• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.425-431
• /
• 2021

본 연구에서는 2020년 9월부터 시직된 AI융합교육 역량강화 사업의 매뉴얼을 개발하기 위해 사업 관계자(시도교육청 담당자, 교육부 및 지원센터 관계자, 교육대학원 행정실 및 전공교수 그리고 AI융합교육 전공 대학원생 및 일반교사)들을 대상으로 사업과정에 대한 전반적인 분석이 이루어졌다. 사업의 시행과정 전반에 걸친 분석을 통해 전공 대학원생 모집부터 교육 프로그램 관리, 학적관리, 예산관리 등의 영역에서 현장에서 현재 제기되고 있는 문제점들을 해결하는 방안을 매뉴얼에 포함하였다. 사업의 지속성과 효율성을 높이기 위해서는 사업 전반에 대한 정보를 제공하는 행정관리사이트가 구축될 필요가 있으며, 다소 생소한 영역인 AI융합교육에 대한 일반교사에 대한 홍보강화 그리고 등록 학생의 교육적 요구 및 수준에 따른 맞춤형 교육이 이루어질 필요가 있다.

• 로봇학회논문지
• /
• 제18권1호
• /
• pp.122-126
• /
• 2023

An unexpected occlusion in a real life, not in a laboratory, can be more fatal to neural networks than expected. In addition, it is virtually impossible to create a network that learns all the environmental changes as well as occlusions. Therefore, we propose an alternative approach in which the architecture and number of parameters remain unchanged while adapting to occlusion circumstances. Learning method with the term Conversion Learning classifies them more robustly by converting the weights from various occlusion situations. The experiments on MNIST dataset showed a 3.07 [%p] performance improvement over the baseline CNN model in a situation where most objects are occluded and unknowing what occlusion will appear in advance. The experimental results suggest that Conversion Learning is an efficient method to respond to environmental changes such as occluded images.

• Journal of Ginseng Research
• /
• 제40권4호
• /
• pp.366-374
• /
• 2016

Background: In this study, we screened and identified an endophyte JG09 having strong biocatalytic activity for ginsenosides from Platycodon grandiflorum, converted ginseng total saponins and ginsenoside monomers, determined the source of minor ginsenosides and the transformation pathways, and calculated the maximum production of minor ginsenosides for the conversion of ginsenoside Rb1 to assess the transformation activity of endophyte JG09. Methods: The transformation of ginseng total saponins and ginsenoside monomers Rb1, Rb2, Rc, Rd, Rg1 into minor ginsenosides F2, C-K and Rh1 using endophyte JG09 isolated by an organizational separation method and Esculin-R2A agar assay, as well as the identification of transformed products via TLC and HPLC, were evaluated. Endophyte JG09 was identified through DNA sequencing and phylogenetic analysis. Results: A total of 32 ${\beta}$-glucosidase-producing endophytes were screened out among the isolated 69 endophytes from P. grandiflorum. An endophyte bacteria JG09 identified as Luteibacter sp. effectively converted protopanaxadiol-type ginsenosides Rb1, Rb2, Rc, Rd into minor ginsenosides F2 and C-K, and converted protopanaxatriol-type ginsenoside Rg1 into minor ginsenoside Rh1. The transformation pathways of major ginsenosides by endophyte JG09 were as follows: $Rb1{\rightarrow}Rd{\rightarrow}F2{\rightarrow}C-K$; $Rb2{\rightarrow}C-O{\rightarrow}C-Y{\rightarrow}C-K$; $Rc{\rightarrow}C-Mc1{\rightarrow}C-Mc{\rightarrow}C-K$; $Rg1{\rightarrow}Rh1$. The maximum production rate of ginsenosides F2 and C-K reached 94.53% and 66.34%, respectively. Conclusion: This is the first report about conversion of major ginsenosides into minor ginsenosides by fermentation with P. grandiflorum endophytes. The results of the study indicate endophyte JG09 would be a potential microbial source for obtaining minor ginsenosides.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권7호
• /
• pp.303-314
• /
• 2023

음성 변환(Voice Conversion)은 개인의 음성 데이터를 다른 사람의 음향적 특성(음조, 리듬, 성별 등)으로 재생성할 수 있는 기술로, 교육, 의사소통, 엔터테인먼트 등 다양한 분야에서 활용되고 있다. 본 논문은 StarGAN-VC 모델을 기반으로 한 접근 방식을 제안하여, 병렬 발화(Utterance) 없이도 현실적인 음성을 생성할 수 있다. 고정된 원본(source) 및 목표(target)화자 정보의 원핫 벡터(One-hot vector)를 이용하는 기존 StarGAN-VC 모델의 제약을 극복하기 위해, 본 논문에서는 사전 훈련된 Rawnet3를 사용하여 목표화자의 특징 벡터를 추출한다. 이를 통해 음성 변환은 직접적인 화자 간 매핑 없이 잠재 공간(latent space)에서 이루어져 many-to-many를 넘어서 any-to-any 구조가 가능하다. 기존 StarGAN-VC 모델에서 사용된 손실함수 외에도, Wasserstein-1 거리를 사용하여 생성된 음성 세그먼트가 목표 음성의 음향적 특성과 일치하도록 보장했다. 또한, 안정적인 훈련을 위해 Two Time-Scale Update Rule (TTUR)을 사용한다. 본 논문에서 제시한 평가 지표들을 적용한 실험 결과에 따르면, 제한된 목소리 변환만이 가능한 기존 StarGAN-VC 기법 대비, 본 논문의 제안 방법을 통해 다양한 발화자에 대한 성능이 개선된 음성 변환을 제공할 수 있음을 정량적으로 확인하였다.