• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1061-1070
• /
• 2021

본 연구에서는 국내 농업지역에 대한 작물재배지역의 분류를 위하여 FC-DenseNet 모델에 attention gate를 적용하여 딥러닝 모델의 성능을 향상시키고자 하였다. Attention gate는 특징맵의 공간/분광적 중요도에 따른 가중치를 추가적으로 학습하여 딥러닝 모델의 학습을 용이하게 하고, 모델의 성능을 향상시킬 수 있다. Attention gate를 FC-DenseNet의 스킵 연결 부분에 추가한 딥러닝 모델을 이용하여 양파 및 마늘 지역의 작물분류를 수행하였다. PlanetScope 위성영상을 이용하여 훈련자료를 제작하였으며, 훈련자료의 불균형 문제를 해결하기 위하여 전처리 과정을 적용하였다. 다양한 평가자료를 이용하여 작물재배분류 결과를 평가한 결과, 제안된 딥러닝 모델은 기존의 FC-DenseNet과 비교하여 효과적으로 양파 및 마늘 지역을 분류할 수 있는 것을 확인하였다.

• 한국음향학회지
• /
• 제41권2호
• /
• pp.199-209
• /
• 2022

일반적인 비정상 탐지 알고리즘은 사전 데이터를 이용하여 학습된다. 따라서 시간에 따른 정상 데이터의 특징이 변화되는 경우에 기존의 배치 학습 기반 알고리즘의 성능 저하가 불가피하다. 본 논문에서는 정상 데이터의 점진적 특징 변화를 고려할 수 있는 온라인 비정상 탐지 알고리즘을 제안한다. 제안하는 알고리즘은 단일 클래스 분류 모델에 기반하며 오프라인 및 온라인 단계의 학습 과정을 포함한다. 제안된 알고리즘의 오프라인 학습 단계에서는 사전 데이터가 잠재 공간의 중심에 근접하도록 학습하고, 이후 온라인 학습단계에서는 신규 데이터에 의한 점진적 잠재 공간의 중심을 갱신하고, 갱신된 중심을 기준으로 계속 학습을 진행한다. 공개된 수중 음향 데이터를 이용한 실험결과 제안된 온라인 비정상 탐지 알고리즘은 점진적 중심 갱신 및 학습을 위해 단지 2 % 정도의 추가 학습시간이 소요되는 것으로 확인되었다. 반면에 시변 정상데이터가 수신되는 경우에 오프라인 학습 모델과 비교하여 19.10 % 개선된 Area Under the receiver operating characteristic Curve(AUC) 성능을 보였다.

• 한국수자원학회논문집
• /
• 제56권9호
• /
• pp.563-574
• /
• 2023

최근 기후변화로 인해 유역의 기상자료에 대한 반응이 달라지고 있어 강우-유출 모의에 대한 연구는 중요해지고 있다. 아울러 최근 기계학습 기법에 대한 높은 관심으로 이를 통한 강우-유출 모의 역시 활발하게 증가하고 있으나 기계학습 모형이 전통적으로 사용되어온 개념적 모형에 비해 활용성이 높은지는 아직 확실치 않다. 본 연구에서는 개념적 모형인 GR6J와 기계학습 모형인 Random Forest 성능을 한국 전역의 38개 계측 유역에 대해 계측 유역 예측기법과 미계측 유역 예측기법을 이용해 평가하였다. 먼저 계측 유역 적용기법 평가를 위해 각 모형을 관측 일 유량자료에 학습시키고 분리된 평가기간에 대한 모의성능을 비교하였다. 이후 미계측 유역 모의성능 평가를 위해 인접성 기반 지역화 방법을 Leave-One-Out Cross-Validation (LOOCV)을 이용해 평가하였다. 그 결과 계측 유역 평가에서는 Random Forest 기법이 GR6J 모형보다 일관되게 높은 성능을 보였다. 학습된 데이터를 출력 값으로 재생산하도록 구조화되어 있는 기계학습 기법이 개념적 이론을 통한 모형보다 높은 재현성을 갖기 때문으로 판단된다. 하지만 Random Forest 모형의 성능은 미계측 유역의 예측기법으로는 재현되지 않았고 GR6J 모형보다 성능이 더 낮은 것이 확인되었다. 본 연구는 기계학습 모형은 계측 유역의 유출예측에는 적용성이 높을 수 있으나 미계측 유역에 대한 적용가능성은 전통적인 개념적 모형보다 낮을 수 있음을 제시한다.

• Asia pacific journal of information systems
• /
• 제19권4호
• /
• pp.149-176
• /
• 2009

In the recent e-learning environment, avatars are often used to help learners get familiar with the contents, which is ultimately to motivate them to study more. Therefore, it is important to investigate whether avatars have actually the desirable effect on users of e-learning materials. Surprisingly, however, no extensive study has been conducted on this crucial issue Accordingly, main objectives this study are summarized as follows. First, we need to gain better understanding of how much learners' trust towards avatars (termed as "avatar trust") is transferred to learners' trust towards e-learning contents (termed as "contents trust"). Second, we need to investigate how much learners' personal relationships with avatars as well as learning behaviors change depending on avatar types (attractive vs. professional) and contents complexity (easy vs. difficult). As described in the study objectives, in order for us to analyze empirical data more systematically, we classified avatar types into two: "attractive" and "professional;" the contents are categorized as either "easy" or "difficult." Therefore, it is essential for this study to build a prototype e-learning website on which our research purpose can be realized and tested effectively with proper avatar types and e-learning contents. For this purpose, we built a prototype e-learning website, in which avatars are invited from currently working avatar instructors used in real-world e-learning websites, and e-learning contents are adapted from real-world contents about Java programming topic, which have been proved to have shown high quality and reliability. Our research method includes questionnaire survey by inviting a number of valid respondents comprised of office workers who are believed to have high demands for the e-learning contents as well as those who have previous experience with avatar instructors. Respondents were given one of the four e-learning experiment conditions (2 avatar types x 2 contents types) on a random basis. Each experimental e-learning condition is framed to have the same quality but different avatar type and content complexity. Then the respondents are asked to fill out the survey form which has questions about avatar trust, contents trust, personal relationships with avatar, and learning behavior, among others. Regarding the constructs used in research model, we based them rigorously on previous studies. For example, we used six constructs such as behavior to give information (BGI), behavior to obtain information (BOI), need for inclusion wanted, need for control wanted, contents trust, and avatar trust. To measure them, 7-Likert scales were used in the questionnaire. E-learning performance was measured indirectly through two constructs such as BGI and BOI. Six constructs used in the research model were adopted and revised from the FIRO-B model suggested by Schutz. Empirical results are as follows: First, professional avatars are more effective for difficult contents, while attractive avatars were not as effective for easy contents. Second, our study results ascertained that avatar trust transfers to contents trust regardless of avatar types and contents complexity.

• 한국콘텐츠학회논문지
• /
• 제14권4호
• /
• pp.522-533
• /
• 2014

중장년층이 온라인상에서 활발히 일어나고 있는 협력적 지식구축과 문제해결 과정에 참여하도록 하기 위해서는 커뮤니케이션의 역량 강화가 필요하다. 이를 위하여 'K 기관'의 학습자를 대상으로 변화실험실을 실시하여 중장년층의 디지털 커뮤니케이션 역량 강화를 위한 스마트러닝 모델을 적용하였다. 연구결과, 중장년층의 디지털 커뮤니케이션 역량 강화를 위한 스마트러닝 모델은 디지털커뮤니케이션의 세 가지 영역인 디지털미디어의 도구적 활용, 창의적 생산 활동, 사회적 상호작용을 구성요소로 개발되었다. 각각은 스마트 패드 사용법 익히기, 앱을 이용한 자기 진단, 앱을 이용한 포스터 제작, 역할극 동영상 제작, 의사소통 게임 및 SNS활용하기 등으로 적용되었다. 본 논문은 다양한 배경과 미디어 사용 경험을 가진 중장년층을 테스트베드로 활용함으로써 그들의 요구를 효율적으로 반영하는 스마트 러닝의 설계방법을 제시했다는 데 의의가 있다.

• 인터넷정보학회논문지
• /
• 제15권1호
• /
• pp.143-156
• /
• 2014

스마트교육은 21세기 학습자 역량 신장을 목표로 삼고 있으며, 그중에서 특히 문제해결력 향상을 강조하고 있다. 이러한 스마트교육은 스마트기기의 발전과 폭발적인 보급의 영향이 그 기저를 차지하고 있으며, 시대의 변화에 따라 스마트 테크놀로지를 활용한 문제해결력이 요구된다. 문제해결학습은 학생들의 문제해결력 향상에 초점을 맞추어 사용된 모형으로 본 연구에서는 문제해결력 향상을 극대화하기 위해 스마트기기를 활용한 교수 학습 활동 중심의 문제해결학습 모형을 구안하고 이를 학교 현장에 적용하였다. 그 결과 스마트기기의 활용이 문제해결에 많은 도움이 되었다는 긍정적인 반응을 얻을 수 있다. 본 연구를 통해 스마트교육이 추구 하고자 하는 목표를 달성하는데 기여하고, 향후 학교 현장에서 성공적인 스마트교육이 되기 위한 기초 연구가 되기를 기대한다.

• 의학교육논단
• /
• 제16권3호
• /
• pp.126-131
• /
• 2014

The purpose of this study is to analyze the medical education system of Korea and to propose a method of curriculum redesign. Although there have been many attempts by medical educators to improve the quality of medical education, the results have not been fruitful. First, there exists a limitation to the dualistic curriculum design based on Flexnerianism, and thus, this model does not provide an integrated experience to medical students. Therefore, we propose a unidimensional model for curriculum redesign. Second, it is impossible to promote excellence in medical education without solving the structural problems of teaching and learning, such as the teaching competency of the faculty, large-scale lectures, and team teaching systems. A curricular strategy that emphasizes mutual interaction and teaching accountability is necessary to promote meaningful learning. Third, the current clinical training system, the circulation model, provides incomplete training as well as a lack of sequence and articulation experiences. This system needs to be redesigned in a way that allows only those students who have mastered both the knowledge and the application of medical education to advance to the next step. Fourth, norm-referenced assessments of a medical college distort the learning process and create unconstructive system energy. A criterion-referenced assessment that values cooperation, independent study, and intrinsic motivation is more important for the reliability and validity of the assessment. Medical students should not focus on formative and informative learning. Medical colleges should investigate the multifaceted potential of the students and provide transformative learning to grow students into change agents. For this to take place, curriculum redesign-not new methods of medical education-is required.

• 디지털융복합연구
• /
• 제16권12호
• /
• pp.293-299
• /
• 2018

기상은 농작물 재배에 많은 영향을 미친다. 농작물 재배지의 기상정보는 효율적인 농작물 재배 및 관리에 필수적이다. 농업기상 정보의 높은 수요에도 불구하고 이에 대한 연구는 부족하다. 본 연구는 중장기 계절예측정보인 GloSea5와 심층 신경망을 통해 양파의 주산지인 전라남도의 농업기상 정보 생산 방법을 다룬다. 연구방법으로는 매일 생산되는 GloSea5 기상정보를 훈련시키기 위해 슬라이딩 창 방법을 활용한 심층신경망 모형이 사용되었다. 모형의 정확도평가는 농업기상관측소의 일 평균기온과 GloSea5 예측값 그리고 딥러닝 예측값 차이의 RMSE와 MAE로 계산하였다. 심층신경망 모형은 학습기간이 늘어날수록 정확도가 향상되므로 학습기간과 예측기간에 따른 예측성능을 비교하였다. 분석결과 학습기간과 예측기간은 비례하지만 계절변화에 따른 추세성이 반영되는 한계점이 있었다. 이를 보안하기 위해 예측값과 관측값의 차이를 다음날 예측값에 적용시킨 후보정 심층신경망 모형을 제시하였다.

• Structural Engineering and Mechanics
• /
• 제12권5호
• /
• pp.527-540
• /
• 2001

A new sort of learning algorithm named whole learning algorithm is proposed to simulate the nonlinear and dynamic behavior of RC members for the estimation of structural integrity. A mathematical technique to solve the multi-objective optimization problem is applied for the learning of the feedforward neural network, which is formulated so as to minimize the Euclidean norm of the error vector defined as the difference between the outputs and the target values for all the learning data sets. The change of the outputs is approximated in the first-order with respect to the amount of weight modification of the network. The governing equation for weight modification to make the error vector null is constituted with the consideration of the approximated outputs for all the learning data sets. The solution is neatly determined by means of the Moore-Penrose generalized inverse after summarization of the governing equation into the linear simultaneous equations with a rectangular matrix of coefficients. The learning efficiency of the proposed algorithm from the viewpoint of computational cost is verified in three types of problems to learn the truth table for exclusive or, the stress-strain relationship described by the Ramberg-Osgood model and the nonlinear and dynamic behavior of RC members observed under an earthquake.

• 전기학회논문지
• /
• 제56권7호
• /
• pp.1324-1330
• /
• 2007

In this paper, we propose pattern recognition algorithm for activities of daily living by adopting extreme learning machine based on single layer feedforward networks(SLFNs) to the signal from bidirectional accelerometer. For activity classification, 20 persons are participated and we acquire 6, types of signals at standing, walking, running, sitting, lying, and falling. Then, we design input vector using reduced model for ELM input. In ELM classification results, we can find accuracy change by increasing the number of hidden neurons. As a result, we find the accuracy is increased by increasing the number of hidden neuron. ELM is able to classify more than 80 % accuracy for experimental data set when the number of hidden is more than 20.