• 한국정보통신학회논문지
• /
• 제25권9호
• /
• pp.1271-1274
• /
• 2021

RF fingerprinting based on deep learning (DL) has gained interests as a means to improve the security of near field communication (NFC) by allowing identification of NFC tags based on unique physical characteristics. To achieve high accuracy in the identification of NFC tags, it is crucial to utilize a large number of training data, however it is hard to collect such dataset in practice. In this study, we have provided new methodology to generate RF waveform from NFC tags, i.e., data augmentation, based on a conditional generative adversarial network (CGAN). By using the RF waveform of NFC tags which is collected from the testbed with software defined radio (SDR), we have confirmed that the realistic RF waveform can be generated through our proposed scheme.

• 한국컴퓨터정보학회논문지
• /
• 제29권4호
• /
• pp.31-38
• /
• 2024

본 연구는 온라인 원격교육에서 코딩 교육 활성화를 위해, 생성형 AI 기반의 학습 지원 도구개발에 필요한 하이퍼 파라미터 설정을 제안한다. 연구를 위해 세 가지 다른 학습 맥락에 따라 하이퍼 파라미터를 설정할 수 있는 실험 도구를 구현하고, 실험 도구를 통해 생성형 AI의 응답 품질을 평가하였다. 생성형 AI 자체의 기본 하이퍼 파라미터 설정을 유지한 실험은 대조군으로, 연구에서 설정한 하이퍼 파라미터를 사용한 실험은 실험군으로 하였다. 실험 결과, 첫 번째 학습맥락인 "학습 지원"에서는 실험군과 대조군 사이의 유의한 차이가 관찰되지 않았으나, 두 번째와 세 번째 학습 맥락인 "코드생성"과 "주석생성"에서는 실험군의 평가점수 평균이 대조군보다 각각 11.6% 포인트, 23% 포인트 높은 것으로 나타났다. 또한, system content에 응답이 학습 동기에 미칠 수 있는 영향을 제시하면 학습 정서를 고려한 응답이 생성되는 것이 관찰되었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.45-46
• /
• 2019

본 논문에서는 Upper Confidence Bound (UCB)를 이용한 효율적인 패킷 스케줄링 기법을 제안한다. 기존 e-greedy 등 강화학습의 보상을 극대화 할 수 있는 행동을 선택하는 것과 다르게, 제안된 UCB를 이용한 강화학습 패킷 스케줄링 기법은 각 상태에서 행동을 선택한 횟수를 추가적으로 고려한다. 이는 보다 효율적인 강화학습의 탐구(Exploration)를 가능케 한다. 본 논문에서는 컴퓨터 시뮬레이션을 통하여 제안하는 UCB를 이용한 강화학습 패킷 스케줄링 기법이 기존의 e-greedy 및 softmax를 기반으로 한 패킷 스케줄링 기법에 비해 정확도 측면에서 향상된 정확도를 보인다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제38권2호
• /
• pp.263-286
• /
• 2024

인공지능 디지털 교과서 도입에 따라 수학 교육에서 공학 도구의 활용에 대한 관심이 높아지고 있다. 공학 도구는 수학적 개념을 시각화하고, 실험과 탐구를 통해 수학적 원리를 발견할 수 있는 장점이 있다. 이미 우리나라 2015 개정 수학과 교육과정에서도 공학 도구의 활용을 언급하고 있으며, 이에 따라 수학 교과서에는 다양한 공학 도구를 활용한 교수·학습 활동이 제시되고 있다. 그러나 고등학교 교과서에 제시된 공학 도구의 유형과 활용 방식에 대한 체계적인 분석은 아직 부족한 실정이다. 이에 본 연구에서는 2015 개정 교육과정에 따른 고등학교 수학 교과서에 제시된 공학 도구의 활용 현황을 분석하였다. 이를 위해 수학 교과서에 제시된 공학 도구의 유형을 범주화하고, 각 범주별 활용 비율을 조사하였다. 또한 교과목별, 내용 영역별로 공학 도구의 활용 양상을 분석하고, 교수·학습 활동 형태에 따른 공학 도구의 활용 비율을 살펴보았다. 연구 결과, 공학 도구는 교과목과 내용 영역에 따라 다양한 유형과 비율로 활용되고 있었다. 특히, 기호-조작 그래프 작성 소프트웨어 범주의 공학 도구가 전체 활용 사례의 58%를 차지하여 가장 높은 비중을 나타냈다. 교과목별로는 해석 영역을 다루는 과목에서 기호-조작 그래프 작성 소프트웨어의 활용이 두드러졌으며, 기하 영역에서는 동적 기하 소프트웨어의 활용이 상대적으로 높게 나타났다. 교수·학습 활동 형태 측면에서는 보조도구형(49%)과 의도된 탐구유도형(37%)의 활용 비율이 높았다. 본 연구의 결과는 수학 교과서에서 공학 도구가 다양한 역할을 하고 있음을 보여주며, 향후 공학 도구를 활용한 수학 교수·학습 방법을 개선하는 데 유용한 시사점을 제공할 수 있을 것이다.

• 정보교육학회논문지
• /
• 제23권6호
• /
• pp.561-571
• /
• 2019

프로그래밍 교육은 일반적으로 문제분석 과정, 알고리즘과 프로그래밍을 통한 자동화, 일반화 과정을 포함하고 있어 학습자의 컴퓨팅사고 향상에 좋은 소프트웨어 교육방법이다. 그러나 초보자의 경우 명령어 사용법에 대한 이해, 알고리즘 작성과 프로그래밍 구현단계에서 어려움을 겪는 것으로 나타났다. 본 연구에서는 예비교사들의 프로그래밍 교육을 위해 게임 프로그래밍 교육모델과 교육과정을 개발하였다. 4E 모델은 공감단계, 탐색단계, 강화단계 및 평가단계로 구성되었다. 또한 각 단계별로 게임 핵심 요소와 핵심 명령어 블록들을 학습할 수 있도록 구성하였다. 예비교사가 프로그래밍 명령어 활용에 대한 이해를 돕기 위해 예제 학습, 자기 게임 생성 및 팀 기반 프로젝트 형태로 구성된 3단계 교수학습 방법을 제시하였다. 15주간 교육과정으로 적용하고 검증한 결과 설계한 모델, 예비교사들의 블록 프로그래밍 역량 인식 등에서 유의미한 결과를 보였으며 제출한 결과물에 대한 컴퓨팅사고 수준도 높은 결과를 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권11호
• /
• pp.513-520
• /
• 2021

최근 학습, 교육 및 훈련으로 일컫는 이러닝 분야에서 교육(education)과 기술(technology)이 접목된 에듀테크(edutech)에 대한 연구가 활발하게 진행되고 있다. 그러나 디지털 기기에서 자동으로 수집이 가능한 학습활동 데이터를 기반으로 학습자 개개인에게 맞춤형 학습을 제공하는 연구는 많으나, 오프라인 학습에서 추출하고 활용해야 할 데이터의 수집 연구는 적다. 이에 본 연구는 데이터 수집 연구를 위해 인공지능 컴퓨터 비전 기술을 이용하여 교재 또는 문제지의 문항 검출 방법을 연구한다. 이는 교재 또는 문제지에 대한 디지털로의 변환작업 없이도 오프라인 학습활동 데이터를 수집·저장·분석하여 지능화 교육 서비스와 연계를 통해 오프라인 학습에서도 학습자의 개인 맞춤형 학습 서비스 제공한다.

• 한국인터넷방송통신학회논문지
• /
• 제23권1호
• /
• pp.29-35
• /
• 2023

본 논문에서는 챗봇 시스템을 활용하여 코딩 교육용 챗봇 학습 모델인 SW-EDU 봇을 제안한다. 대표적인 챗봇 빌더인 Dialogflow와 Kakao i Open Builer 기반으로 동일한 시나리오 기반 모델을 제작한 다음, 목적에 더 적합한 빌더를 선정하여 SW-EDU 봇을 설계하고 구현한다. 구현된 챗봇 시스템은 학습 유형 선택, 개념 학습, 난이도 별 문제풀이 등을 제공하여 사용자의 자기 주도성을 고취하면서 효과적인 학습 방법 습득을 목표로 한다. 챗봇 빌더의 사용성을 비교하기 위하여 5개 지표를 선정하고, 이에 근거하여 비교 우위의 빌더를 선택한 다음 이를 기반으로 SW-EDU 봇을 구현한다. 사용성 평가를 통하여 SW-EDU 봇의 학습 지원 도구로서의 타당성을 분석하고 새로운 SW 교육 학습 매체로의 활용 가능성을 확인한다.

• 한국멀티미디어학회논문지
• /
• 제21권10호
• /
• pp.1182-1194
• /
• 2018

The Dynamic Adaptive Streaming over HTTP(DASH) is envisioned to evolve to meet an increasing demand on providing seamless video streaming services in the near future. The DASH performance heavily depends on the client's adaptive quality selection algorithm that is not included in the standard. The existing conventional algorithms are basically based on a procedural algorithm that is not easy to capture and reflect all variations of dynamic network and traffic conditions in a variety of network environments. To solve this problem, this paper proposes a novel quality selection mechanism based on the Deep Q-Network(DQN) model, the DQN-based DASH Adaptive Bitrate(ABR) mechanism. The proposed mechanism adopts a new reward calculation method based on five major performance metrics to reflect the current conditions of networks and devices in real time. In addition, the size of the consecutive video segment to be downloaded is also considered as a major learning metric to reflect a variety of video encodings. Experimental results show that the proposed mechanism quickly selects a suitable video quality even in high error rate environments, significantly reducing frequency of quality changes compared to the existing algorithm and simultaneously improving average video quality during video playback.

• 천문학회보
• /
• 제42권2호
• /
• pp.60.2-61
• /
• 2017

A Convolutional Neural Network(CNN) is one of the well-known deep-learning methods in image processing and computer vision area. In this study, we apply CNN to two kinds of flare forecasting models: flare classification and occurrence. For this, we consider several pre-trained models (e.g., AlexNet, GoogLeNet, and ResNet) and customize them by changing several options such as the number of layers, activation function, and optimizer. Our inputs are the same number of SOHO)/MDI images for each flare class (None, C, M and X) at 00:00 UT from Jan 1996 to Dec 2010 (total 1600 images). Outputs are the results of daily flare forecasting for flare class and occurrence. We build, train, and test the models on TensorFlow, which is well-known machine learning software library developed by Google. Our major results from this study are as follows. First, most of the models have accuracies more than 0.7. Second, ResNet developed by Microsoft has the best accuracies : 0.77 for flare classification and 0.83 for flare occurrence. Third, the accuracies of these models vary greatly with changing parameters. We discuss several possibilities to improve the models.

• 컴퓨터교육학회논문지
• /
• 제10권6호
• /
• pp.19-27
• /
• 2007

본 연구에서는 프로그래밍 학습 과정에서 학습자가 겪는 인지적 어려움을 효과적으로 조력하기 위한 새로운 교육 방법으로 로봇 프로그래밍 학습의 가능성을 제시하고자 하였다. 로봇 프로그래밍 학습을 위한 교수 설계는 $Merri{\ddot{e}}nboer$의 4CID 모형을 기반으로 한 하향식 접근법을 사용하여 프로그래밍 과정을 통한 학습자의 복잡한 인지 능력 향상을 효과적으로 조력할 수 있도록 구성하였다. 설계된 학습 내용을 토대로 대학교 프로그래밍 관련 강좌에 적용한 결과, 레고 마인드스톰 NXT와 NXT-G 소프트웨어를 활용한 프로그래밍 학습은 학습자의 문제해결력 향상에 효과가 있는 것으로 나타났다. 이는 본 연구를 통해 설계된 교수 전략을 기반으로 한 로봇 프로그래밍 학습이 문제해결력과 같은 인지적 영역에 있어서 긍정적인 영향을 주는 것을 의미한다.