• 한국산학기술학회논문지
• /
• 제16권12호
• /
• pp.8176-8186
• /
• 2015

본 연구는 간호 대학생에게 성인간호학 이론수업과 실습교육의 단절로 발생하는 문제점을 해결하기 위해 High-Fidelity 시뮬레이션 교육프로그램을 개발하여 적용함으로써 그 효과를 분석하고자 시행되었다. 분석방법은 성인간호학 이론수업의 학습목표에 따라 비뇨기계 대상자 간호에서 고칼륨혈증 대상자 간호를 위한 알고리즘, 평가체크리스트, 디브리핑을 포함한 시나리오를 개발하여 비동등성 대조군 전후설계(non-equivalent control group pre-test and post-test design)로 측정하였다. 분석결과 일반적 특성과 종속변수의 실험군과 대조군의 동질성이 확보되었다. 고칼륨혈증 대상자 시뮬레이션 교육프로그램이 간호대학생의 간호수행능력, 문제해결능력, 비판적 사고성향, 자기효능감, 간호지식정도에 미치는 효과는 시뮬레이션 교육을 받은 실험군이 대조군 보다 유의하게 증가하였고, 통계적으로 유의한 차이가 있는 것으로 나타났다(t=-83.313, p<.001, t=-3.169, p=.003, t=-2.473, p=.017, t=-4.036, p<.001, t=-5.044, p<.001). 간호학생의 성인간호학 이론수업과 연계한 High-Fidelity 시뮬레이션 프로그램은 간호수행능력, 문제해결능력, 비판적 사고성향, 자기효능감, 간호지식을 높게 하는 것으로 나타났다. 이러한 시뮬레이션 실습교육 프로그램을 교육과정에 적용함으로써 효율적인 실습교육 방안을 제시하고 간호교육의 질 제고에 기여할 수 있을 것이다.

• 지능정보연구
• /
• 제17권1호
• /
• pp.53-69
• /
• 2011

로봇 자체 또는 로봇에 탑재된 콘텐츠와의 상호작용을 위해 일반적으로 영상 또는 음성 인식 기술이 사용된다. 그러나 영상 음성인식 기술은 아직까지 기술 및 환경 측면에서 해결해야 할 어려움이 존재하며, 실적용을 위해서는 사용자의 협조가 필요한 경우가 많다. 이로 인해 로봇과의 상호작용은 터치스크린 인터페이스를 중심으로 개발되고 있다. 향후 로봇 서비스의 확대 및 다양화를 위해서는 이들 영상 음성 중심의 기존 기술 외에 상호보완적으로 활용이 가능한 인터페이스 기술의 개발이 필요하다. 본 논문에서는 로봇 인터페이스 활용을 위한 가속도 센서 기반의 제스처 인식 기술의 개발에 대해 소개한다. 본 논문에서는 비교적 어려운 문제인 26개의 영문 알파벳 인식을 기준으로 성능을 평가하고 개발된 기술이 로봇에 적용된 사례를 제시하였다. 향후 가속도 센서가 포함된 다양한 장치들이 개발되고 이들이 로봇의 인터페이스로 사용될 때 현재 터치스크린 중심으로 된 로봇의 인터페이스 및 콘텐츠가 다양한 형태로 확장이 가능할 것으로 기대한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.1319-1323
• /
• 2004

In this paper, a problem of Thai sign language recognition using a neural network is considered. The paper addresses the problem in classifying certain signs conveying quantitative meaning, e.g., large or small. By treating those signs corresponding to different quantities as derived from different classes, the recognition error rate of the standard multi-layer Perceptron increases if the precision in recognizing different quantities is increased. This is due the fact that, to increase the quantitative recognition precision of those signs, the number of (increasingly similar) classes must also be increased. This leads to an increase in false classification. The problem is due to misinterpreting the amount of quantity the quantitative signs convey. In this paper, instead of treating those signs conveying quantitative attribute of the same quantity type (such as 'size' or 'amount') as derived from different classes, here they are considered instances of the same class. Those signs of the same quantity type are then further divided into different subclasses according to the level of quantity each sign is associated with. By using this two-level classification, false classification among main gesture classes is made independent to the level of precision needed in recognizing different quantitative levels. Moreover, precision of quantitative level classification can be made higher during the recognition phase, as compared to that used in the training phase. A standard multi-layer Perceptron with a back propagation learning algorithm was adapted in the study to implement this two-level classification of quantitative gesture signs. Experimental results obtained using an electronic glove measurement of hand postures are included.

• Journal of the korean society of oceanography
• /
• 제39권1호
• /
• pp.46-56
• /
• 2004

Spectral attenuation of light and upwelling radiance were measured in the western coast of Korea on board the R/V Inchon 888 of the Korean National Fisheries Research and Development Institute(NFRDI) during four seasons. The goal of these efforts was to determine the spatial and temporal distribution of the inherent and apparent optical properties of the water, and the factors that control their distribution. Our data indicate that while stratification of the water column, phytoplankton, and wind stress determined the vertical distribution of the optical parameters offshore, it was the tidal current and sediment type that controlled both the vertical and horizontal distribution in the coastal areas. These findings led to the development of a model that estimates the spectral attenuation of light with respect to depth and time for the Yellow Sea. The model integrates water leaving radiance from satellites, sediment types, current vectors, sigma-t, bathymetry, and in situ optical measurements in a learning algorithm capable of extracting optical properties with only knowledge of the environmental conditions of the Yellow Sea. The performance of the model decreases with increase in depth. The mean absolute percentage error (MAPE) of the model is 2% for the upper five meters, 8-10% between 6 and 50 meters, and 15% below 51 meters.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권5호
• /
• pp.310-315
• /
• 2017

Software-Defined Network의 등장은 하드웨어적인 네트워크 기능들을 소프트웨어적인 형태의 모듈로 Controller에 보다 유연하게 적용시키도록 함으로써 전통적인 네트워크의 구조를 변화시키고 있다. 이러한 환경 속에서 최근 네트워크 트래픽에 대한 Quality of Service 및 자원관리와 같은 다양한 관점에서의 네트워크 관리정책에 대한 연구개발이 진행되고 있고, 이러한 관리정책을 뒷받침 할 수 있는 네트워크 모니터링에 대한 기법들 또한 제시되어 왔다. 이에 본 논문에서는 기계 학습 기법인 Naive Bayesian Classification을 통하여 Flow를 분류한 후, 전송 지연 측정 모듈을 통하여 효율적인 전송경로를 선정하는 기법을 제안한다. 이는 다양한 대역폭을 갖는 여러 경로들로 이루어진 네트워크상에서 효율적인 경로 분배 역할을 할 수 있고, 부하를 분산시킴으로써 보다 원활한 네트워크 환경 및 서비스 품질을 제공할 수 있다.

• 실천공학교육논문지
• /
• 제11권2호
• /
• pp.167-174
• /
• 2019

비전공 학부생을 대상으로 Java 프로그래밍 교육을 실시하는 데 있어, 피지컬 컴퓨팅 교육 방법을 적용한 사례는 전무하다고 할 수 있다. 피지컬 컴퓨팅 교육의 장점은 디지털 및 아날로그 센서의 입력 값에 따른SW 처리 출력 결과를 직접 확인할 수 있어, 프로그래밍 오류를 빠르게 수정하고 학습자의 학습 관심과 만족도를 향상시킬 수 있다. 본 논문에서는 마이크로비트를 사용하여, 기초적인 Java 프로그래밍 교육에 피지컬 컴퓨팅 교육을 접목하였다. 그리고, 컴퓨팅적 사고과정에 따라, 마이크로비트를 사용하여 Java 프로그램을 창작해보는 교육 방법을 제안하였다. 마이크로비트를 제어하는 블록 프로그래밍을 통해, 알고리즘을 설계하고, 이에 따라, Java 프로그램으로 변환하는 교육 방법을 적용하였다. 그리고, 본 교육방법을 적용한 강좌에서 학생들의 평가 결과를 분석하여, 마이크로비트를 활용한 교육방법의 유효성을 분석하였다.

• KIEAE Journal
• /
• 제16권3호
• /
• pp.89-94
• /
• 2016

Purpose: This study aimed at developing an artificial neural network (ANN) model to predict the optimal start moment of the setback temperature during the normal occupied period of a building. Method: For achieving this objective, three major steps were conducted: the development of an initial ANN model, optimization of the initial model, and performance tests of the optimized model. The development and performance testing of the ANN model were conducted through numerical simulation methods using transient systems simulation (TRNSYS) and matrix laboratory (MATLAB) software. Result: The results analysis in the development and test processes revealed that the indoor temperature, outdoor temperature, and temperature difference from the setback temperature presented strong relationship with the optimal start moment of the setback temperature; thus, these variables were used as input neurons in the ANN model. The optimal values for the number of hidden layers, number of hidden neurons, learning rate, and moment were found to be 4, 9, 0.6, and 0.9, respectively, and these values were applied to the optimized ANN model. The optimized model proved its prediction accuracy with the very storing statistical correlation between the predicted values from the ANN model and the simulated values in the TRNSYS model. Thus, the optimized model showed its potential to be applied in the control algorithm.

• 로봇학회논문지
• /
• 제7권3호
• /
• pp.171-181
• /
• 2012

Outdoor mobile robots are faced with various terrain types having different characteristics. To run safely and carry out the mission, mobile robot should recognize terrain types, physical and geometric characteristics and so on. It is essential to control appropriate motion for each terrain characteristics. One way to determine the terrain types is to use non-contact sensor data such as vision and laser sensor. Another way is to use contact sensor data such as slope of body, vibration and current of motor that are reaction data from the ground to the tire. In this paper, we presented experimental results on terrain classification using contact sensor data. We made a mobile robot for collecting contact sensor data and collected data from four terrains we chose for experimental terrains. Through analysis of the collecting data, we suggested a new method of terrain feature extraction considering physical characteristics and confirmed that the proposed method can classify the four terrains that we chose for experimental terrains. We can also be confirmed that terrain feature extraction method using Fast Fourier Transform (FFT) typically used in previous studies and the proposed method have similar classification performance through back propagation learning algorithm. However, both methods differ in the amount of data including terrain feature information. So we defined an index determined by the amount of terrain feature information and classification error rate. And the index can evaluate classification efficiency. We compared the results of each method through the index. The comparison showed that our method is more efficient than the existing method.

• 전자공학회논문지
• /
• 제52권6호
• /
• pp.117-125
• /
• 2015

앉아있는 시간이 긴 현대인들에게 바른 자세를 유지하도록 하는 것은 중요하다. 자세 교정을 위한 치료는 많은 시간과 비용이 소요되며, 전문의의 지속적인 관찰이 필요하다. 그러므로 사용자 스스로 자신의 자세를 판단하고 교정하기 위한 시스템이 필요하다. 본 논문에서는 사용자의 자세 데이터를 취득하여 취득된 자세가 정상자세인지 비정상자세인지 판단한다. 사용자의 자세 데이터 취득을 위해 관성 센서를 이용한 4개 관절 기반 모션캡쳐 시스템을 제안한다. 이 시스템을 통해 대상자의 자세 데이터를 취득하고, 취득한 데이터를 기반으로 특징을 추출하여 DB를 구축한다. 구축한 DB를 K-means 클러스터링 알고리즘을 이용하여 자세 학습을 수행한 후, 정상자세와 비정상자세를 분류한다. 관절의 회전각도, 위치정보, 분석정보를 이용하여 자세분류를 수행한 결과, 정상자세 판단 성공률은 99.79%로 나타났다. 이 결과로 미루어 4개 관절에 대한 특징을 이용하여 사용자의 자세를 판단 가능하며, 향후 척추질환 예방 시스템에 적용하여 사용자의 자세를 교정하는 데 도움을 줄 수 있을 것으로 판단된다.

• 산업경영시스템학회지
• /
• 제41권2호
• /
• pp.56-64
• /
• 2018

In recent years, imbalanced data is one of the most important and frequent issue for quality control in industrial field. As an example, defect rate has been drastically reduced thanks to highly developed technology and quality management, so that only few defective data can be obtained from production process. Therefore, quality classification should be performed under the condition that one class (defective dataset) is even smaller than the other class (good dataset). However, traditional multi-class classification methods are not appropriate to deal with such an imbalanced dataset, since they classify data from the difference between one class and the others that can hardly be found in imbalanced datasets. Thus, one-class classification that thoroughly learns patterns of target class is more suitable for imbalanced dataset since it only focuses on data in a target class. So far, several one-class classification methods such as one-class support vector machine, neural network and decision tree there have been suggested. One-class support vector machine and neural network can guarantee good classification rate, and decision tree can provide a set of rules that can be clearly interpreted. However, the classifiers obtained from the former two methods consist of complex mathematical functions and cannot be easily understood by users. In case of decision tree, the criterion for rule generation is ambiguous. Therefore, as an alternative, a new one-class classifier using hyper-rectangles was proposed, which performs precise classification compared to other methods and generates rules clearly understood by users as well. In this paper, we suggest an approach for improving the limitations of those previous one-class classification algorithms. Specifically, the suggested approach produces more improved one-class classifier using hyper-rectangles generated by using Gaussian function. The performance of the suggested algorithm is verified by a numerical experiment, which uses several datasets in UCI machine learning repository.