• 한국과학교육학회지
• /
• 제38권3호
• /
• pp.305-317
• /
• 2018

본 연구에서는 블랙박스 시뮬레이션 활동 과정에서 연구 참여 학생들의 모형 구성 특징과 인식적 기준을 탐색하였다. 연구를 위해 과학적 실행을 반영하는 비구조화된 문제상황인 블랙박스 시뮬레이션을 개발하여 활동에 적용하였다. 이 과정에 교육대학교 2학년 89명의 학생들이 참여하여 23개 모둠으로 나누어 블랙박스 내부구조에 대한 그들의 생각을 다양하게 가시화하여 모형화하고 수정하고 평가하는 등의 활동을 하였다. 모든 학생들의 활동 과정은 녹음 및 녹화되었고 분석에 활용하였다. 연구의 결과로 블랙박스 활동에서 학생들이 구성한 모형은 형태와 기능을 고려하여 4가지 유형으로 범주화되었다. 대표 모형을 선택하는 과정에서 모형 평가가 나타났으며, 모형 평가에는 실험적 정합성, 포괄성, 유비, 간명성, 구현가능성의 인식적 기준이 적용되었다. 이상의 연구 과정과 결과를 토대로 논의된 교육적 함의는 다음과 같다. 첫째, 이 연구에서 학생들이 참여한 블랙박스 시뮬레이션 활동은 모형을 구성하고 시험해 보면서 과학적 실행의 본질을 명시적 및 암묵적으로 체험할 수 있는 맥락을 제공하였다는데 교육적 의미가 있다. 둘째, 활동 초기부터 학생들이 모형 구성에 적용한 인식적 기준들, 즉 실험적 정합성, 포괄성, 유비, 간명성, 구현가능성이 모두 엄격하게 작동하진 않았으며 맥락에 따라 역동적으로 적용되었다. 셋째, 이 연구의 맥락뿐 아니라 다양하고 구체적인 맥락에서의 인식적 기준에 대한 연구는 과학적 실행의 본질에 대한 이해의 지평을 넓혀줄 것이다. 본 연구의 맥락이었던 시뮬레이션 활동은 미래 사회에서 더욱 중요시될 컴퓨팅적 사고와 연관된 연구로 이어질 수 있으며, 시범 연구인 본 연구의 맥락과 방법을 더 정교화 및 체계화한 추후 연구는 과학적 실행의 본질에 대한 풍부한 논의를 이끌 수 있을 것으로 기대한다.

• 대한임베디드공학회논문지
• /
• 제6권4호
• /
• pp.255-261
• /
• 2011

In this paper, we propose a security-enhanced storing method for the voice data obtained during the flight. When an emergency occurs during flight, the flight data in the storage device such as DTS or Blackbox can be exposed to antagonist or enemy. Currently, zeroize function is embedded in these devices in order to prevent this situation. However, this could not be operated if the system is malfunctioned or the pilot is wounded in the emergency. In order to solve this problem, the voice data compressed by the ADPCM is encrypted in the proposed method composed of the AES algorithm and a reordering method. The simulation results show that the security for the voice date is further enhanced due to the proposed method.

• 한국자동차공학회논문집
• /
• 제12권4호
• /
• pp.110-118
• /
• 2004

In this paper, a blackbox approach is carried out to model the nonlinear dynamic bushing model. One-axis durability test is performed to describe the mechanical behavior of typical vehicle elastomeric components. The results of the tests are used to develop an empirical bushing model with an artificial neural network. The back propagation algorithm is used to obtain the weighting factor of the neural network. Since the output for a dynamic system depends on the histories of inputs and outputs, Narendra's algorithm of ‘NARMAX’ form is employed in the neural network bushing module. A numerical example is carried out to verify the developed bushing model.

• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2004년도 춘계학술대회
• /
• pp.864-869
• /
• 2004

In this paper, a blackbox approach is carried out to model the nonlinear dynamic bushing model. One-axis durability test is performed to describe the mechanical behavior of typical vehicle elastomeric components. The results of the tests are used to develop an empirical bushing model with an artificial neural network. The back propagation algorithm is used to obtain the weighting factor of the neural network. Since the output for a dynamic system depends on the histories of inputs and outputs, Narendra's algorithm of 'NARMAX' form is employed in the neural network bushing module. A numerical example is carried out to verify the developed bushing model.

• 한국자동차공학회논문집
• /
• 제11권4호
• /
• pp.151-157
• /
• 2003

In this paper, a blackbox approach is carried out to model the nonlinear dynamic bushing model. One-axis durability test is performed to describe the mechanical behavior of typical vehicle elastomeric components. The results of the tests are used to develop an empirical bushing model with an artificial neural network. The back propagation algorithm is used to obtain the weighting factor of the neural network. Since the output for a dynamic system depends on the histories of inputs and outputs, Narendra algorithm of 'NARMAX' form is employed to consider these effects. A numerical example is carried out to verify the developed bushing model.

• 한국수자원학회논문집
• /
• 제33권4호
• /
• pp.505-515
• /
• 2000

본 연구는 하천에서 호우의 발생에 따라 하천 유출수문곡선을 예측코자 블랙박스모형의 신경망이론을 적용하여 수문학적인 문제를 규명하고자 하였다. 이를 위해 신경망 이론 중 Levenverg-Marquardt 방법에 의한 오차역전파 알고리즘과 Radial Basis Function Network(RBFN)를 이용하여 IHP 대표유역인 보청청유역에 수문곡선을 적용하여 선행유출량 예측과 미학습 유역의 적용성을 검토하였다. 그 결과 복잡하고 비선형적인 수문계의 강우-유출 과정의 학습에 있어 RBFN은 은닉층에서 자율학습, 출력층에서 지도학습의 두 단계로 나누어 학습을 함으로서 BP 알고리즘보다 학습시간이 빠르게 나타났고, 선행유출량의 예측결과 여러 통계적 지표에서 RBFN이 BP 알고리즘보다 좋은 결과를 얻을 수 있었다. 미학습 유역의 적용성 검토에서도 BP알고리즘과 RBFN 모두 첨두치가 비교적 실측자료의 경향과 비슷한 경향으로 나타났다.