• 한국간호교육학회지
• /
• 제25권4호
• /
• pp.393-404
• /
• 2019

Purpose: This study aims to investigate the influence of personality type, self-leadership, and positive psychological capital on the flow of learning of nursing students. Methods: The sample consisted of 179 nursing students. Data were analyzed using frequency, percentage, mean, standard deviation, t-test, ANOVA, $Scheff{\acute{e}}^{\prime}s$ test, Pearson's correlation coefficient analysis, and Hierarchical multiple regression. Results: Upon analysis, the relative influence of the variables that can improve learning flow, the influencing variables, were identified as self-leadership and self-efficacy. Conclusion: To increase the learning flow, supportive measures and strategies that increase positive psychological capital should be developed, successful cases of self-leadership be shared, and be incorporated into a culture that promotes learning flow. And to promote the learning flow, it needs political and environmental improvement, and institutional support of at the college level.

• 공학교육연구
• /
• 제27권1호
• /
• pp.32-40
• /
• 2024

This study attempted to develop an efficient management plan that allows both workers and organizations to coexist by analyzing the factors that influence the level of organizational immersion of engineering students. Analysis methods included frequency analysis, t-test, pearson correlation analysis, and hierarchical analysis. Firstly, self-esteem and transfer of learning were influential factors on organizational commitment. Second, self-esteem and transfer of learning were influencing factors of self-efficacy. Third, self-efficacy was an influential factor in organizational commitment. Fourth, self-efficacy appeared as a mediating effect on self-esteem and organizational immersion in learning transfer. Therefore, it is necessary to look for various factors that can increase self-efficacy, and to find opportunities for students to be highly immersed in the organization while studying at the same time.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권1호
• /
• pp.13-20
• /
• 2016

본 논문에서는 계층적 특징 학습을 이용하여 물체의 컬러 영상과 깊이 영상으로부터 해당 물체가 속한 범주와 개체, 그리고 다양한 속성들을 효과적으로 인식할 수 있는 시스템을 제안한다. 본 시스템의 전처리 단계에서는 물체의 깊이 영상을 물체의 모양 정보를 좀 더 효과적으로 표현할 수 있는 표면 법선 벡터 데이터로 변환하고, 특징 학습 단계에서는 물체의 컬러 영상과 표면 법선 벡터 데이터로부터 두 단계에 걸쳐 패치 단위 특징과 이미지 단위의 특징을 추출해낸다. 그리고 추출된 특징 벡터들과 SVM 학습 알고리즘을 이용하여 각기 독립적인 다수의 분류 모델들을 학습한다. 미국 워싱턴 대학의 RGB-D 물체 데이터 집합을 이용한 실험을 통해, 본 논문에서 제안하는 물체 인식 시스템의 높은 성능을 확인할 수 있었다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.6-10
• /
• 2009

네트워크의 발달로 인한 정보량의 증가와 모바일 디바이스의 폭넓은 보급으로, 모바일 플랫폼 상에서의 추천 서비스가 최근 각광받고 있다. 기존에 진행되었던 연구인 사용자의 선호도를 반영한 음식점 추천 시스템은 사용자의 선호도를 효과적으로 모델링 하기 위해 베이지안 네트워크를 사용하며, 음식첨 추천을 위해 계층형 분석방법(AHP)을 이용한다. 기존 시스템에서 사용했던 고정된 형태의 사용자 선호도 추론 모델은 변화하는 사용자의 선호도에 대응하지 못하며, 추론 모델을 구축하기 위해 방대한 분량의 설문조사가 선행되어야만 한다는 한계를 가졌다. 본 논문에서는 사용자의 선호도를 학습하기 위해 사용자 요청 정보를 이용한 베이지안 네트워크 학습 방법을 제안한다. 제안하는 방법은 모바일 디바이스와 데스크탑을 이용해 구현되었으며, 실험을 통해 제안하는 방법의 가능성을 보였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.125-129
• /
• 2006

By advent of NNC(Neural Network Chip), it is possible that process in parallel and discern the importance of signal with learning oneself by experience in external signal. So, the design of general purpose operation unit using VHDL(VHSIC Hardware Description Language) on the existing FPGA(Field Programmable Gate Array) can replaced EN(Expert Network) and learning algorithm. Also, neural network operation unit is possible various operation using learning of NN(Neural Network). This paper present general purpose operation unit using hierarchical structure of EN. EN of presented structure learn from logical gate which constitute a operation unit, it relocated several layer. The overall structure is hierarchical using a module, it has generality more than FPGA operation unit.

• Journal of Information Technology Applications and Management
• /
• 제17권2호
• /
• pp.19-45
• /
• 2010

This research has analyzed the differentiated influence of organizational variables(an organization's learning culture and organizational support networks) and personal variables(the individual's motivation to learn and self-efficacy) on the process of gaining and using of knowledge. These two variables have been regarded as the major variables for the successful learning of 6Sigma, according to Social Cognitive Theory. In addition, this research has proven the role structure of the abovementioned two variables through a suitable methodology(Hierarchical Linear Model). In regard to this methodology, the different hierarchical level of the personal variable and organizational variable was especially focused on, and the effect of interaction between the high level and the low level was considered in detail. Considering the current situation, in that the importance of organizational factor and personal factor has been emphasized but the accurate role of each variable has not been verified, the research model is thought to help to establish an effective strategy to implement 6 Sigma.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권8호
• /
• pp.633-641
• /
• 2009

본 논문에서는 아날로그 데이터 처리가 가능하고, 온라인 학습, 학습 중 새로운 클래스 추가등의 특징을 가진 패턴 인식기를 제안하였다. 제안한 패턴 인식기는 계층적 구조를 가지고 있으며, 각 레벨별로 서로 다른 메트릭을 적용하여 분류 성능을 향상 시켰다. 제안한 패턴 인식기는 신경망 기반의 패턴 인식 알고리즘인 Gaussian ARTMAP 모델을 기반으로 하고 있다. Gaussian ARTMAP 모델을 계층적으로 구성하고, 계층마다 서로 다른 특징을 학습하도록 하기 위하여 Principal Component Emphasis (P.C.E) 방법을 제안하였으며, 이를 이용하여 새로운 메트릭을 생성하는 방법을 제안하였다. P.C.E는 학습된 입력 데이터들의 분산을 이용하여 클래스 내의 공통 속성을 나타내는 분산이 작은 차원을 제거하고 패턴 간의 서로 다른 속성을 나타내는 분산이 큰 차원만 유지하는 방법이다. 제안한 알고리즘의 학습 과정에서 교사 신호와 다르게 분류된 패턴이 발생하면 잘못 분류 된 클래스와 입력된 패턴을 분리하기 위하여 P.C.E를 수행하고 하위 노드에서 학습하게 된다. 실험 결과 제안한 모델은 기존에 제안된 패턴 인식 모델들 보다 높은 분류 성능을 가지고 있음을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권7_8호
• /
• pp.649-658
• /
• 2003

본 연구에서는 ART2 신경회로망의 성능을 개선하기 위한 계층적 구조를 제안하고, 구성된 클러스터에 대하여 적합도(fitness) 선택을 통한 빠르고 효과적인 패턴 분류 모델(HART2)을 제안한다. 본 논문에서 제안하는 신경회로망은 비지도 학습을 통하여 대략적으로 1차 클러스터를 형성하고, 이 각각의 1차 클러스터로 분류된 패턴에 대해 지도학습을 통한 2군 클러스터를 생성하여 패턴을 분류하는 계층적 신경회로망이다. 이 신경회로망을 이용한 패턴분류 과정은 먼저 입력패턴을 1차 클러스터와 비교하여 유사한 몇 개의 1차 클러스터를 적합도에 따라 선택한다. 이때, 입력패턴과 클러스터들간의 상대 측정 거리비에 기반한 적합도 함수를 도입하여 1차 클러스터에 연결된 클러스터들을 Pruning 함으로써 계층적인 네트워크에서의 속도 향상과 정확성을 추구하였다. 마지막으로 입력패턴과 선택된 1차 클러스터에 연결된 2차 클러스터와의 비교를 통해 최종적으로 패턴을 분류하게 된다. 본 논문의 효율성을 검증하기 위하여 22종의 한글 및 영어 글꼴에 대한 숫자 데이타를 다양한 형태로 변형시켜 확장된 테스트 패턴에 대하여 실험해 본 결과 제안된 신경회로망의 패턴 분류 능력의 우수함을 증명하였다

• 한국지능시스템학회논문지
• /
• 제16권4호
• /
• pp.389-395
• /
• 2006

본 논문에서는 지능재어기법을 이용하여 이족로봇 제어기를 설계한다. 이족로봇 제어기는 복잡성을 해결하기 위해 4개 소 그룹으로 모듈화 하고, 이 모듈들은 신경망을 이용한 계층적 모듈라 신경망 (Hierarchical Mixture of Experts; HME) 기법을 도입한다. 그리고 신경망은 직접제어기법으로 이족로봇의 역 동력학을 학습한다. HME는 나무구조의 네트워크로 입출력 집합을 학습하여 출력공간에 대한 입력공간을 재분할하는 능력을 가지고 있다. EM 알고리즘을 이용한 HME는 반복적 학습을 통하여 이족로봇의 동력학을 모델링하며 HME 의 가상오차를 생성하여 이족로봇보행시 안전한 보행을 수행할 수 있는 이족로봇의 제어기를 설계한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제1권1호
• /
• pp.11-20
• /
• 2012

스트림 데이터는 시간에 따라 연속적으로 변화하는 일련의 값들로 나타난다. 이러한 스트림 데이터의 특성상 다양한 시간 간격의 기준에 따라 계속적으로 그 동향이 달라질 수 있다. 이 때문에 스트림 데이터의 추세 예측은 간격이 갱신될 때 마다 연속적인 환경에서 여러 간격들을 기준으로 동시에 이루어지는 연속 다중 예측(Continuous Multiple Prediction, CMP)이 지원되어야 한다. 본 논문은 스트림 데이터의 연속 다중 예측을 효과적으로 지원하기 위하여, 신피질 학습 모델인 계층형 시간적 메모리(Hierarchical Temporal Memory, HTM) 모델을 확장하여 연속통합 HTM(Continuous Integrated HTM, CIHTM) 네트워크를 제안한다. 이를 위해 우리는 HTM 네트워크를 구성하는 기존 노드들 외에 새롭게 이동 벡터 파일 센서, 시공간 분류 노드, 다중 통합 노드를 고안하였다. 그리고 이들을 바탕으로 CIHTM 네트워크의 학습과 추론 알고리즘을 개발하였다.