• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.112-112
• /
• 2020

하천에서 유해화학물질 유입 사고 발생 시 수환경 피해를 최소화하기 위해 신속한 초기 대응이 필요하다. 따라서, 본 연구에서는 수환경 화학사고 대응 시스템 구축을 위해 하천 실시간 모니터링 지점에서 관측된 유해화학물질의 농도 자료를 이용하여 발생원의 유입 지점과 유입량을 역추적하는 프레임워크를 개발하였다. 본 연구에서 제시하는 프레임워크는 첫 번째로 하천 저장대 모형(Transient Storage Zone Model; TSM)과 HEC-RAS 모형을 이용하여 다양한 유량의 수리 조건에서 화학사고 시나리오를 생성하는 단계, 두번째로 생성된 시나리오의 유입 지점과 유입량에 대한 시간-농도 곡선 (BreakThrough Curve; BTC)을 21개의 곡선특징 (BTC feature)으로 추출하는 단계, 최종적으로 재귀적 특징 선택법(Recursive Feature Elimination; RFE)을 이용하여 의사결정나무 모형, 랜덤포레스트 모형, Xgboost 모형, 선형 서포트 벡터 머신, 커널 서포트 벡터 머신 그리고 Ridge 모형에 대한 모형별 주요 특징을 학습하고 성능을 비교하여 각각 유입 위치와 유입 질량 예측에 대한 최적 모형 및 특징 조합을 제시하는 단계로 구축하였다. 또한, 현장 적용성 제고를 위해 시간-농도 곡선을 2가지 경우 (Whole BTC와 Fractured BTC)로 가정하여 기계학습 모형을 학습시켜 모의결과를 비교하였다. 제시된 프레임워크의 검증을 위해서 낙동강 지류인 감천에 적용하여 모형을 구축하고 시나리오 자료 기반 검증과 Rhodamine WT를 이용한 추적자 실험자료를 이용한 검증을 수행하였다. 기계학습 모형들의 비교 검증 결과, 각 모형은 가중항 기반과 불순도 감소량 기반 특징 중요도 산출 방식에 따라 주요 특징이 상이하게 산출되었으며, 전체 시간-농도 곡선 (WBTC)과 부분 시간-농도 곡선 (FBTC)별 최적 모형도 다르게 산출되었다. 유입 위치 정확도 및 유입 질량 예측에 대한 R²는 대부분의 모형이 90% 이상의 우수한 결과를 나타냈다.

• 컴퓨터교육학회논문지
• /
• 제14권1호
• /
• pp.69-79
• /
• 2011

본 연구는 대학에서 교육되고 있는 프로그래밍 강좌를 위한 프로그래밍 교육 프레임워크를 제안한다. 먼저 프로그래밍에 관한 국내외의 다양한 심리학 및 교육학 관련 논문을 살펴본 결과, 몇 개의 논문에서 초보 프로그래머와 전문 프로그래머 사이에 존재하는 정신 모델, 프로그래밍 지식과 전략에 관한 차이를 확인할 수 있었다. 또한 초보 프로그래머가 겪는 많은 문제점들도 확인할 수 있었다. 그래서 이를 우선 정리하여 프로그래밍 교사에게 실제적인 도움이 될 수 있는 시사점을 도출하였고, 초보 프로그래머의 실력을 향상시키기 위해 프로그래밍 개발 과정, 프로그래밍 학습 요소, 교수학습 방법을 세 개의 차원으로 하는 프로그래밍 교육 프레임워크를 제안한다. 이 프레임워크는 프로그래밍 강좌의 개발과 운영, 평가를 위한 가이드라인이 될 것이다.

• 한국항행학회논문지
• /
• 제13권3호
• /
• pp.426-431
• /
• 2009

최근 이러닝의 적용은 학습자에게 보다 편하고 효율적으로 학습을 진행할 수 있는 방법으로 변화되고 있다. 이를 위하여 PDA, 넷북, 타블렛 PC등의 이동형 기기를 통해 학습을 지원할 수 있는 U-러닝의 적용 연구가 활발히 진행되고 있다. 그러나 많은 U-러닝 프레임워크에서는 학습 콘텐츠 제작 및 처리 규격인 SCORM을 고려하지 않고 기존의 학습 콘텐츠를 이동형 기기에 맞도록 변환하는 처리만을 고려하고 있다. 본 연구에서는 SCORM을 고려한 U-러닝 학습콘텐츠 상호연결 프레임워크를 제시하였다. 이를 위하여 SCORM에서 제공하는 학습객체, 애셋 등을 통해 학습을 구성하고, 학습자의 이동형 기기 메타데이터를 통하여 해당 이동형 기기에 맞는 학습 콘텐츠로 재구성된 학습정보를 학습자에게 제공할 수 있도록 하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제61차 동계학술대회논문집 28권1호
• /
• pp.41-42
• /
• 2020

머신러닝이 보편화되면서 모델 학습을 돕기 위한 머신러닝 및 데이터과학 도구의 수요가 증가하고 있다. 머신 러닝을 사용하는 연구에서는 다양한 파라미터에 대한 실험이 진행되어 많은 학습 부산물이 생성 된다. 하지만 기존의 학습 부산물을 관리하는 프레임워크는 하나의 실험을 진행하는데 모든 경우의 수를 진행해 그 규모가 크다. 본 연구는 기존의 도구가 가지는 규모 문제를 개선하고, 주기적으로 메일을 사용자에게 전송해 실험과정을 보고하는 새로운 도구를 제안한다. 이러한 시스템은 학습과정에서 사용자가 의도한 파라미터의 학습이 진행되는지 추적가능하다.

• 한국콘텐츠학회논문지
• /
• 제7권12호
• /
• pp.283-291
• /
• 2007

유비쿼터스 컴퓨팅의 시대로 접어들면서, 컴퓨터 시스템은 언제 어디서나 우리의 일상생활에서 필요로 하는 적절한 서비스와 정보를 제공할 수 있게 되었다. 이러한 유비쿼터스 컴퓨팅은 언제 어디서나 학습을 할 수 있는 유비쿼터스 학습의 개념으로 발전시켰다. 본 논문에서는 기존의 ERSS(Korea's Educational Resources Sharing System)를 발전시켜, 유비쿼터스 컴퓨팅 기술이 적용된 U-스쿨을 위한 프레임워크를 제안한다. 제안된 프레임워크는 기존의 ERSS를 기반으로 하여 모바일 기술, 센서 단말 기술과 상황 인식 기술을 적용하였고 사용자 중심의 시나리오를 사용하여 사용자 중심의 러닝 환경을 제공한다. 특히 유비쿼터스 교육 환경에서의 상황인식 서비스는 학생, 교사, 객체 및 환경의 동적인 상황 정보를 기반으로 즉시 학습 및 개인별 맞춤 학습에 적용될 수 있다.

• 한국컴퓨터교육학회 학술대회
• /
• 한국컴퓨터교육학회 2017년도 하계학술대회
• /
• pp.201-204
• /
• 2017

빅 데이터의 시대가 도래하면서 이전보다 데이터로부터 유의미한 정보를 추출하는 것에 대한 연구가 활발하게 진행되고 있다. 딥러닝은 텍스트, 이미지, 동영상 등 다양한 데이터에 대한 학습을 가능하게 할 뿐만 아니라 높은 학습 정확도를 보임으로써 차세대 머선러닝 기술로 각광 받고 있다. 그러나 딥러닝은 일반적으로 학습해야하는 데이터가 많을 뿐만 아니라 학습에 요구되는 시간이 매우 길다. 또한 데이터의 전처리 수준과 학습 모델 튜닝에 의해 학습정확도가 크게 영향을 받기 때문에 활용이 어렵다. 딥러닝에서 학습에 요구되는 데이터의 양과 연산량이 많아지면서 분산 처리 프레임워크 기반 분산 학습을 통해 학습 정확도는 유지하면서 학습시간을 단축시키는 사례가 많아지고 있다. 본 연구에서는 범용 분산 처리 프레임워크인 아파치 스파크에서 데이터 병렬화 기반 분산 학습 모델을 활용하여 모바일 빅 데이터 분석을 위한 딥러닝을 구현한다. 딥러닝을 구현할 때 분산학습을 통해 학습 속도를 높이면서도 학습 정확도를 높이기 위한 모델 튜닝 방법을 연구한다. 또한 스파크의 분산 병렬처리 효율을 최대한 끌어올리기 위해 파티션 병렬 최적화 기법을 적용하여 딥러닝의 학습속도를 향상시킨다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권1호
• /
• pp.9-17
• /
• 2021

본 논문에서는 확률적 모델예측제어(model predictive control) 기법을 이용하여 예제 동작 데이터가 주어지면 물리 기반 시뮬레이션 환경에서 그 동작을 모방할 수 있는 캐릭터 동작 제어기를 빠르게 학습할 수 있는 간편한 지도 학습(supervised learning) 프레임워크를 제안한다. 제안된 프레임워크는 크게 학습 데이터 생성과 오프라인 학습의 두 컴포넌트로 구성된다. 첫번째 컴포넌트는 예제 동작 데이터가 주어지면 확률적 모델예측제어를 통해 그 동작 데이터를 추적하기 위한 최적 제어기를 캐릭터의 현재 상태로부터 시작하여 가까운 미래 상태까지의 시간 윈도우에 대해 주기적으로 업데이트하면서 그 최적 제어기를 통해 캐릭터의 동작을 확률적으로 제어한다. 이러한 주기적인 최적 제어기의 업데이트와 확률적 제어는 주어진 예제 동작 데이터를 모방하는 동안 캐릭터가 가질 수 있는 다양한 상태들을 효과적으로 탐색하게 하여 지도 학습에 유용한 학습 데이터를 수집할 수 있게 해준다. 이렇게 학습 데이터가 수집되면, 오프라인 학습 컴포넌트에서는 그 수집된 데이터를 정규화 시켜서 데이터에 내제된 크기와 단위의 차이를 조정하고 지도 학습을 통해 제어기를 위한 간단한 구조의 인공 신경망을 학습시킨다. 걷기 동작과 달리기 동작에 대한 실험은 본 논문에서 제안한 학습 프레임워크가 물리 기반 캐릭터 동작 제어기를 빠르고 효과적으로 생성할 수 있음을 보여준다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (2)
• /
• pp.742-744
• /
• 2005

오늘날 모든 물체에 컴퓨터가 내장되어 언제 어디서나 사용자에게 적절한 서비스를 제공하는 유비쿼터스 컴퓨팅 개념이 대두되고 있다. 그래서 유비쿼터스 컴퓨팅 환경은 사용자 중심의 환경이나 주변 상황으로부터 획득한 컨텍스트를 분석하기 위해서 상황 인식(Context-awareness) 시스템이 필요하다. 이 시스템은 센서로부터 취득한 컨텍스트, 즉 하위 레벨의 컨텍스트로 부터 통합, 추론, 그리고 학습을 통해서 상위 레벨의 컨텍스트를 생성해야 한다. 그러나 기존의 상황 인식 시스템은 다양한 타입의 처리할 수 없고 사용자의 선호도나 흥미도를 고려하지 않은 제한점이 있다. 본 논문에서는 유비쿼터스 컴퓨팅 미들웨어를 위한 다양한 센서들로부터 다양한 타입의 컨텍스트를 처리할 수 있는 생성할 수 있는 프레임워크를 제안한다. 이 프레임워크는 변화하는 주변 환경에 따라 사용자에게 다양한 서비스를 제공할 수 있도록 센서된, 통합된, 추론된, 그리고 학습된 컨텍스트를 생성할 수 있도록 설계하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.596-599
• /
• 2021

목적지향 챗봇은 일상생활의 많은 부분을 자동화하기 위해 우리의 삶에 널리 보급되고 있다. 그러나 목적지향 챗봇은 보통 많은 모듈이 연결된 파이프라인의 형태로 구현되기 때문에 기계학습 초보자 혹은 비전문가가 직접 구현하기에는 어려운 편이다. 때문에 모든 모듈을 직접 구현하기보다는 유료 챗봇 빌더나 오픈소스 프레임워크를 통해 구현된다. 현재 영어는 몇 가지 오픈소스가 존재하지만 한국어는 관련 오픈소스가 전무한 상황이다. 본 논문에서는 이러한 문제를 해결하기 위해 한국어 전용 오픈소스 목적지향 챗봇 프레임워크인 Kochat 을 제안한다. 사용자는 Kochat 을 이용하여 약 20~30 줄의 코드만으로 손쉽게 자신만의 목적지향 챗봇을 학습 및 배포할 수 있다. 모든 소스코드와 문서는 https://github.com/hyunwoongko/kochat에서 확인할 수 있으며, 추가로 논문의 말미에 후속 연구에 대해서도 논의한다.

• 한국콘텐츠학회논문지
• /
• 제10권8호
• /
• pp.1-10
• /
• 2010

가상교육 환경에 있어서 보다 효과적인 지식 전달을 위해서는 시청각적 정보에만 의존하는 기존의 학습 매체에서 탈피하여 상황에 맞는 촉각 피드백이 포함된 '실감형 교과서'의 도입이 필요하다. 그러나 저작 및 재생 환경상의 제약으로 인해 실감형 교과서를 위한 학습 콘텐츠의 확보와 활용은 아직 요원한 실정이다. 우리는 이러한 문제점에 착안하여 실감형 교과서를 위한 접근성 높은 멀티모달 학습 콘텐츠 저작 및 재생 프레임워크를 제안하였다. 본 프레임워크는 직관적인 콘텐츠 저작을 위한 스크립트 포맷과 이를 재생하기 위한 콘텐츠 재생부로 구성되어 있다. 스크립트 규격 정의 단계에서는 학습 콘텐츠에 요구되는 요소들을 규명하고 이를 반영한 XML 기반의 메타언어를 정의하였다. 그리고 콘텐츠 재생부는 작성된 콘텐츠를 해석하고 사용자로부터의 입력에 대응하여 시각 및 촉각 렌더링 루프를 통해 사용자에게 멀티모달피드백을 제공하도록 설계되었다. 이렇게 제안된 내용을 바탕으로 프로토타입을 구현하고 사용자 평가를 수행하여 본 프레임워크의 효용성을 검증하는 한편 앞으로의 개선 방향에 대해 논의하였다.