• 한국과학교육학회지
• /
• 제35권4호
• /
• pp.619-628
• /
• 2015

이 연구의 목적은 동형검사를 활용한 진단 및 형성평가가 초등과학 수업에 어떠한 영향을 미치는지 알아보고자 하였다. 이를 위해 진단 및 형성평가의 문항 및 학업성취도 문항을 개발하여 수업에 적용 및 투입하였는데 연구 결과는 다음과 같다. 첫째, 진단평가를 실시한 과학수업은 학생들의 과학 학업성취도를 향상시켰다. 둘째, 형성평가를 실시한 과학 수업에서는 학생들의 과학 학업성취도 향상에 도움을 주지못하였으며, 자기주도적 학습 태도의 영역 중에서는 학습기회의 개방성 영역만 향상시켰다. 셋째, 진단 및 형성평가 실시한 과학 수업에서는 학생들의 과학 학업성취도를 향상시켰으며, 자기주도적 학습 태도의 영역 중에서 문제 해결 기술을 제외한 학습기회의 개방성, 학습에 대한 주도성, 학습에 대한 애착 영역을 향상시켰다. 따라서 이 연구에서는 학생들의 학업성취도와 자기주도적 학습 태도를 향상시키기 위해서는 형성평가를 진단평가와 함께 실시해야 함을 강조하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권1호
• /
• pp.13-22
• /
• 2013

무선으로 응용 프로그램을 다운받아 실행하고 수많은 응용 프로그램들을 통신 접속이 없어도 실행이 가능하다는 점으로 인해 스마트폰 중독이 인터넷 중독보다 심각한 상태이지만 아직까지 스마트폰 중독과 관련된 연구가 부족한 상태이다. 한국정보화진흥원에서 개발한 스마트폰 중독 검사 척도인 S-척도는 문항수가 많아 응답자들이 진단 자체를 회피할 수도 있으며 인구통계학적 변인도 고려하지 않은 상태에서 체크한 문항들에 대한 총점만으로 중독여부를 진단하므로 정확하게 진단하는데 어려움이 있다. 따라서 본 논문에서는 인구통계학적 변인을 포함한 여러 문항들을 추가한 자료들을 대상으로 먼저 스마트폰 중독에 영향을 미치는 중요한 요인들을 추출해 보았다. 추출한 축소문항을 대상으로 데이터마이닝기법 중 하나인 신경망을 이용하여 분류를 하였다. 신경망 학습알고리즘 중에서 BP학습 알고리즘과 다중 SVM을 이용하여 학습을 시켜 비교, 분석 해 본 결과 다중 SVM의 학습율이 조금 더 높게 나타났다. 본 논문에서 제안한 다중 SVM을 이용하여 학습을 한 자가진단 시스템을 이용하면 자료들의 급격한 변화에 대해 뛰어난 적응성을 가지므로 빠른 시간 내에 자신의 중독여부를 정확하게 자가진단 할 수 있다.

• 한국음향학회지
• /
• 제39권4호
• /
• pp.263-269
• /
• 2020

본 논문에서는 정상상태와 8가지의 고장이 재현가능한 회전체를 제작하고 진동 데이터를 취득하였다. 취득한 데이터로 특징을 계산하여 인공신경망과 유전알고리즘을 적용한 고장진단을 통해 정확성을 분석한다. 최적의 시간과 높은 정확성의 구현을 위해 특징을 3가지 영역으로 구분하여 고장진단에 적용하였다. 설정변수는 학습수로 설정하였다. 회전체 고장진단의 결과는 다른 영역보다 주파수영역에서 높은 정확성을 보였으며 학습수 5000, 8000회에서 10회의 구동 모두 정확한 고장진단을 하였다. 시간의 효율성을 고려하였을 경우, 학습수가 5000회일 때 가장 우수하다고 판단하였다.

• 디지털융복합연구
• /
• 제15권4호
• /
• pp.1-11
• /
• 2017

본 연구의 목적은 청소년들의 자기주도학습 능력 향상을 위한 SMMIS 모형 기반의 온라인 종합진단검사 도구를 개발하는 것이다. 이를 위해 문헌 분석 및 전문가 검토를 거쳐 초 중학생용과 고등학생용 검사 문항을 개발하였다. 아울러 해석 규준 설정을 위해 총 1,626명의 초, 중, 고등학생을 대상으로 검사를 실시하였다. 그 결과를 토대로 블렌디드러닝 기반 온라인 자기주도학습 종합진단검사 시스템을 개발하였다. 아울러 청소년 대상 블렌디드러닝 기반 온라인 종합진단검사 결과의 구체적 활용 방안과 향후 보완 및 후속 연구 방향에 대해 논의하였다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2006년도 제26회 춘계학술대회논문집
• /
• pp.209-212
• /
• 2006

본 논문에서는 항공기용 터보 축 엔진의 결함 진단 알고리즘을 개발하지 위해 Support Vector Machine(SVM)과 인공신경망(ANN)을 이용하였다. SVM을 이용하여 결함 위치를 판별한 후 인공신경망이 선택적으로 학습하는 분할 학습 알고리즘(SLA)을 제안하였으며 이를 고도 변화에 따른 가스 터빈 엔진의 결함 진단에 적용하여 분류 속도 및 예측 정확률 개선 가능성을 확인하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2008년도 하계학술대회 논문집
• /
• pp.66-68
• /
• 2008

본 논문은, 전력계통 내의 순시 파형으로부터 전력품질 자동진단을 위한 인공지능형 단상전력품질 진단기를 제안한다. 진단하는 전력품질은 전압강하(Sag), 전압상승(Swell), 과도현상(Transient) 및 전고조파함유율(THD) 이다. 인공지능 구현을 위해서 인공신경망 이론을 이용하였으며, 시뮬레이션 및 TI DSP 320C6713 사용하여 하드웨어를 구현하였다. 인공신경망의 학습을 위하여, 00변전소에서 일년(2007년)동안 측정한 데이터 중에서 Sag, Swell, Transient 특성이 명확히 관측된 150주기의 파형과 정상상태의 50주기 파형으로 구성된 총 200주기의 데이터를 사용하였다. 측정된 파형을 1/60[sec.]마다 256번 샘플링하여, FFT 및 웨이블렛 변환을 시행하여 얻어진 값을 인공신경망 학습에 사용하였다. 상용프로그램 PSIM을 이용하여 인공신경망 학습을 시뮬레이션하였으며, DSP 프로세서를 이용하여 하드웨어로 구현하여 검증하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.451-452
• /
• 2022

본 논문에서는 딥러닝 영상인식 기술을 활용한 객체검출 모델인 YOLOv4를 활용하여 탈모 자가 진단 앱을 제안한다. 본 논문에서 제안하는 앱은 실시간 영상처리기술인 YOLOv4를 사용하여 탈모 유무와 탈모 유형에 대해 학습을 하고, 앱에서 사용자가 자신의 이마 라인을 촬영하여 사진이 서버에 전송이 되고 서버에서 학습된 모델을 이용하여 검출된 탈모 유무 판단과 탈모 단계 판단의 결과값을 다시 앱으로 전송한다. 탈모에 대한 정확한 진단을 통하여 치료 방법과 치료 시기 결정에 대하여 도움을 줄 것으로 기대된다.

• 문화기술의 융합
• /
• 제8권1호
• /
• pp.349-359
• /
• 2022

이 연구의 목적은 전문대학생용 학습전략 척도(K-Learning Strategy Scale for College)의 온라인 활용을 위해 학습인지와 학습정서 요인의 문항을 추가하고 재타당화하는 것이다. 전문대학생의 학습전략에 영향을 미칠 수 있는 학습인지, 학습행동, 학습정서의 하위요인을 각각의 항목별로 구체적으로 탐색하고 분석하는 것은 자기성찰과 학업성취도 향상을 위해 중요하다. 추가된 문항은 학습인지 요인의 학습정보처리 과정에서의 주의집중을 진단하는 2개 문항과 학습정서 요인의 타인에 대한 불안수준을 진단하는 대인불안 요인 2개 문항이다. 연구대상 지역은 전국 5개 지역으로 실시하였으며, 연구대상자는 불성실 응답 327명을 제외한 923명의 전문대학생이다. 수정된 K-LSS_r 척도는 학습인지(18문항), 학습정서(15문항), 학습행동(19문항)의 3개 영역 하위요소로 구성된 총 52문항의 전문대학생용 학습전략 진단 척도이며, 본 연구에서 일반화를 위한 신뢰도 검증 결과 척도 전체 Cronbach의 α 계수는 .896이었고, 3개 요인의 Cronbach의 α 계수는 .876에서 .910이었다. 척도의 반분신뢰도 계수는 전체가 .858이었고 3개 요인의 반분신뢰도계수는 .792에서 .843이었다. 5개 지역 소재 대학생 350명을 대상으로 3주간의 검사-재검사 신뢰도 검증 결과는 전체가 .884이었으며, 일반화를 위한 타당도 검증 결과에서 구인타당도가 통계적으로 유의한 정적상관을 나타내었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제56차 하계학술대회논문집 25권2호
• /
• pp.9-10
• /
• 2017

본 논문에서 소음, 진동을 이용한 딥러닝 기반 기계 고장진단 임베디드 시스템을 제안하였다. 제안된 시스템은 기계로부터 취득된 소리와 진동을 바탕으로 학습한 DNN모델을 통해 실시간으로 기계 고장을 진단한다. 딥러닝 기술을 사용하여 학습에 따라 적용대상이 변경될 수 있도록 함으로써 특정 기계에 종속적이지 않고 가변적으로 다양한 기계에 대해 고장 예지 및 건전성 관리를 제공하도록 설계하였으며, 이를 증명하기 위해 액추에이터를 환풍기로 설정하여 정상상태와 4가지 비정상상태의 5가지상태를 학습하여 실험한 결과 93%의 정확도를 얻었다.

• 한국통신학회논문지
• /
• 제26권11C호
• /
• pp.75-84
• /
• 2001

본 논문에서는 신경망을 이용한 실시간 고장 검출 및 진단(FDD : Fault Detection and Diagnosis) 시스템을 제안한다. 제안된 시스템은 공조 시스템(FDD : Air Handling Unit)에서 발생 가능한 여러 고장들을 검출하고 진단할 수 있다. 고장 검출 및 진단 기법으로 3층 구조의 전방향(feed-forward) 신경망을 사용하였고, 여기에 사용된 학습 방법은 역전파(back-propagation) 학습 알고리즘이다. 공조 시스템에 적용된 실시간 고장 검출 및 진단 시스템은 비주얼 C++와 비주얼 베이직을 사용하여 구현하였다. 제안된 고장 검출 및 진단 시스템을 실제 운전 중인 공조 시스템에 적용하여 실험하였고, 정확한 고장 검출 및 진단이 수행됨을 실험 결과로서 입증하였다.