• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.11a
• /
• pp.374-376
• /
• 2022

항로표지 배치의 적합성 평가 및 검증에 활용하기 위해 기계학습 (Machine Learning)을 통해 대표항적선을 결정한다. 이 연구에서는 대표항적선과 항로표지와의 최근접 거리를 계산하고 시인가능 거리 및 거리율 등을 통해 항로표지의 배치 적합성을 평가하고 검증한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.8
• /
• pp.1032-1038
• /
• 2021

Rate of penetration(ROP) is one of the important variables for maximizing the drilling performance. In order to maximize drilling efficiency, it is necessary to increase the drilling speed, and real-time ROP prediction is important so that the driller can identify problems during drilling. The ROP has a high correlation with the drillstring rotational speed, weight on bit, and flow rate. In this paper, the ROP was predicted using a data-driven supervised learning model trained from the drilling efficiency parameters. As a result of comparison through the performance evaluation metrics of the regression model, the root mean square error(RMSE) of the RF model was 4.20 and the mean absolute percentage error(MAPE) was 9.08%, confirming the best predictive performance. The proposed method can be used as a base model for ROP prediction when constructing a real-time drilling operation guide system.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2011.06a
• /
• pp.265-268
• /
• 2011

이 연구는 초등교육에서 사이버가정학습의 참여를 저해하는 요인을 도출하고, 그 요인 중 가장 영향을 많이 미치는 요인을 찾음으로써 참여율을 제고하는데 목적이 있다. 연구목적을 달성하기 위해 선행연구 분석을 통해 8가지 잠정적 저해요인(학습동기 및 태도의 문제, 컴퓨터에 대한 부담감, 컴퓨터 사용의 어려움, 새로운 학습방법의 어려움, 학습설계의 문제, 상호작용의 어려움, 화면설계의 문제, 환경상의 문제)를 도출하였다. 이에 따라 33문항으로 구성된 설문지를 제작하여 사이버가정학습을 실시하고 있는 초등학교(3학년~6학년 학생 429명)을 대상으로 설문조사를 실시하였다. 로지스틱 회귀분석을 통해 분석한 결과, 초등교육에서 사이버가정학습 참여 저해에 영향을 주는 요인은 학습동기 및 태도의 문제, 컴퓨터 사용의 어려움, 컴퓨터에 대한 부담감, 새로운 학습방법의 어려움, 학습설계의 문제 이었다. 이중에서 참여 저해에 대한 영향력은 컴퓨터에 대한 부담감, 새로운 학습방법에 대한 어려움, 컴퓨터 사용의 어려움, 학습설계의 문제 순으로 4가지였다. 즉, 컴퓨터에 대한 부담감, 새로운 학습방법에 대한 어려움, 컴퓨터 사용의 어려움, 학습설계의 문제가 적을수록 지속할 가능성이 더 큰 것으로 나타났다. 연구결과를 토대로 초등교육에서 사이버가정학습 참여율을 제고하기 위해서 다음과 같은 결론을 내릴 수 있다. 첫째, 초등학생을 대상으로 한 사이버가정학습 운영 시 컴퓨터에 대한 부담감이나 새로운 학습방법에 대한 어려움, 컴퓨터 사용의 어려움이 있는지 고려해 초등학생에 맞는 적절한 학습설계를 구축하는 것이 중요하다. 둘째, 초등교육에서 사이버가정학습의 참여 저해요인에 가장 큰 영향을 미치는 컴퓨터에 대한 부담감을 줄이기 위해 학습자가 컴퓨터에 대한 두려움을 없애주고 컴퓨터가 학습에 유용하다고 느낄 수 있도록 초등학생을 위한 맞춤형 교수설계 및 콘텐츠 개발로 컴퓨터에 쉽게 접근하고 즐거움을 느낄 수 있도록 유도해야 한다.

• Journal of Korean Society of Transportation
• /
• v.22 no.5
• /
• pp.111-122
• /
• 2004

The driver's decision making (e.g. route choice) is a typical decision making with an uncertainty. In this paper, we investigate the effect of route guidance information on driver's route choice and learning behavior and analyse the potential of information system in a road network in which traffic flows follow random walk. A Simulation performed focuses on the relationship among the network wide performance, message receiving rates and driver's learning mechanism. We know that at high levels of message receiving rates, the network-wide performance may get worse. However, at low levels of receiving rates, we found that the travel time when guidance information is provided decrease compared to the cases when no pubic information is provided. Also, we found that the learning parameter of the learning mechanism model always changes under nonstationary traffic condition. In addition, learning process of drivers does not converge on any specific value. More investigation is needed to enlarge the scope of the study and to explore more deeply driver's behavior.

• Journal of Biomedical Engineering Research
• /
• v.19 no.5
• /
• pp.455-468
• /
• 1998

For the objective interpretation of cerebral metabolic patterns in epilepsy patients, we developed computer-aided classifier using artificial neural network. We studied interictal brain FDG PET scans of 257 epilepsy patients who were diagnosed as normal(n=64), L TLE (n=112), or R TLE (n=81) by visual interpretation. Automatically segmented volume of interest (VOI) was used to reliably extract the features representing patterns of cerebral metabolism. All images were spatially normalized to MNI standard PET template and smoothed with 16mm FWHM Gaussian kernel using SPM96. Mean count in cerebral region was normalized. The VOls for 34 cerebral regions were previously defined on the standard template and 17 different counts of mirrored regions to hemispheric midline were extracted from spatially normalized images. A three-layer feed-forward error back-propagation neural network classifier with 7 input nodes and 3 output nodes was used. The network was trained to interpret metabolic patterns and produce identical diagnoses with those of expert viewers. The performance of the neural network was optimized by testing with 5~40 nodes in hidden layer. Randomly selected 40 images from each group were used to train the network and the remainders were used to test the learned network. The optimized neural network gave a maximum agreement rate of 80.3% with expert viewers. It used 20 hidden nodes and was trained for 1508 epochs. Also, neural network gave agreement rates of 75~80% with 10 or 30 nodes in hidden layer. We conclude that artificial neural network performed as well as human experts and could be potentially useful as clinical decision support tool for the localization of epileptogenic zones.

• Proceedings of the Korean Society for Cognitive Science Conference
• /
• 2005.05a
• /
• pp.154-157
• /
• 2005

본 연구는 한국어를 학습한 경험이 없는 일본인의 한국어 치경폐쇄음 세 음소 범주(/ㄷ/, /ㄸ/, /ㅌ/)에 대한 지각 학습이 양순폐쇄음 세 음소(/ㅂ/. /ㅃ/, /ㅍ/) 지각에 미치는 효과를 검토하였다. 김윤현과 김정오 (2005)는 일본인들이 지각 학습과제에서 한국어 치경폐쇄음 세 범주를 구분할 때 기식성. 긴장성과 같은 변별 자질에 선택주의 하게 됨을 시사하는 결과를 얻었다. 치경음에 대한 지각 학습으로 적절한 단서에 선택주의 하게 되었다면, 같은 지각 차원에 따라 세 범주로 구분되는 양순음의 경우에도 치경폐쇄음 학습 후 음성자극들을 옳게 범주화를 할 것이다. 실험 결과, 치경폐쇄음 자극(/다/, /따/, /타/)만으로 이루어진 동일-상이판단 학습 과제에서 치경폐쇄음 파악의 정확율은 29.1%(표준오차=3.02) 증가하였고, 조음 위치의 변화에 따른 음향적 차이에도 불구하고 양순폐쇄음의 정반응율도 15.8%(표준오차=3.27)의 향상을 보였다. 이 전이효과는 치경음 지각 학습 때문에 일본인들이 폐쇄음의 세 음소 범주를 구분하는 적절한 지각 차원에 선택주의하게 되었음을 시사한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.401-403
• /
• 2021

본 연구는 한국지능정보사회진흥원에서 제공한 2018년 스마트폰 과의존 실태조사에서 사용된 11개 변수와 스마트폰 과의존과의 관계를 탐색하고, 이를 통해 딥러닝 기반 스마트폰 과의존 분류 분석 모델을 개발하고자 시행되었다. 학습데이터셋은 전국 10,000개 가구내 만 3-69세 스마트폰 이용자 25,465명의 스마트폰 이용 형태 및 개인적 특성에 관한 데이터이다. 딥러닝은 심층신경망(DNN)을 설계하였으며, 은닉층(hidden layer)은 4개층으로 구성하였다. 입력한 데이터는 각각 200개, 150개, 100개, 50개, 2개 노드를 거치면서 최종 출력 정보인 스마트폰 과의존 분류율로 나타나는 모델이다. 이때 스마트폰 과의존 분류률을 높이기 위해 학습률(learning rate)과 같은 하이퍼 파라미터를 활용하여 세부조정하면서 가장 잘 학습하는 값을 찾아내었다. 연구결과, 학습횟수가 300번으로 학습율(learning.rate)이 0.01일때 훈련데이터에서 97.43%, 검증데이터에서 98.06%로 가장 높게 나타났다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.648-651
• /
• 2018

흡연여부를 감별하는 지표가 있지만 반감기 등 여러 가지 요인에 따라 결과가 변한다는 단점이 있다. 그렇기 때문에 흡연여부 감별 시 외부요인에 영향을 덜 받는 지표가 필요하게 되었다. 그래서 흡연 여부 감별하는데 적합한 모형을 찾아 외부요인에 영향이 적은 지표를 개발에 도움이 될 것을 기대하며 연구를 진행하였다. 실험은 국민건강보험공단에서 제공한 건강검진정보데이터를 기반으로, SVM, Logistic Regression, KNN 등의 머신러닝 모델을 이용하여 흡연 여부를 감별하는 것을 진행한다. 이 실험은 속성에 따른 모형의 성능변화와 학습데이터 수에 따른 모형의 성능변화에 대한 2가지 측면에서 모델의 성능을 측정하였다. 모델의 평가는 정확도(accuracy), 정밀도(precision), 재현율(recall), 조화 평균(f1-score)으로 진행하였으며, 약 70퍼센트 정도의 정확도와, 60퍼센트 대의 재현율을 보인다. 실험 결과, SVM이 속성에 따른 모형의 성능 변화 실험에서는 63%의 재현율, 학습데이터 수에 따른 성능 변화 실험에서는 68%의 재현율을 보여, 흡연자 판별에 가장 좋은 성능을 보였다. 또한 재현율을 기준으로 실험 차수별로 가장 좋은 성능을 보인 모델과 가장 저조한 성능을 보인 모델의 차이를 비교한 결과, '속성에 따른 모형의 성능 변화 실험'에서는 최고 36%의 차이를 보였으며, '학습데이터 수에 따른 성능 변화 실험'에서 최고 42%의 차이를 보여 주었다. 이에 판별을 위한 속성도 중요하지만, 적합한 모형 선택 또한 중요하다는 것을 확인하였다.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.23 no.6
• /
• pp.38-44
• /
• 2019

A Convolution Neural Network(CNN) model was utilized to detect surface cracks in asphalt concrete pavements. The CNN used for this study consists of five layers with 3×3 convolution filter and 2×2 pooling kernel. Pavement surface crack images collected by automated road surveying equipment was used for the training and testing of the CNN. The performance of the CNN was evaluated using the accuracy, precision, recall, missing rate, and over rate of the surface crack detection. The CNN trained with the largest amount of data shows more than 96.6% of the accuracy, precision, and recall as well as less than 3.4% of the missing rate and the over rate.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.69-72
• /
• 2008

본 논문은 언어의 통계적 특징을 이용하여 범용의 문장경계 인식기를 제안한다. 제안하는 방법은 대량의 코퍼스 내에서 사용되고 있는 문장 경계를 기준으로 음절 및 어절 등의 자질을 이용하여 통계적 특징을 추출하고 다양한 기계학습 기법을 사용하여 문장경계를 인식하고자 하였다. 또한 특정 언어나 도메인에 제한적이지 않고 범용적인 자질만을 사용하려고 노력하였다. 언어의 특성상 문장의 구분이 애매한 경우 또는 잘못 사용 된 구두점 등의 경우에도 적용 가능하도록 다양한 자질을 사용하여 실험하였으며, 한국어와 영문 코퍼스에 대해서 동일한 자질을 적용하여 실험하여 본 논문에서 제시한 자질들이 한국어 및 다른 언어권의 언어에도 적용될 수 있는 범용적인 자질임을 확인할 수 있었다. 한국어 문장경계 인식을 위한 기계학습 및 실험을 위해서 세종계획 코퍼스를 사용하였으며, 성능척도로는 정확률과 재현율을 사용하였으며, 실험결과 제안한 방법으로 99%의 정확률과 99.2%의 재현율을 보였다. 영문의 경우는 Wall Street Journal 코퍼스를 사용하였으며, 동일한 자질을 적용하여 실험한 결과 98.9%의 정확률과 94.6%의 재현율을 보였다.