• 대한원격탐사학회지
• /
• 제37권6_3호
• /
• pp.1965-1974
• /
• 2021

위성 원격탐사 기법은 산림 모니터링에 적극적으로 활용될 수 있으며 우리나라 독자 운영 위성인 다목적실용위성을 활용하였을 때 특히 의미 깊다. 최근 들어 위성 원격탐사 자료에 머신러닝 기법을 적용함으로써 산림 모니터링을 수행하는 연구가 다수 이루어지고 있다. 머신러닝 기법을 통하여 제작된 산림모니터링 정보는 기존 산림 모니터링 방법의 효율성을 향상시키는 데에 활용할 수 있다. 머신러닝 기법의 경우 관심 지역과 활용 데이터의 특징에 따라 분류 정확도가 크게 달라지므로 다양한 모델을 적용함으로써 가장 효과적인 분류 결과를 도출하는 것이 매우 중요하다. 본 연구에서는 우리나라 삼척 지역에 대해 심층신경망을 적용함으로써 인공림과 자연림의 분류 성능을 확인하였다. 그 결과 픽셀 정확도가 약 0.857, F1 Score가 자연림과 인공림에 대해 각각 약 0.917과 0.433로 확인되었다. F1 score를 보았을 때 인공림의 분류 성능이 절대적으로는 낮은 수준을 나타냈다. 하지만 기존의 인공림과 자연림 분류 성능에 대해 F1 score를 기준으로 약 0.06, 그리고 0.10 향상된 성능을 확인할 수 있었다. 이러한 결과를 바탕으로 볼 때에 합성곱신경망 기반의 추가적인 모델을 적용함으로써 보다 적절한 모델을 분석할 필요가 있다.

• 한국과학교육학회지
• /
• 제31권4호
• /
• pp.491-504
• /
• 2011

과학영재 학생의 과학학습에 대한 개념을 알아보기 위해 COLS와 ALS 설문지를 이용하여 비교, 분석하였다. 과학영재 학생은 일반 학생과 과학학습에 대한 개념에 차이를 보이는데, 과학영재 학생은 과학학습을 과학 지식을 얻고, 과학 지식 구조를 확장해 나가고, 세상을 보는 새로운 관점을 얻는 활동이라고 인식한다. 과학영재 학생은 성별과 과목 선호도에 따라 과학학습에 대한 인식 및 접근방법에 의미 있는 차이는 보이지 않았다. 이 연구의 결과는 과학영재 수업을 위한 교재와 교수법에 도움이 될 것으로 예상한다.

• 디지털융복합연구
• /
• 제13권10호
• /
• pp.51-58
• /
• 2015

교육 분야에서의 빅데이터 활용이 선진국을 중심으로 확산되고 있다. 그러나 국내의 경우 이와 관련된 실험적 접근만이 있을 뿐 관련 연구나 현장의 서비스는 아직 나타나지 않고 있는 실정이다. 따라서 이러닝 업계에서 빅데이터의 응용이 저조한 이유를 파악하고 이를 개선할 연구와 대안 모색이 시급한 상황이다. 연구 결과, 이러닝 산업계에서는 빅데이터의 이해 수준이 높으면 빅데이터가 이러닝에 미치는 영향이 크다고 인식하고 있으며, 매출 규모가 큰 업체일수록 영향이 크다고 인식하고 있는 것으로 종합되었다. 이에 본 연구는 매출규모에 따라 다른 빅데이터에 관한 교육 및 활용 지원 정책을 펼 것을 제언하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권3호
• /
• pp.29-36
• /
• 2022

In deep learning classification tasks, most models frequently assume that all labels are available for the training datasets. As such strategies to learn new concepts from unlabeled datasets are scarce. In fingerprint classification tasks, most of the fingerprint datasets are labelled using the subject/individual and fingerprint datasets labelled with finger type classes are scarce. In this paper, authors have developed approaches of classifying fingerprint images using the majorly known fingerprint classes. Our study provides a flexible method to learn new classes of fingerprints. Our classifier model combines both the clustering technique and use of deep learning to cluster and hence label the fingerprint images into appropriate classes. The K means clustering strategy explores the label uncertainty and high-density regions from unlabeled data to be clustered. Using similarity index, five clusters are created. Deep learning is then used to train a model using a publicly known fingerprint dataset with known finger class types. A prediction technique is then employed to predict the classes of the clusters from the trained model. Our proposed model is better and has less computational costs in learning new classes and hence significantly saving on labelling costs of fingerprint images.

• International Journal of Quality Innovation
• /
• 제7권1호
• /
• pp.195-205
• /
• 2006

Both the total quality management (TQM) and learning organization (LO) appear to be promising approaches for organizational transformation towards a more effective, efficient, and responsive organization in the past. The evolutionary development and theory supports for these two fields are distinct but they appear to have more in common than they have in distinctiveness. However, there is little synergy developed between these two fields both in academic research and industrial applications. It is possibly due to the fact that both the academia and industry are taking a limiting polarized view of TQM and LO and hence not getting the benefits of linking the two. This paper tries to establish a link between the organizational learning capability and the quality culture for TQM implementation based on a case study on the largest vocational education institution, the Vocational Training Council, of Hong Kong. The study reveals that there is a strong positive correlation between organizational learning capability and quality culture. The exploratory explanations for the links between the organizational learning capability constructs and the quality culture constructs are also discussed in this paper. The findings of the study support other literatures that TQM should be embedded in LO and serves as an enabler for organizational learning (OL) in transforming and creating organizations which continuously expand their abilities to change and shape their future.

• Soft Computing and Machine Intelligence
• /
• 제1권1호
• /
• pp.31-35
• /
• 2021

In recent years, due to COVID-19, the process of shopping has become more restricted and difficult for customers. Based on this aspect, customers are more interested in online shopping to keep the Untact rules and stay safe, similarly ordering their product based on their need and interest with most straightforward and fastest ways. In this paper, the reinforcement learning technique is applied in the product recommendation system to improve the recommendation system quality for better and more related suggestions based on click patterns and users' profile information. The dataset used in this system was taken from an online shopping mall in Jeju island, South Korea. We have compared the proposed method with the recent state-of-the-art and research results, which show that reinforcement learning effectiveness is higher than other approaches.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제42권5호
• /
• pp.683-696
• /
• 2003

In this paper, we propose an authoring methodology of differentiated instruction-learning materials in mathematics course using MathML and XSLT, and give utilizing suggestions of these materials as differentiated textbook and individual learning. Incorporating MathML into instruction-learning materials, there are many advantages such that view of the materials in web browser is improved since mathematical expressions are compatible with text, and an expression can be modified in more convenient way since the expression is represented in text format not an image. In authoring of differentiated materials, the author provides one document for various levels of students. Then, each level of materials is generated from the document via XSLT transformation. This enables author-driven progress control rather than student-driven which does in previous approaches, since students don't need to select components of the material.

• Journal of information and communication convergence engineering
• /
• 제16권3호
• /
• pp.173-178
• /
• 2018

Accurate classification of cloud images is a challenging task. Almost all the existing methods rely on hand-crafted feature extraction. Their limitation is low discriminative power. In the recent years, deep learning with convolution neural networks (CNNs), which can auto extract features, has achieved promising results in many computer vision and image understanding fields. However, deep learning approaches usually need large datasets. This paper proposes a deep learning approach for classification of cloud image patches on small datasets. First, we design a suitable deep learning model for small datasets using a CNN, and then we apply data augmentation and dropout regularization techniques to increase the generalization of the model. The experiments for the proposed approach were performed on SWIMCAT small dataset with k-fold cross-validation. The experimental results demonstrated perfect classification accuracy for most classes on every fold, and confirmed both the high accuracy and the robustness of the proposed model.

• 전자통신동향분석
• /
• 제34권4호
• /
• pp.32-42
• /
• 2019

The performance of machine learning algorithms significantly depends on how a configuration of hyperparameters is identified and how a neural network architecture is designed. However, this requires expert knowledge of relevant task domains and a prohibitive computation time. To optimize these two processes using minimal effort, many studies have investigated automated machine learning in recent years. This paper reviews the conventional random, grid, and Bayesian methods for hyperparameter optimization (HPO) and addresses its recent approaches, which speeds up the identification of the best set of hyperparameters. We further investigate existing neural architecture search (NAS) techniques based on evolutionary algorithms, reinforcement learning, and gradient derivatives and analyze their theoretical characteristics and performance results. Moreover, future research directions and challenges in HPO and NAS are described.

• 한국콘텐츠학회논문지
• /
• 제10권10호
• /
• pp.479-493
• /
• 2010

지식기반 환경의 변화와 더불어 이-러닝은 매우 보편화된 교수.학습 방법의 하나가 되었으며, 이와 관련한 여러 연구들이 진행되고 있다. 이-러닝의 주요 연구 분야 중의 하나는 학습자의 다양한 상황들을 반영하여 학습자 개개인의 특징에 맞게 학습내용을 지원하기 위한 적응형 학습 시스템에 관한 연구이다. 이와 관련하여 최근에는 적응적 학습내용을 보다 효과적으로 지원하기 위하여 온톨로지를 기반으로 한 적응형 학습 시스템에 대한 연구들이 활발히 진행되고 있다. 본 논문에서는 FCA의 개념 망을 기반으로 온톨로지의 접근 방법과 목적은 같이하지만, 특정 영역의 학습에 적합한 사용자가 보다 자유롭고 쉽게 자신의 적응형 학습 시스템을 구축하여 사용할 수 있는 적응형 학습 시스템을 설계하여 제안한다. 제안된 시스템은 학습영역에 존재하는 학습객체와 학습개념들 사이의 연관 관계에 따라 이들을 개념 망 구조 안에 자동으로 계층화한다. 또한 학습자의 지식수준, 학습선호도, 학습스타일 및 학습개념의 학습상태에 따라 개념 망 학습구조를 적응적으로 구성하여 제시한다.