• 한국컴퓨터정보학회논문지
• /
• 제19권12호
• /
• pp.369-384
• /
• 2014

우리나라 영재교육은 2002년 시작된 이후 이제 교육지원체계가 확립되었고, 양적 측면에서 충분한 성장을 이루었다. 반면에 교육의 질적인 측면에서는 미흡한 점이 있다는 보고가 많다. 즉, 대부분의 영재교육이 선행학습에 의한 단순 지식확대 위주로 이루어진다는 것이다. 영재 교육의 질을 높이기 위해서는 간학문적 원리와 현상을 문제해결에 적용할 수 있는 비판적 사고력 및 창의력 배양 교육이 되어야 한다. 이 연구에서는 통합교육 개념에 근거하여 AND/OR/XOR 등의 기본 논리 연산이 컴퓨터의 세포 역할을 하게 되는 과정을 탐구하는 융합형 교수 학습 자료를 설계하고 개발하였다. 설문 조사 결과 기존의 다른 학습 주제보다 학생들의 만족도(유익성, 이해도, 흥미도)가 크게 높은 것으로 평가되어 설계 취지에 부합된 것으로 나타났다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 하계학술대회 논문집 B
• /
• pp.600-602
• /
• 1995

The paper presents neural network control techniques for load frequency control of two area power system. Using learning algorithm of error back propagation after learning accept input on the optimal control $e_{i}$, $\dot{e}_{i}$, and $u_{i}$ frequency characteristic and tie-line load flow characteristic investigated dynamic. From result simulation, frequency deviation and tie-line load flow deviation have reduction remarkable.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.140-140
• /
• 2019

본 연구에서는 Terra MODIS 위성자료와 Tensorflow를 활용해 1 km 공간 해상도의 토양수분을 산정하는 알고리즘을 개발하고, 국내 관측 자료를 활용해 검증하고자 한다. 토양수분 모의를 위한 입력 자료는 Terra MODIS NDVI(Normalized Difference Vegetation Index)와 LST(Land Surface Temperature), GPM(Global Precipitation Measurement) 강우 자료를 구축하고, 농촌진흥청에서 제공하는 1:25,000 정밀토양도를 기반으로 모의하였다. 여기서, LST와 GPM의 자료는 기상청의 종관기상관측지점의 LST, 강우 자료와 조건부합성(Conditional Merging, CM) 기법을 적용해 결측치를 보간하였고, 모든 위성 자료의 공간해상도를 1 km로 resampling하여 활용하였다. 토양수분 산정 기술은 인공 신경망(Artificial Neural Network) 모형의 딥 러닝(Deep Learning)을 적용, 기계 학습기반의 패턴학습을 사용하였다. 패턴학습에는 Python 라이브러리인 TensorFlow를 사용하였고 학습 자료로는 농촌진흥청 농업기상정보서비스에서 101개 지점의 토양수분 자료(2014 ~ 2016년)를 활용하고, 모의 결과는 2017 ~ 2018년까지의 자료로 검증하고자 한다.

• 한국멀티미디어학회논문지
• /
• 제22권10호
• /
• pp.1149-1159
• /
• 2019

We present a novel deep learning architecture for obtaining a latent image from a single blurry image, which contains dynamic motion blurs through object/camera movements. The proposed architecture consists of two sub-modules: blur image restoration and optical flow estimation. The tasks are highly related in that object/camera movements make cause blurry artifacts, whereas they are estimated through optical flow. The ablation study demonstrates that training multi-task architecture simultaneously improves both tasks compared to handling them separately. Objective and subjective evaluations show that our method outperforms the state-of-the-arts deep learning based techniques.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.675-678
• /
• 2023

본 연구는 팀기반학습을 활용한 교과목을 수강한 간호대학생 56명을 대상으로 동료평가와 학업성취도와의 관계에서 수업몰입의 매개효과를 검정하였다. 매개효과 분석은 PROCESS macro Program의 model 4를 부트스트래핑(bootstrapping)을 이용하여 검정하였다. 분석 결과는 첫째, 동료평가, 수업몰입과 학업성취도 간에 유의한 정적 상관이 있는 것으로 나타났다. 둘째, 수업몰입은 동료평가가 학업성취도에 미치는 영향을 부분매개 하는 것으로 확인되었다. 동료평가가 간호대학생을 위한 TBL 과정에서 수업몰입과 팀워크를 촉진하고 궁극적으로 학업성취도를 향상시키는 효과적인 도구가 될 수 있음을 시사하며, 교수자가 학생의 학습성과를 개선할 수 있는 보다 효과적인 교육 전략 및 개입을 개발하는 데 도움이 될 수 있다.

• International Journal of Computer Science & Network Security
• /
• 제24권5호
• /
• pp.205-211
• /
• 2024

The increasing number of botnet attacks incorporating new evasion techniques making it infeasible to completely secure complex computer network system. The botnet infections are likely to be happen, the timely detection and response to these infections helps to stop attackers before any damage is done. The current practice in traditional IP networks require manual intervention to response to any detected malicious infection. This manual response process is more probable to delay and increase the risk of damage. To automate this manual process, this paper proposes to automatically select relevant countermeasures for detected botnet infection. The propose approach uses the concept of flow trace to detect botnet behavior patterns from current and historical network activity. The approach uses the multiclass machine learning based approach to detect and classify the botnet activity into IRC, HTTP, and P2P botnet. This classification helps to calculate the risk score of the detected botnet infection. The relevant countermeasures selected from available pool based on risk score of detected infection.

• 한국산학기술학회논문지
• /
• 제22권3호
• /
• pp.80-87
• /
• 2021

본 연구는 실시간 온라인 성인간호학 수업에 대한 학습만족도의 영향요인을 확인하여 간호학 교과목의 온라인 강의 설계 및 운영에 기초자료를 제공하고, 새로운 교육 패러다임을 준비하고자 수행되었다. 연구대상자는 일개 대학 간호학과에서 실시간 온라인 성인간호학 수업을 수강하고 있는 3학년 105명을 대상으로, 2020년 6월 20일부터 7월 30일까지 구조화된 온라인 설문지를 통하여 자료수집을 시행하였다. 자료의 분석은 t-test, One-way ANOVA, Scheffe test, Person's correlation coefficients, Hierarchical multiple regression analysis 으로 분석하였다. 연구결과, 대상자의 학습몰입은 3.07점(5점 척도), 수업참여는 3.46점(5점 척도), 학습만족도는 3.88점(5점 척도)으로 나타났다. 학습만족도는 학습몰입(r=.41, p<.001), 수업참여(r=.56, p<.001)와 양의 상관관계가 있는 것으로 분석되었다. 또한, 본 연구 대상자의 학습만족도에 영향을 주는 요인은 수업참여(��=.47), 성인간호학 수업에 대한 흥미정도에서 매우 높음(��=.21), 높음(��=.20) 순이었으며, 설명력은 34%로 분석되었다(F=14.53, p<.001). 따라서 본 연구를 토대로 간호대학생의 학습만족도를 향상시키기 위한 주요요인은 수업참여로, 적극적인 수업참여를 이루어지기 위한 방안 및 교육방법을 개발하여 간호대학생의 학습성과 및 학습목표의 효율적인 달성을 기대해 본다.

• 문화기술의 융합
• /
• 제9권4호
• /
• pp.487-494
• /
• 2023

본 연구에서는 무료 딥러닝 도구인 R과 텐서플로우에 대한 성능 비교를 수행하였다. 실험에서는 각 도구를 사용하여 6종류의 심층 신경망을 구축하고 10년간의 한국 온도 데이터셋을 사용하여 신경망을 학습시켰다. 구축된 신경망의 입력층 노드 갯수는 10개, 출력층은 5개로 설정 하였으며, 은닉층은 5, 10, 20개로 설정하여 실험을 진행 하였다. 학습 데이터는 2013년 3월 1일부터 2023년 3월 29일까지 서울시 강남구에서 수집된 온도 데이터 3681건을 사용하였다. 성능 비교를 위해, 학습된 신경망을 사용하여, 5일간의 온도를 예측하고 예측된 값과 실제값을 사용하여 평균 제곱근 오차(root mean square error, RMSE)값을 측정하였다. 실험결과, 은닉층이 1개인 경우, R의 학습 오차는 0.04731176이었으며, 텐서플로우는 0.06677193으로 측정되었으며, 은닉층이 2개인 경우에는 R이 0.04782134, 텐서플로 우는 0.05799060로 측정되었다. 전체적으로 R이 더 우수한 성능을 보였다. 우리는 기계학습을 처음 접하는 사용자들에게 두 도구에 대한 정량적 성능 정보를 제공함으로써, 도구 선택에서 발생하는 어려움을 해소하고자 하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권11호
• /
• pp.4291-4310
• /
• 2015

This paper investigates the traffic offloading over unlicensed bands for two-tier multi-mode small cell networks. We formulate this problem as a Stackelberg game and apply a hierarchical learning framework to jointly maximize the utilities of both macro base station (MBS) and small base stations (SBSs). During the learning process, the MBS behaves as a leader and the SBSs are followers. A pricing mechanism is adopt by MBS and the price information is broadcasted to all SBSs by MBS firstly, then each SBS competes with other SBSs and takes its best response strategies to appropriately allocate the traffic load in licensed and unlicensed band in the sequel, taking the traffic flow payment charged by MBS into consideration. Then, we present a hierarchical Q-learning algorithm (HQL) to discover the Stackelberg equilibrium. Additionally, if some extra information can be obtained via feedback, we propose an improved hierarchical Q-learning algorithm (IHQL) to speed up the SBSs' learning process. Last but not the least, the convergence performance of the proposed two algorithms is analyzed. Numerical experiments are presented to validate the proposed schemes and show the effectiveness.

• 한국치위생학회지
• /
• 제15권6호
• /
• pp.1091-1097
• /
• 2015

Objectives: The purpose of this study was to examine the relationship between educational satisfaction and learning participation of dental hygiene students. Method: A self-reported questionnaire was completed by 344 dental hygiene students in Gyeonggido, Chungcheongdo, and Gyeongsangdo from June 2 to 24, 2014, The questionnaire consisted of general characteristics of the subjects(3 items), choice reason of dental hygiene(7 items), educational satisfaction(22 items), and learning participation(11 items). The educational satisfaction and learning participation were assessed by Likert 5 points scale. Data were analyzed by a statistical package SPSS WIN 18.0. Results: Educational satisfaction included educational environments, teaching, educational content and educational effect. Learning participation included class flow, class participation and class readiness. Gyeongsangdo students tended to have higher score than other areas. The educational effect and teaching effect had more influence on learning participation. Conclusion: To improve the better dental hygiene education, it is important to prepare the effective educational methods and find out the influencing factors for class immersion.