• Proceedings of the Korean Society of Computer Information Conference
• /
• 2013.07a
• /
• pp.199-201
• /
• 2013

본 논문에서는 학생들의 과학 교과에서 학생들의 흥미와 학업성취를 향상시키기 위해 컴퓨터 시뮬레이션을 이용한 융합인재 교육 프로그램을 개발 하였다. 최근 디지털 기술의 고도화로 인해 다양한 정보통신 기술과 지식의 융합을 교육 환경에 적용하는 스마트러닝에 대한 관심이 증가하고, 학생들은 모바일 기기의 접근성에 대한 인식이 확대되고 학교 현장에서는 모바일 기기와 교육용 프로그램을 활용한 학습이 활성화 되고 있다. Algodoo는 2D기반 시뮬레이션 프로그램으로 다양한 물리적인 효과를 태블릿과 컴퓨터로 시뮬레이션 할 수 있으며, 웹에서 다양한 물리적인 효과나 원리에 대한 학습내용을 참고 할 수 있다. 교수 학습자료는 2009 개정교육과정 초등 과학에 나온 내용을 분석 후 실생활과 관련된 주제를 선정하여 학생들의 흥미와 이해를 향상시키도록 하였다. 또한 학생들은 개별학습과 협력학습을 통해 학습할 수 있으며, 학습 후에는 학생들이 시뮬레이션을 설계 및 실행하여 평가 및 반성을 할 수 있게 하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.427-429
• /
• 2023

인공지능 기술의 발전에 따라 유체 시뮬레이션 분야에서는 복잡한 액체의 흐름을 모사하기 위해 기계학습 기술이 많이 활용되고 있다. 이러한 시뮬레이션에서 성능 향상의 가장 중요한 요소는 학습 데이터다. 이 논문에서는 기계학습 기반 유체 시뮬레이션의 학습 데이터 생성 단계 중 기존의 방법보다 효율적으로 비말(splash) 탐색하는 방법을 제안한다. 기존 방법에서는 CPU 환경에서 큐(queue)를 이용하는 너비우선탐색(breadth first search) 기법을 사용하기 때문에 처리속도가 느리다. 반면에 제안하는 기법에서는 배열로 되어 있는 해시 테이블(hash table)을 이용해 충돌 문제를 해결해 GPU 환경에서 비말을 신속하게 검출하도록 하기 때문에 빠른 학습 데이터 생성이 가능하도록 했다. 이 알고리즘의 유효성을 확인하기 위하여 정확성과 수행시간을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.390-392
• /
• 2022

기계학습 분야에서 모델을 학습시키려면 많은 양의 데이터가 필요하다. 최근에는 컴퓨터 비전 분야에서 데이터가 적은 환경에서 모델을 학습하는 다양한 방법들이 소개되고 있다. 하지만 대부분의 방법을 사용하기 위해서는 어느 정도 최소한의 학습 데이터가 필요하기 때문에 극심하게 데이터가 부족한 환경에서는 사용하기 어렵다. 본 논문에서는 컴퓨터 비전 분야에서 기계학습을 사용할 때 극심하게 데이터가 부족한 환경에서 시뮬레이션 도구를 활용한 인조 데이터 생성 방법을 제안한다. 실험 결과를 통해 시뮬레이션 도구를 활용하여 생성한 인조 데이터로 학습한 모델이 실제 데이터만을 학습한 모델을 대체할 수 있음을 확인하였고, F-1 점수와 정확도가 향상함을 실험적으로 확인하였다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.11 no.4
• /
• pp.105-112
• /
• 2022

Recently, many studies using reinforcement learning-based autoscaling have been performed to make autoscaling policies that are adaptive to changes in the environment and meet specific purposes. However, training the reinforcement learning-based Horizontal Pod Autoscaler(HPA) policy in a real environment requires a lot of money and time. And it is not practical to retrain the reinforcement learning-based HPA policy from scratch every time in a real environment. In this paper, we implement a reinforcement learning-based HPA in Kubernetes, and propose a transfer leanring technique using a queuing model-based simulation to accelerate the training of a reinforcement learning-based HPA policy. Pre-training using simulation enabled training the policy through simulation experience without consuming time and resources in the real environment, and by using the transfer learning technique, the cost was reduced by about 42.6% compared to the case without transfer learning technique.

• Proceedings of The KACE
• /
• 2018.01a
• /
• pp.165-167
• /
• 2018

최근 급속히 발전하고 있는 콘텐츠 제작 기술을 활용하여 가상현실 콘텐츠를 제작하고 학습 도구로 활용하는 사례가 증가하고 있다. 학습 자료로써 사진이나 동영상과 같은 정적인 콘텐츠의 의존에서 벗어나, 상호작용적인 가상현실 콘텐츠를 학습에 활용하는 연구의 중요도가 높아지고 있다. 학습자가 기상 현상과 같이 입체적이고도 동적으로 변화하는 소재를 가상현실에서 능동적으로 체험한다면, 학습효과가 높아질 것으로 예상한다. 최신 실시간 컴퓨터 그래픽스 기술과 그래픽스 하드웨어는 기상 현상을 사실적으로 재현할 수 있는 수준으로 이미 발전해 있다. 이러한 최신 기술이 컴퓨터를 활용한 기상학 교육에서 활용할 수 있다. 본 연구에서는 실시간 볼륨 구름 시뮬레이션을 구현하여 상용 게임 엔진에 탑재하고, 이를 기반으로 기상학 학습용 가상현실 콘텐츠를 제작하는 방법에 대해서 논한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.345-348
• /
• 2022

본 논문에서는 유체 시뮬레이션(Fluid simulation)중 화염에서 표현되는 불똥 입자(Fire-flake particle)의 생성, 움직임과 삭제를 효율적으로 학습하고 표현할 수 있는 인공지능 기법에 대해 소개한다. 유체 시뮬레이션을 계산하기 위해서는 일반적으로 수치해석학과 같은 학문의 이해가 필요하며 불똥이나 거품과 같은 유체의 2차 효과(Secondary effect)는 기반유체(Underlying fluids)를 통해 추출되기 때문에 복잡하고 계산양이 많아진다. 이러한 문제를 완화하고자 본 논문에서는 인공신경망을 이용한 분류 모델 학습을 통해 격자 내에서 표현되어야 하는 불똥 입자의 생성을 학습하고, 다항 회귀 모델 학습을 통해 불똥 입자의 움직임을 예측한다. 또한, 불똥 입자가 삭제되어야하는 상태를 네트워크 학습을 통해 얻어내며, 수명(Lifespan) 임계값 조절하여 다양한 장면에서 불똥을 제어할 수 있다. 결과적으로 화염의 움직임을 기반으로 불똥의 움직임을 복잡한 수학식이나 디자이너에게 의존하지 않고 인공지능 학습을 통해 쉽게 제어하고 예측하는 결과를 보여준다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.425-428
• /
• 2020

본 논문에서는 경계 합성곱 신경망(Convolutional neural network, CNN)기반의 슈퍼 해상도 기법을 이용하여 저해상도 옷감 메쉬를 슈퍼 해상도로 노이즈 없이 안정적으로 표현할 수 있는 기법을 제안한다. 저해상도와 고해상도 메쉬들 간의 쌍은 옷감 시뮬레이션을 통해 얻을 수 있으며, 이렇게 얻어진 데이터를 이용하여 고해상도-저해상도 데이터 쌍을 설정한다. 학습할 때 사용되는 데이터는 옷감 메쉬를 지오메트리 이미지로 변환하여 사용한다. 우리가 제안하는 경계 합성곱 신경망은 저해상도 이미지를 고해상도 이미지로 업스케일링 시키는 이미지 합성기를 학습시키기 위해 사용된다. 테스트 결과로 얻어진 고해상도 이미지가 고해상도 메쉬로 다시 변환되면, 저해상도 메쉬에 비해 주름이 잘 표현되며, 경계 부근에서 나타나는 노이즈 문제가 완화된다. 합성 결과에 대한 성능으로는 전통적인 물리 기반 시뮬레이션보다 약 10배 정도 빠른 성능을 보여준다.

• Journal of the Korea Society for Simulation
• /
• v.18 no.1
• /
• pp.17-25
• /
• 2009

This paper suggests fuzzy-based Segment-Boost method and an effective method for face recognition using the fuzzy-based Segment-Boost. Fuzzy-based Segment-Boost eliminates the limitations of Segment-Boost, and it guarantees improved learning performance and the stability of the performance. By using the fuzzy theory, fuzzy-based Segment-Boost optimizes the selection number of sub-vectors, and leads the optimized learning performance. The fuzzy controller designed in this paper measures learning performance of the fuzzy-based Segment-Boost, and it controls the selection number of sub-vectors by inferring the optimized selection number. The simulation results show that the fuzzy controller inferred the selection number which is very approximate to the true optimized value. As a result, fuzzy-based Segment-Boost showed higher face recognition rate than compared boosting methods and it preserves the velocity of feature selection as fast as that of Segment-Boost. From the experimental results, it was proved that fuzzy-based Segment-Boost has improved and stable performances of learning, feature selection and face recognition.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10a
• /
• pp.113-118
• /
• 2006

고등학교 수학과 교육과정에서의 ‘확률과 통계'단원은 실제로 자료의 수집과 요약을 통하여 자료 분석방법을 배우고 사회와 자연현상을 인식하고 추론하는 능력을 기르는데 목표를 두고 있다. 추상적인 수학내용을 직접 시도하거나 학생들이 실제적인 자료를 수집하고 직접 자료를 해석하고 추론해 보는 경험과정은 수학실험과 시뮬레이션이라는 컴퓨터 학습을 통해 가능하고 개념학습의 전 단계에서 보다 구성적이고 탐구적인 활동을 강화할 수 있다. 본 논문에서는 ‘확률과 통계'의 교수-학습과정에서 수학적 시뮬레이션을 활용한 웹 기반 학습모형을 제시하여 학습자들에게 수학적 내용과 관련된 구체적 매체를 조작하는 컴퓨터 실험 활동을 통하여 수학에서의 원리발견과 통계적 추론을 경험하고 유도할 수 있는 탐구적 학습 환경을 조성해 보고자 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.139-140
• /
• 2021

IT 기술의 발전은 다양한 산업에서 PLC를 기반으로 하는 스마트 팩토리의 도입이 확산되고 있는 실정이나 이를 운영하는 운영 인력의 부족으로 많은 어려움을 겪고 있기에, PLC를 사용할 수 있는 인력 양성 교육 플랫폼이 필요한 실정이다. 최근 PLC와 같은 실습 기자재를 대체할 시뮬레이션 기법의 연구가 활발하게 진행되고 있으나, 기존 PC 환경에서의 시뮬레이션 프로그램들을 원격 수업에 적용할 경우 모니터 상에 많은 요소가 디스플레이 되어 화면 전환이 불편한 단점을 가지고 있다. 본 논문에서는 시뮬레이션 프로그램을 모바일 환경에서 실행하여 PC 화면에 모니터링할 프로그램의 수를 감소시킬 수 있는 모델을 제안한다. 제안 모델을 원격 교육에 적용할 경우 화면 전환의 수를 감소시켜 더욱 정확한 이해를 통하여 학습의 효과를 향상시킬 수 있을 것으로 기대된다.