• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.577-579
• /
• 2000

본 논문에서 제안하는 수학학습 시스템은 구성주의 원리에 입각하여 학습자 중심의 다양한 학습 방법을 통해 자발적이고 협동적인 학습이 가능하도록 설계하였다. 특히 XML 문서를 통해 수학과 교수학습 지도안의 표준을 지향하며 본 시스템을 통해 데이터가 공유될 수 있게 하였다. 본 시스템의 구성요소는 게임, 진단학습, Q/A, 그룹학습으로 구성되고 이들간의 상호 유기적인 관계를 구성하고 있다. 따라서, 본 시스템은 학습자가 스스로 학습할 수 있게 도와주는 다양한 학습방법에 의한 수학학습이 이루어질 수 있다.

• 한국항공우주학회지
• /
• 제35권3호
• /
• pp.238-247
• /
• 2007

유전자 알고리즘은 자연선택과 유전법칙을 적용하여 최적해를 탐색하는 방법으로, 본 연구에서 항공기용 가스터빈 엔진의 결함 진단을 위한 학습 알고리즘으로 사용되었다. 성능 저하를 고려한 구성요소는 압축기, 가스발생기 터빈, 동력 터빈이며, 설계점에서 엔진의 단일 구성요소에 대하여 각각 성능 저하 예측을 수행한 후, 이를 바탕으로 결함 진단을 수행하였다. 학습데이터 수의 증가가 유전자 알고리즘을 이용한 성능 저하 예측 및 결함 진단에 미치는 영향을 분석하였으며, 결과적으로 결함치에 대한 RMS 오차율이 모두 3% 이내로 예측됨을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 추계학술대회
• /
• pp.491-493
• /
• 2017

본 논문에서는 PCM 알고리즘을 적용하여 한국인 고유의 신체적 특성에 맞는 한의학 기반의 한방 자가 진단 시스템을 제안한다. 제안된 방법은 사용자로부터 입력받은 각 증상들에 가중치를 설정한다. 입력받은 증상의 개수가 많아질 경우에는 해당되지 않는 질병이 도출되기 때문에 각 증상 클러스터의 가중치를 낮게 설정하여 적은 입출력 변화에도 전체 결과의 신뢰도에 영향을 주지 않도록 한다. 입력 데이터와 가중치를 기반으로 하여 이미 학습된 질병의 증상과 비교한 후, 유사도가 높은 상위 5개의 질병을 도출한다. 도출된 상위 5개의 질병과 도출된 질병의 원인과 민간요법을 제공한다. 질병과 증상에 대한 데이터베이스는 여러 한의학 서적을 통해 구축한 후, 한의학 전문의의 검증을 거쳐 구현하였다. 제안된 한방 자가 진단 시스템은 진료 기록을 바탕으로 증상을 학습함으로써 기존의 질병 진단 시스템 보다 다양한 증상에 대한 질병 정보를 제공할 수 있는 것으로 확인되었다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2007년도 제29회 추계학술대회논문집
• /
• pp.350-353
• /
• 2007

본 연구에서는 항공기용 가스터빈 엔진의 운용에 있어 실시간 결함 진단을 위해 유전 알고리즘을 사용하였다. 탈 설계 영역에서 성능 저하를 고려한 가스터빈 엔진의 구성요소는 압축기, 가스발생기 터빈, 동력 터빈이다. 지상정지 상태인 설계점에 비해 고도, 비행 마하수, 연료유량에 대한 탈 설계 진단의 경우 학습 데이터는 약 200배 이상으로 증가하였으며, 요구 수렴도를 만족시키기 위해 방대한 학습시간이 요구된다. 탈 설계 영역에서 단일결함에 관한 진단오차를 만족시키고 학습시간을 단축시키기 위해 최적분할을 사용하였고 그 결과, 오차범위 5% 이내로 진단됨을 확인하였다.

• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제16권2호
• /
• pp.163-182
• /
• 2013

최근 몇 년간 국가수준에서 학생들의 기초학력 향상을 위한 다양한 정책이 수행되었다. 2011년 초등학교 3학년 기초학습 진단평가는 학생들의 학습부진을 조기에 확인하고 그에 따른 보정 교육을 실시할 목적으로 실시되었다. 본 연구에서는 초등학교 3학년 기초학습 진단평가 기초수학의 평가 결과를 토대로 초등학교 3학년 학생들의 성취수준을 분석하였고, 성취수준별 학생들의 학업성취도를 분석하였으며, 3) 학생들의 반응이 특이한 문항 분석을 실시하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.110-110
• /
• 2022

본 연구는 자율운항 선박의 원격 고장 진단 기법 개발의 일부로 수행되었다. 특히, 엔진 연료 계통 장비로부터 계측된 시계열 데이터로부터 상태 진단을 위한 알고리즘 구현 결과를 제시하였다. 엔진 연료 펌프와 청정기를 가진 육상 실험 장비로부터 진동 시계열 데이터 계측하였으며, 이상 감지, 고장 분류 및 고장 예측이 가능한 심층 학습(Deep Learning) 및 기계 학습(Machine Learning) 알고리즘을 구현하였다. 육상 실험 장비에 고장 유형 별로 인위적인 고장을 발생시켜 특징적인 진동 신호를 계측하여, 인공 지능 학습에 이용하였다. 계측된 신호 데이터는 선행 발생한 사건의 신호가 후행 사건에 영향을 미치는 특성을 가지고 있으므로, 시계열에 내포된 고장 상태는 시간 간의 선후 종속성을 반영할 수 있는 학습 알고리즘을 제시하였다. 고장 사건의 시간 종속성을 반영할 수 있도록 순환(Recurrent) 계열의 RNN(Recurrent Neural Networks), LSTM(Long Short-Term Memory models)의 모델과 합성곱 연산 (Convolution Neural Network)을 기반으로 하는 Conv1D 모델을 적용하여 예측 정확성을 비교하였다. 특히, 합성곱 계열의 RNN LSTM 모델이 고차원의 순차적 자연어 언어 처리에 장점을 보이는 모델임을 착안하여, 신호의 시간 종속성을 학습에 반영할 수 있는 합성곱 계열의 Conv1 알고리즘을 고장 예측에 사용하였다. 또한 기계 학습 모델의 효율성을 감안하여 XGBoost를 추가로 적용하여 고장 예측을 시도하였다. 최종적으로 연료 펌프와 청정기의 진동 신호로부터 Conv1D 모델과 XGBoost 모델의 고장 예측 성능 결과를 비교하였다

• 한국지능시스템학회논문지
• /
• 제16권1호
• /
• pp.30-36
• /
• 2006

본 연구에서는 중학교 국어 교과과정에 있어서 부진아 학생을 위한 부진 영역을 진단을 지원할 수 있는 시스템을 제안하였다. 제안된 시스템을 학교 수업 현장에 적용함으로써 학습부진 학생들의 수준에 맞는 보충${\cdot}$심화학습이 이루어져 학습결손과 학습부진을 최소화하여 교수${\cdot}$학습의 목표를 알성하고 학업성취도를 향상시킬 수 있도록 하였다. 이 시스템에서의 입력은 36가지 변수가 제안된 코딩 기법을 이용하여 시스템을 위하여 학습데이터와 테스트데이터가 인코딩된다. 이 인코딩된 변수의 값들은 시스템의 입력 층의 값이 된다. 은닉 총의 뉴런 수는 학습 데이터를 이용하여 학습한 후 가장 좋은 성능을 보여주는 결과를 이용하여 결정하였다. 출력 층의 뉴런 수는 각 영역에 하나의 뉴런을 할당하여 4개의 뉴런을 사용하였다. 본 시스템을 개발하기 위해 다층 퍼셉트론 구조와 오류 역전파 알고리즘을 사용하였다. 영역진단 지원 시스템을 위해 학습 데이터로써 2,008개를 사용하였고, 테스트를 위하여 380개의 데이터를 사용하여 실험한 후 성능을 평가하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.2065-2066
• /
• 2008

GIS 예방진단 시스템을 현장에 적용할 경우 예상치 못한 노이즈와 전기외란으로 예측 일치율에 저하가 발생한다. 본 논문에서는 각 현장에 설치된 온라인 GIS예방진단 시스템의 기록정보를 받아들여 새롭게 학습을 시킴으로써 현장 적응형 진단을 구축할 수 있는 방안을 제시한다. 또한 현장의 각종 노이즈 패턴도 학습시킴으로써 진단엔진의 성능향상을 도모한다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제32권3호
• /
• pp.89-112
• /
• 1993

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제57차 동계학술대회논문집 26권1호
• /
• pp.7-8
• /
• 2018

본 논문에서는 CNN 기반의 소음을 이용한 원동 구동장치 진단시스템(PHM)을 제안한다. 이 시스템은 구동장치로부터 발생된 소리로부터 특징데이터를 추출하여 이를 학습한 후 실시간으로 구동장치의 상태를 진단하는 것을 목적으로 하며, 딥러닝 기술을 이용하여 특정 장치에 종속되지 않고 학습할 데이터에 따라 적용 대상이 쉽게 가변 할 수 있도록 설계하였다. 본 논문에서는 실제 적용될 현장에서 발생할 수 있는 예측외의 소음환경에 유연하게 대처하기 위해 딥러닝 모델 중 CNN을 적용한 시스템을 설계하였으며, 제안된 시스템과 이전 연구에서 제안된 DNN 기반의 기계진단시스템을 학습데이터의 환경과 다른 처리배제가 필요한 소음환경에서 비교 실험하여 제안된 시스템이 새로운 환경적응 성능향상에 대하여 우수한 결과를 얻었음을 확인하였다.