트웨어 기반 처리 기술이 급격히 발전하였고 기존 패턴 분석 기술 대비 높은 정확도를 보여주고 있다. PC나 특정 하드웨어에서 동작하는 소프트웨어 기반 영상분석기술은 적용분야의 한계가 발생하였다. 신경망 기술을 하드웨어로 구현한 NPU(Network processing unit)의 개발로 고가의 플랫폼이 아닌 임베디드 플랫폼에서의 딥러닝 구현이 가능해졌다. 반면에 하드웨어에서 활용 가능한 네트워크가 제한적임으로 인하여 구현 가능한 딥러닝 모델의 크기, 메모리 등의 한계가 있으며 시시각각 변하는 딥러닝 기술에 기반한 최신모델 또는 고성능 모델을 구동하기에는 한계가 발생하였다. 이를 해결하기 위하여 본 연구에서는 Distillation 기법을 적용한 임베디드 시스템을 개발하고 이에 기반한 딥러닝 모델의 구현 및 상황에 따른 가변적 딥러닝 모델의 적용이 가능한 시스템을 구현하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권4호
• /
• pp.133-142
• /
• 2021

최근 딥러닝은 하드웨어 성능이 향상됨에 따라 자연어 처리, 영상 인식 등의 다양한 기술에 접목되어 활용되고 있다. 이러한 기술들을 활용해 지능형 교통 시스템(ITS), 스마트홈, 헬스케어 등의 산업분야에서 데이터를 분석하여 고속도로 속도위반 차량 검출, 에너지 사용량 제어, 응급상황 등과 같은 고품질의 서비스를 제공하며, 고품질의 서비스를 제공하기 위해서는 정확도가 향상된 딥러닝 모델이 적용되어야 한다. 이를 위해 서비스 환경의 데이터를 분석하기 위한 딥러닝 모델을 개발할 때, 개발자는 신뢰성이 검증된 최신의 딥러닝 모델을 적용할 수 있어야 한다. 이는 개발자가 참조하는 딥러닝 모델에 적용된 학습 데이터셋의 정확도를 측정하여 검증할 수 있다. 이러한 검증을 위해서 개발자는 학습 데이터셋, 딥러닝의 계층구조 및 개발 환경 등과 같은 내용을 포함하는 딥러닝 모델을 문서화하여 적용하기 위한 구조적인 정보가 필요하다. 본 논문에서는 신뢰성있는 딥러닝 기반 데이터 분석 모델을 참조하기 위한 딥러닝 기술 언어를 제안한다. 제안하는 기술 언어는 신뢰성 있는 딥러닝 모델을 개발하는데 필요한 학습데이터셋, 개발 환경 및 설정 등의 정보와 더불어 딥러닝 모델의 계층구조를 표현할 수 있다. 제안하는 딥러닝 기술 언어를 이용하여 개발자는 지능형 교통 시스템에서 참조하는 분석 모델의 정확도를 검증할 수 있다. 실험에서는 제안하는 언어의 유효성을 검증하기 위해, 번호판 인식 모델을 중심으로 딥러닝 기술 문서의 적용과정을 보인다.