• 한국콘텐츠학회논문지
• /
• 제15권9호
• /
• pp.21-28
• /
• 2015

반도체 공정에서는 소자 내부의 물리량 계산을 통해 불순물의 움직임을 해석하여 결점을 검출하는 시뮬레이션을 수행하게 된다. 이를 위해 유한 차분 시간 영역 알고리즘(Finite-Difference Time-Domain, 이하 FDTD)과 같은 수치해석 기법이 사용된다. 반도체 칩의 집적도 향상으로 인하여 소자의 크기는 나노스케일 시대로 접어들었으며, 시뮬레이션 사이즈 또한 커지고 있는 추세이다. 이에 따라 CPU와 GPU 같은 하나의 연산 장치에서 수행할 수 없는 문제와 다중의 연산 장치로 구성된 한 대의 컴퓨터에서 수행할 수 없는 문제가 발생하기도 한다. 이러한 문제로 인해 분산 병렬처리를 통한 FDTD 알고리즘 연구가 진행되고 있다. 하지만 기존의 연구들은 단일 연산장치만을 이용하기 때문에 GPU를 사용하는 경우 연산 속도는 빠르나 메모리의 제한이 있으며 CPU의 경우 GPU에 비해 연산 속도가 느린 단점이 존재한다. 이를 해결하기 위해 본 논문에서는 CPU, GPU의 이기종 연산 장치를 포함하는 컴퓨터로 구축된 클러스터 상에서 작업 사이즈에 제한되지 않고 시뮬레이션 수행이 가능한 컴퓨팅 모델을 구현하였다. 점대점 통신 기반의 MPI 라이브러리를 이용하여 연산 장치 간 통신을 통한 시뮬레이션을 테스트 하였고 사용하는 연산 장치의 종류와 수에 상관없이 시뮬레이션이 정상 동작함을 확인하였다.

• 정보교육학회논문지
• /
• 제25권5호
• /
• pp.733-740
• /
• 2021

본 연구의 목적은 실제 학교 현장에서 AI 교육과 관련된 수업들의 사례를 분석하여, 초등학교 AI 교육의 방향을 제시하는 것이다. 이를 위해 AI 교육 기반의 초등학교 수업 사례로 19개의 수업을 수집하였다. 수업 사례를 분석한 결과에 따르면, AI를 학습내용과 방법의 혼합적 측면에서 수업을 설계하였음을 확인하였다. 성취기준과 학습목표를 분석한 결과, AI를 도구적 관점에서 활용한 8개 수업에서 기억, 이해, 적용에 관한 행동 동사가 발견되였다. 수업을 도입, 전개, 정리단계로 나누었을 때, AI 교육 요소는 전개 단계에서 가장 많이 나타났다. 한편 전개 단계에서 AI 교육 요소의 학습내용과 학습방법의 비율을 살펴보았을 때 학습방법으로 AI 교육을 접근하는 학습시간이 압도적으로 높았다. 이를 토대로 다음과 같은 시사점을 도출하였다. 첫째, 학교, 학년 교육과정을 설계할 때, 학습 내용과 방법으로의 AI를 포괄적으로 다룰 수 있도록 설계해야 한다. 둘째, AI에 대한 이해를 보완하기 위해 단기적으로는 실과 교과나 창의적 체험활동에서의 시수 확보가 요구되며, 장기적으로는 정보 교과의 확보가 필요하다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.377-383
• /
• 2021

본 연구의 목적은 실제 학교 현장에서 AI 교육과 관련된 수업들의 사례를 분석하여, 초등학교 AI 교육의 방향을 제시하는 것이다. 이를 위해 AI 교육 기반의 초등학교 수업 사례로 19개의 수업을 수집하였다. 수업 사례를 분석한 결과에 따르면, AI를 학습내용과 방법의 혼합적 측면에서 수업을 설계하였음을 확인하였다. 성취기준과 학습목표를 분석한 결과, AI를 도구적 관점에서 활용한 8개 수업에서 기억, 이해, 적용에 관한 행동 동사가 발견되였다. 수업을 도입, 전개, 정리단계로 나누었을 때, AI 교육 요소는 전개 단계에서 가장 많이 나타났다. 한편 전개 단계에서 AI 교육 요소의 학습내용과 학습방법의 비율을 살펴보았을 때 학습방법으로서 AI 교육을 접근하는 학습시간이 압도적으로 높았다. 이를 토대로 다음과 같은 시사점을 도출하였다. 첫째, 학교, 학년 교육과정을 설계할 때, 학습 내용과 방법으로서의 AI를 포괄적으로 다룰 수 있도록 설계해야 한다. 둘째, AI에 대한 이해를 보완하기 위해 단기적으로는 실과 교과나 창의적 체험활동에서의 시수 확보가 요구되며, 장기적으로는 정보 교과의 확보가 필요하다.

• 한국전자파학회논문지
• /
• 제18권8호
• /
• pp.880-886
• /
• 2007

본 논문에서는 효율 특성에서 특화된 전력 증폭기(PA)와 개선된 바이어스 모듈레이터를 이용하여 새로운 하이브리드 포락선 제거 및 복원(EER) 전력 송신기를 제안하였다. 전력 증폭기는 모듈레이션 신호의 평균 전력영역에서 대부분 동작하기 때문에 평균 드레인 바이어스 전압에서 전력 증폭기의 효율은 전체 전력 송신기의 효율 특성에 매우 중요한 영향을 미친다. 따라서 전력 증폭기의 효율을 평균 드레인 바이어스 전압 영역에서 최적화하였다. 또한, 바이어스 모듈레이터는 메모리 영향을 최소화하기 위하여 에미터 팔로워(Emitter Follower)와 결합되도록 하였다. 포화 전력 증폭기인 역 Class F급 전력 증폭기가 1 GHz 대역 포워드 링크 싱글 캐리어를 가지는 WCDMA 신호에 대해서 최고 전력이 5W인 LDMOSFET을 이용하여 설계되었다. 실험 결과, 바이어스 모듈레이터는 31.8V의 최고 전력 크기를 가지면서 64.16%의 효율을 유지하였다. 제안된 전력 증폭기와 바이어스 모듈레이터를 결합한 전력 송신기는 기존 방식으로 설계된 전력 증폭기와 결합하였을 경우보다 8.11%나 개선된 44.19%의 전체 효율 특성을 보였다. 게다가, F급 동작을 보이면서 전체 출력 전력은 기존 방식의 전력 증폭기를 결합할 경우보다 2.9dB 개선된 32.33 dBm으로 개선되었고, PAE와 5MHz 옵셋에서의 ACLR은 각각 38,28%, -35.9 dBc를 기록하였다. 이와 같은 결과들은 고선형성과 함께 고효율 특성을 가지는 전력 송신기에 매우 적합한 구조가 될 수 있다는 것을 명확히 보여주고 있다.

• 지능정보연구
• /
• 제21권1호
• /
• pp.119-142
• /
• 2015

사용자의 취향과 선호도를 고려하여 정보를 제공하는 추천 시스템의 중요성이 높아졌다. 이를 위해 다양한 기법들이 제안되었는데, 비교적 도메인의 제약이 적은 협업 필터링이 널리 사용되고 있다. 협업 필터링의 한 종류인 모델 기반 협업 필터링은 기계학습이나 데이터 마이닝 모델을 협업 필터링에 접목한 방법이다. 이는 희박성 문제와 확장성 문제 등의 협업 필터링의 근본적인 한계를 개선하지만, 모델 생성 비용이 높고 성능/확장성 트레이드오프가 발생한다는 한계점을 갖는다. 성능/확장성 트레이드오프는 희박성 문제의 일종인 적용범위 감소 문제를 발생시킨다. 또한, 높은 모델 생성 비용은 도메인 환경 변화의 누적으로 인한 성능 불안정의 원인이 된다. 본 연구에서는 이 문제를 해결하기 위해, 군집화 기반 협업 필터링에 마르코프 전이확률모델과 퍼지 군집화의 개념을 접목하여, 적용범위 감소 문제와 성능 불안정성 문제를 해결한 예측적 군집화 기반 협업 필터링 기법을 제안한다. 이 기법은 첫째, 사용자 기호(Preference)의 변화를 추적하여 정적인 모델과 동적인 사용자간의 괴리 해소를 통해 성능 불안정 문제를 개선한다. 둘째, 전이확률과 군집 소속 확률에 기반한 적용범위 확장으로 적용범위 감소 문제를 개선한다. 제안하는 기법의 검증은 각각 성능 불안정성 문제와 확장성/성능 트레이드오프 문제에 대한 강건성(robustness)시험을 통해 이뤄졌다. 제안하는 기법은 기존 기법들에 비해 성능의 향상 폭은 미미하다. 또한 데이터의 변동 정도를 나타내는 지표인 표준 편차의 측면에서도 의미 있는 개선을 보이지 못하였다. 하지만, 성능의 변동 폭을 나타내는 범위의 측면에서는 기존 기법들에 비해 개선을 보였다. 첫 번째 실험에서는 모델 생성 전후의 성능 변동폭에서 51.31%의 개선을, 두 번째 실험에서는 군집 수 변화에 따른 성능 변동폭에서 36.05%의 개선을 보였다. 이는 제안하는 기법이 성능의 향상을 보여주지는 못하지만, 성능 안정성의 측면에서는 기존의 기법들을 개선하고 있음을 의미한다.

• 지능정보연구
• /
• 제22권3호
• /
• pp.113-127
• /
• 2016

협업 필터링(Collaborative Filtering)은 유용성과 정교성 면에서 가장 성공적인 추천 알고리즘으로 평가받으며 산업계나 학계에서 많이 활용 및 연구되고 있지만, 기본적으로 사용자들이 평가한 점수에만 기반하여 추천결과를 생성하는 한계점이 있다. 이에 본 연구는 사용자가 상품을 구매할 때 자신이 신뢰하는 타인의 추천을 더 적극적으로 수용할 것이라는 점에 착안하여, 사용자의 평점 외에 사용자 간 신뢰관계를 소셜네트워크분석으로 분석한 결과를 추가로 반영하는 추천 알고리즘들을 제안하였다. 구체적으로 본 연구에서는 소셜네트워크분석에서 네트워크 내의 중심적 위치를 나타내는 척도인 내향 및 외향 중심성을 활용하여 사용자 간 유사도를 산출하는 알고리즘들과 사용자 신뢰 네트워크를 탐색하여 추천 대상이 되는 사용자가 직접 간접적으로 신뢰하는 사용자의 평가점수를 보다 높게 반영하는 알고리즘을 제안한 뒤 그 성능을 비교해 보았다. 실제 데이터에 적용하여 분석한 결과, 사용자 신뢰 네트워크의 내향 중심성 지수를 조건 없이 적용한 경우에는 오히려 정확도의 감소만을 야기하는 것으로 나타났고, 일정 임계치 이상의 외향 중심성을 갖는 사용자에 한해 내향 중심성 지수를 고려한 추천 알고리즘은 전통적인 협업 필터링에 비해 약간의 정확도 개선이 이루어짐을 확인할 수 있었다. 아울러, 사용자 신뢰 네트워크를 기반으로 탐색하는 알고리즘이 가장 우수한 성능을 보이는 것을 알 수 있었으며, 전통적인 협업 필터링과 비교해서도 통계적으로 유의한 수준의 정확도의 개선이 이루어짐을 확인할 수 있었다.

• 한국식품과학회지
• /
• 제49권6호
• /
• pp.649-658
• /
• 2017

본 연구는 고지방 식이를 통해 유도되는 혈당 상승과 이로 인한 인지기능 장애에 대한 고사리(Pteridium aquilinum) 아세트산에틸 분획물(EFPA)의 개선 효과를 확인하기 위해서 수행되었다. 고지방 식이를 섭취시킨 실험동물에 고사리 아세트산에틸 분획물을 식이를 하였을 때, 공복혈당을 낮추었고 인슐린 저항성을 확인하기 위한 내당능 시험에서 개선효과를 나타내었다. 또한 실험동물의 혈액을 이용한 혈청분석 결과 혈청 내 총 콜레스테롤(TCHO)과 저밀도지단백질 콜레스테롤(LDLC)과 같은 지방질 대사 수준이 유의적으로 개선되었다. 실험동물을 이용한 행동학적 시험(Y-maze, passive avoidance, Morris water maze tests)을 통해 인지기능 개선효과를 확인해본 결과, 공간인지 능력, 단기 학습 능력, 장기 기억 능력이 고지방 식이군(HFD)에 비해 유의적으로 개선되었다. 또한 동물 행동 실험 후 적출된 뇌 조직에서 산화방지 효소인 초과산화물제거효소(SOD)의 함량과 지방질과산화 정도(MDA level)를 측정해본 결과 고사리 아세트산에틸 분획물이 조직에서의 산화방지 능력을 증가시켜 주는 것을 확인 할 수 있었다. 그리고 인지능력에 영향을 주는 아세틸콜린(ACh)과 아세틸콜린 가수분해효소(AChE)에 미치는 영향을 확인해 본 결과, 아세틸콜린 가수분해효소의 활성이 억제되었고 그 결과 아세틸콜린의 함량이 증가하였다. 고지방 식이로 유도되는 혈당 상승 및 인지기능 장애의 개선에 도움이 되는 고사리 아세트산에틸 분획물의 주요 생리활성 물질이 무엇인지 확인하기 위하여 QTRAP LC-MS/MS를 시행한 결과, 주요 물질은 kaempferol-3-O-glucoside로 동정되었고 이 이외에 caffeolyshikimic acid, quercetin-3-O-glucoside, kaempferol-3-O-rutinoside 등이 확인 되었다. 이러한 연구결과를 고려할 때, 캠페롤(kaempferol) 등과 같은 플라보노이드류와 폴리페놀 화합물을 함유한 고사리 아세트산에틸 분획물(EFPA)은 고지방 식이로 인한 혈당 상승과 이로 인한 인지기능 장애의 개선에 도움을 줄 수 있는 건강 기능성 식품 소재로 이용될 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.1-18
• /
• 2015

협업 필터링은 학계나 산업계에서 우수한 성능으로 인해 많이 사용되는 추천기법이지만, 정량적 정보인 사용자들의 평가점수에만 국한하여 추천결과를 생성하므로 간혹 정확도가 떨어지는 문제가 발생한다. 이에 새로운 정보를 추가로 고려하여, 협업 필터링의 성능을 개선하려는 연구들이 지금까지 다양하게 시도되어 왔다. 본 연구는 최근 Web 2.0 시대의 도래로 인해 사용자들이 구입한 상품에 대한 솔직한 의견을 인터넷 상에 자유롭게 표현한다는 점에 착안하여, 사용자가 직접 작성한 리뷰를 참고하여 협업 필터링의 성능을 개선하는 새로운 추천 알고리즘을 제안하고, 이를 스마트폰 앱 추천 시스템에 적용하였다. 정성 정보인 사용자 리뷰를 정량화하기 위해 본 연구에서는 텍스트 마이닝을 활용하였다. 구체적으로 본 연구의 추천시스템은 사용자간 유사도를 산출할 때, 사용자 리뷰의 유사도를 추가로 반영하여 보다 정밀하게 사용자간 유사도를 산출할 수 있도록 하였다. 이 때, 사용자 리뷰의 유사도를 산출하는 접근법으로 중복 사용된 색인어의 빈도로 산출하는 방안과 TF-IDF(Term Frequency - Inverse Document Frequency) 가중치 합으로 산출하는 2가지 방안을 제시한 뒤 그 성능을 비교해 보았다. 실험결과, 제안 알고리즘을 통한 추천, 즉 사용자 리뷰의 유사도를 추가로 반영하는 알고리즘이 평점만을 고려하는 전통적인 협업 필터링과 비교해 더 우수한 예측정확도를 나타냄을 확인할 수 있었다. 아울러, 중복 사용 단어의 TF-IDF 가중치의 합을 고려했을 때, 단순히 중복 사용 단어의 빈도만을 고려했을 때 보다 조금 더 나은 예측정확도를 얻을 수 있음도 함께 확인할 수 있었다.

• 지능정보연구
• /
• 제16권4호
• /
• pp.159-172
• /
• 2010

협업필터링 추천은 다양한 분야에서 활용되고 있지만 트랜잭션 데이터의 성격에 따라 추천 성능에 현저한 차이를 보이고 있다. 기존 연구에서는 이러한 추천 성능의 차이가 나타나는 이유에 대한 설명을 구체적으로 제시하지 못하고 있고 이에 따라 추천 성능의 예측 또한 연구된 바가 없다. 본 연구는 사회네트워크분석과 인공신경망 모형을 이용하여 협업필터링 추천시스템의 성능을 예측하고자 한다. 본 연구의 목적을 달성하기 위해 국내 백화점의 트랜잭션 데이터를 기반으로 형성되는 고객간 사회 네트워크의 구조적 지표를 측정한 후 이를 기반으로 인공신경망 모형을 구축하고 검증한다. 본 연구는 협업필터링 추천 성능을 예측할 수 있는 새로운 모형을 제시하였다는 점에서 그 의의가 있으며 이를 통해 기업들의 협업필터링 추천시스템 도입에 대한 의사결정에 도움을 줄 수 있을 것으로 기대된다.