• 방송공학회논문지
• /
• 제26권6호
• /
• pp.778-789
• /
• 2021

최근 다양한 분야에서 뛰어난 성능을 나타내는 Convolutional Neural Network(CNN)모델을 모바일 기기에서 사용하기 위한 다양한 연구가 진행되고 있다. 기존의 CNN 모델은 모바일 장비에서 사용하기에는 가중치의 크기가 크고 연산복잡도가 높다는 문제점이 있다. 이를 해결하기 위해 가중치의 표현 비트를 낮추는 가중치 양자화를 포함한 여러 경량화 방법들이 등장하였다. 많은 방법들이 다양한 모델에서 적은 정확도 손실과 높은 압축률을 나타냈지만, 대부분의 압축 모델들은 정확도 손실을 복구하기 위한 재학습 과정을 포함시켰다. 재학습 과정은 압축된 모델의 정확도 손실을 최소화하지만 많은 시간과 데이터를 필요로 하는 작업이다. Weight Quantization이후 각 층의 가중치는 정수형 행렬로 나타나는데 이는 이미지의 형태와 유사하다. 본 논문에서는 Weight Quantization이후 각 층의 정수 가중치 행렬을 이미지의 형태로 비디오 코덱을 사용하여 압축하는 방법을 제안한다. 제안하는 방법의 성능을 검증하기 위해 ImageNet과 Places365 데이터 셋으로 학습된 VGG16, Resnet50, Resnet18모델에 실험을 진행하였다. 그 결과 다양한 모델에서 2%이하의 정확도 손실과 높은 압축 효율을 달성했다. 또한, 재학습 과정을 제외한 압축방법인 No Fine-tuning Pruning(NFP)와 ThiNet과의 성능비교 결과 2배 이상의 압축효율이 있음을 검증했다.

• 한국콘텐츠학회논문지
• /
• 제13권2호
• /
• pp.8-18
• /
• 2013

본 논문은 Html5 모바일 웹상에서 학습 동영상을 수강하면서 재학습이 필요한 영역을 타임라인의 비디오 프레임 형태로 재생 시간과 함께 캡쳐하여 저장한다. Html5의 Video 태그를 활용하여 최대 9개까지 캡쳐 프레임의 목록을 표시할 수 있고 프레임 이미지를 선택하면 저장한 재생 시간 위치부터 실행하는 방식으로 구현한다. 캡쳐 프레임 실행은 전체 학습에 비해 재학습 프레임만 부분적인 학습이며 집중 학습의 효과로 학습자 맞춤형 스토리텔링을 구현할 수 있다. 무작위 순서에 따라 구간 반복 학습 할 수 있으므로 학습자 수준별 맞춤 반복 학습에 따른 학업 성취도에 긍정적인 효과를 줄 수 있다.

• 만화애니메이션 연구
• /
• 통권32호
• /
• pp.363-381
• /
• 2013

본 논문은 모바일 웹 상에서 오프라인의 학습 내용을 복습 할 때 학습 동영상에 필요한 재학습 영역을 프레임 단위로 중요 영역만 캡처한다. 캡처된 프레임은 영상 중에서 진행된 학습 시간과 이미지의 형태로 저장하고 또한 설명에 대한 메모 기능을 함께 저장한다. 캡처 영역은 학습자에 필요한 영역만 재학습하는 학습자 중심의 맞춤형 시스템을 적용할 수 있다. 캡처 프로그램의 구성은 학습 순서에 상관없이 선택한 순서에 따라 프레임 단위 캡처로 사용자 중심의 스토리텔링형 학습을 적용할 수 있다. 캡처 시스템 효과는 전체 학습에 비해 학습 시간을 절약하고 학습자 중심의 프레임 재구성으로 맞춤형 학습에 따른 학습 효용성 향상에 긍정적인 역할을 한다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2000년도 춘계학술발표논문집
• /
• pp.219-222
• /
• 2000

일반적으로 WBI가 제공하는 시간과 장소를 초월하는 가상의 공간속에서 웹 환경에서 하이퍼미디어 기술을 도입하여 학습자가 학습에 대한 선택의 자유를 가지고 자기 나름대로 학습의 상황을 수시로 점검하고, 평가할 수 방법을 가지고 학습자가 학습에 대해 책임을 가지고 학습자 자신의 인지 구조를 최대한 반영하는 개별화 교수-학습 환경을 제공하고자한다. 개발된 Cyber Class는 LCPG 모델을 기반으로 하는 학습진행 및 학습평가 알고리즘을 제공하고 학습자 개개인의 특성에 맞는 재학습 메커니즘을 제공한다.

• 인지과학
• /
• 제11권3_4호
• /
• pp.95-105
• /
• 2000

본 논문은 재학습 없이도 검사를 반복함에 따라 기억수행이 증가하는 기억상승(hypermnesia) 현상에 작용하는 실험적 변인을 조사하였다. 그림목록이 시각적으로 제시된 실험 1과 단어목록이 청각적으로 제시된 실험 2 모두에서 기억상승의 중요한 요소인 기억회복(reminiscence)이 얻어졌다. 또한 반복검사를 실시할 때 주어지는 검사 지시문이 기억증가에 대한 장려를 할 때 얻어진 기억상승의 효과는 그렇지 않은 지시문이 주어진 통제 조건에 비하여 유의하게 컸다. 그러나 회상량의 차이가 기억회복량의 차이와 상관을 보이지는 않았다. 또한 기억회복은 발달적 차이와는 관계가 없는 것으로 나타났다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2005년도 추계학술발표대회 및 정기총회
• /
• pp.823-826
• /
• 2005

본 시스템은 컴퓨터를 이용한 검사의 효율성과 편리성의 장점을 활용하여 웹기반의 시스템 환경에서 학생들에게 직무에 필요한 기초능력을 영역별 세부항목으로 분류, 단계별로 제시하고, 각 영역별 문제를 스스로 학습함으로써 자신의 기초능력을 백분 발휘할 수 있도록 도와주며, 또한 검사 후 결과에서 각 영역을 자세히 분석해줌으로써 학생 스스로 자신의 부족한 능력을 진단하고 재학습 할 수 있도록 피드백을 제공한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.679-681
• /
• 2004

본 논문에서는 산업 기사 시험을 대비하는 학생들을 위한 웹 기반 학습 시스템을 설계함에 있어 기사 시험에 맞는 새로운 문제 출제 방식을 제시하고, 학습 결과에 따라 각 문제에 대한 새로운 자동 난이도 조정 방법을 제시한다. 이를 위해 문제 출제에 있어 단원과 난이도에 따라 골고루 문제를 출제할 수 있는 알고리즘을 제시하고, 각 문제의 난이도를 조정함에 있어 학습자 개인 또는 단체의 학습 능력을 고려한 새로운 자동 난이도 조정 방법을 제시한다. 또한 제시된 시스템은 학습자가 기사 시험을 준비함에 있어 스스로 학습, 평가할 수 있으며, 평가 결과를 즉시 확인하고 재학습을 할 수 있다.

• 한국멀티미디어학회논문지
• /
• 제5권3호
• /
• pp.290-297
• /
• 2002

웹의 등장은 멀티미디어 기술과 컴퓨터 통신 기술 개발의 가속화 및 이를 응용한 컨텐츠 개발에 촉진제 역할을 하게 되었다. 최근에는 교수-학습 활동에서의 새로운 형태인 웹을 기반으로 한 교육(WBI : Web-Based Instruction)이라는 교수 모형이 제시되기에 이르렀다. 또한, 개별 학습자의 학습 수준을 고려한 학습 및 평가 방식이 요구되고 있으며, 그에 따라 웹 기반 교육 시스템에 효율적이고 자동화된 교육 에이전트의 필요성이 인식되고 있다. 그러나 현재 연구되고 있는 많은 교육 시스템들은 학습자 성향에 맞는 학습 과정을 적절히 서비스해 주지 못할 뿐 아니라 지속적인 피드백과 학습자가 학습 과정에 따라 학습을 진행함에 있어서 취약한 부분을 재학습 할 수 있도록 도와주는 서비스를 원활히 제공하지 못하고 있다. 본 논문에서는 취약성 분석 알고리즘을 이용한 학습자 중심의 코스 스케줄링 멀티 모듈 시스템의 설계를 제안한다. 제안한 시스템은 먼저 학습자의 학습을 지속적으로 모니터링하고 평가하여 개인 학습자의 학습 성취도를 계산하며, 이 성취도 계산을 통해 나온 단원별 취약성을 에이전트의 스케줄에 적용하여 학습자에게 취약한 과목을 재학습 할 수 있는 학습 환경을 제공하고, 학습자는 이러한 학습 환경에 따라 반복된 학습을 통하여 완전학습을 수행하게 된다.

• 스마트미디어저널
• /
• 제11권3호
• /
• pp.26-30
• /
• 2022

스파이킹 신경망은 실제 두뇌 뉴런의 작동원리를 적용한 신경망으로, 뉴런의 생물학적 메커니즘으로 인해 기존 신경망보다 학습과 추론에 소모되는 전력이 적다. 최근 딥러닝 모델이 거대해지며 운용에 소모되는 비용 또한 기하급수적으로 증가함에 따라 스파이킹 신경망은 합성곱, 순환 신경망을 잇는 3세대 신경망으로 주목받으며 관련 연구가 활발히 진행되고 있다. 그러나 스파이킹 신경망 모델을 산업에 적용하기 위해서는 아직 선행되어야 할 연구가 많이 남아있고, 새로운 모델을 적용하기 위한 모델 재학습 문제 역시 해결해야 한다. 본 논문에서는 기존의 학습된 딥러닝 모델의 가중치를 추출하여 스파이킹 신경망 모델의 가중치로 변환하는 것으로 모델 재학습 비용을 최소화하는 방법을 제안한다. 또한, 변환된 가중치를 사용한 추론 결과와 기존 모델의 결과를 비교해 가중치 변환이 올바르게 작동함을 보인다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 1995년도 제7회 한글 및 한국어 정보처리 학술대회
• /
• pp.30-34
• /
• 1995

신경망을 이용하는 연속 음성 인식에서 학습이라 함은 인위적으로 분할된 음성 데이타를 토대로 진행되는 것이 지배적이었다. 그러나 분할된 음성데이타를 마련하기 위해서는 많은 시간과 노력, 숙련 등을 요구할 뿐만아니라 그 자체가 인식도메인의 변화나 확장을 어렵게 하는 하나의 요인 되기도 한다. 그래서 분할된 음성데이타의 사용을 가급적 피하고 그러면서도 성능을 떨어뜨리지 않는 신경망 학습법들이 나타나고 있다. 본 논문에서는 학습된 인식기를 이용하여 자동으로 한국어 음성데이타를 분할한 후 그 분할된 데이타를 이용하여 다시 인식기를 재학습시켜나가는 반복 과정을 소개하고자 한다. 여기에는 TDNN이 인식기로 사용되며 인식단위는 음소이다. 학습은 cross-validation 기법을 이용하여 제어된다.