• 제목/요약/키워드: Habit learning memory

검색결과 3건 처리시간 0.017초

Effects of (-)-Sesamin on Memory Deficits in MPTP-lesioned Mouse Model of Parkinson's Disease

  • Zhao, Ting Ting;Shin, Keon Sung;Lee, Myung Koo
    • Natural Product Sciences
    • /
    • 제22권4호
    • /
    • pp.246-251
    • /
    • 2016
  • This study investigated the effects of (-)-sesamin on memory deficits in 1-methyl-4-phenyl-1,2,3,6-tetrahydropyridine (MPTP)-lesioned mouse model of Parkinson's disease (PD). MPTP lesion (30 mg/kg/day, 5 days) in mice showed memory deficits including habit learning memory and spatial memory. However, treatment with (-)-sesamin (25 and 50 mg/kg) for 21 days ameliorated memory deficits in MPTP-lesioned mouse model of PD: (-)-sesamin at both doses improved decreases in the retention latency time of the passive avoidance test and the levels of dopamine, norepinephrine, 3,4-dihydroxyphenylacetic acid, and homovanillic acid, improved the decreased transfer latency time of the elevated plus-maze test, reduced the increased expression of N-methyl-D-aspartate (NMDA) receptor, and increased the reduced phosphorylation of extracellular signal-regulated kinase (ERK1/2) and cyclic AMP-response element binding protein (CREB). These results suggest that (-)-sesamin has protective effects on both habit learning memory and spatial memory deficits via the dopaminergic neurons and NMDA receptor-ERK1/2-CREB system in MPTP-lesioned mouse model of PD, respectively. Therefore, (-)-sesamin may serve as an adjuvant phytonutrient for memory deficits in PD patients.

인간의 습관적 특성을 고려한 악성 도메인 탐지 모델 구축 사례: LSTM 기반 Deep Learning 모델 중심 (Case Study of Building a Malicious Domain Detection Model Considering Human Habitual Characteristics: Focusing on LSTM-based Deep Learning Model)

  • 정주원
    • 융합보안논문지
    • /
    • 제23권5호
    • /
    • pp.65-72
    • /
    • 2023
  • 본 논문에서는 LSTM(Long Short-Term Memory)을 기반으로 하는 Deep Learning 모델을 구축하여 인간의 습관적 특성을 고려한 악성 도메인 탐지 방법을 제시한다. DGA(Domain Generation Algorithm) 악성 도메인은 인간의 습관적인 실수를 악용하여 심각한 보안 위협을 초래한다. 타이포스쿼팅을 통한 악성 도메인의 변화와 은폐 기술에 신속히 대응하고, 정확하게 탐지하여 보안 위협을 최소화하는 것이 목표이다. LSTM 기반 Deep Learning 모델은 악성코드별 특징을 분석하고 학습하여, 생성된 도메인을 악성 또는 양성으로 자동 분류한다. ROC 곡선과 AUC 정확도를 기준으로 모델의 성능 평가 결과, 99.21% 이상 뛰어난 탐지 정확도를 나타냈다. 이 모델을 활용하여 악성 도메인을 실시간 탐지할 수 있을 뿐만 아니라 다양한 사이버 보안 분야에 응용할 수 있다. 본 논문은 사용자 보호와 사이버 공격으로부터 안전한 사이버 환경 조성을 위한 새로운 접근 방식을 제안하고 탐구한다.

우리나라 대학생들의 문헌 독해능력 평가 연구 - A대학 1학년생을 대상으로 - (A study on the Evaluation of Reading Ability for the Literature Reading of Korean College Students: the Freshmen of A University)

  • 이종문
    • 한국비블리아학회지
    • /
    • 제21권3호
    • /
    • pp.17-27
    • /
    • 2010
  • 본 연구는 대학생들의 문헌 독해 실태를 분석, 문제를 파악하여 개선방안을 제언하기 위해 수행되었다. A대학교 1학년생을 대상으로 지문을 읽는 시간 독해패턴 이해력 기억력 독해습관 및 태도 등을 분석한 결과, 첫째 수능평균을 기준으로는 조사대상 학생의 58%가 양호하고 42%가 미흡한 것으로 분석되었다. 둘째 조사대상 학생의 77%는 양호한 패턴을 가지 있으나 23%는 독서패턴에 문제가 있는 것으로 파악되었다. 셋째 이해력과 기억력을 평가한 결과 각각 전체의 69%와 67%가 양호한 것으로, 31%와 33%가 보통 또는 미흡으로 평가되었다. 넷째 평소 독서습관 및 태도를 조사한 결과, 문제가 없는 것으로 파악된 학생은 평균 77%, 문제가 있는 학생은 평균 23%로 파악되었다. 본 연구에서는 이 같은 문제를 해소하기 위해 첫째 대학생들의 독해평가를 위한 과학적이고 표준화된 평가도구를 개발할 것을, 둘째 입학전형과정 또는 입학 후에 독해능력과 독서습관 및 태도를 평가할 것을 제언하였다. 그리고 평가결과 미진한 학생들을 교육할 수 있는 가칭 기초학력교육원을 운영할 것을 제언하였다.