• 한국전자통신학회논문지
• /
• 제9권7호
• /
• pp.791-797
• /
• 2014

빅데이터의 병렬분산처리 시스템을 위한 아파치 하둡 환경을 구축하기 위해서는 다수의 컴퓨터를 연결하여 노드를 구성하거나, 하나의 컴퓨터에 다수의 가상 노드 구성을 통해 클라우딩 환경을 구축하여야 한다. 그러나 이러한 시스템을 교육 환경에서 실습용으로 구축하는 것은 복잡한 시스템 구성과 비용적인 측면에서 많은 제약이 따른다. 따라서 빅데이터 처리 분야의 입문자들과 교육기관의 실습용으로 사용할 수 있는 실용적이고 저렴한 학습 시스템의 개발이 시급하다. 본 연구에서는 라즈베리파이 보드를 기반으로 하둡과 NoSQL과 같은 빅데이터 처리 및 분석 실습이 가능한 빅데이터 병렬분산처리 학습시스템을 설계 및 구현하였다. 구현된 빅데이터 병렬분산처리시스템은 교육현장과 빅데이터를 시작하는 입문자들에게 유용한 시스템이 될 것으로 기대된다.

• 정보교육학회논문지
• /
• 제12권1호
• /
• pp.1-8
• /
• 2008

본 연구는 초등학교에서 정보처리 능력 향상을 위한 교수 방법에 대한 연구이다. 현 시대의 학생들은 정보의 홍수 속에서 '정보를 활용하여 새로운 지식을 창출해 낼 수 있느냐?' 하는 정보 처리 능력이 중요하게 요구된다. 그러나 초등컴퓨터 교육 현장은 '정보 처리 능력'에 대한 교육이 미비한 실정이다. 본 연구는 Barrow의 문제해결학습 모형을 적용하여 정보처리 능력을 신장 시킬 수 있는 방안을 제안하고 적용하였다. 학생들은 컴퓨터를 이용하여 주어진 문제들을 해결하는 과정 속에서 자연스럽게 새로운 정보를 창출할 수 있고, 정보의 연관성을 표현할 수 있는 능력을 기르도록 하였다. 연구방법은 부산의 초등학교 5학년 23명을 대상으로 8개월간 적용하여, 적용 전후를 비교하는 실험연구를 중심으로 하였다. 연구 결과 '정보의 정선', '정보의 신뢰성 확보', '정보의 분류 분석 비교', '정보의 내면화' 등에서 주목할 만한 발전적인 변화가 있었다.

• International Journal of Computer Science & Network Security
• /
• 제22권4호
• /
• pp.111-118
• /
• 2022

This research article presents the work that is related to the application of different machine learning based similarity techniques on religious text for identifying similarities and differences among its various translations. The dataset includes 10 different English translations of verses (Arabic: Ayah) of two Surahs (chapters) namely, Al-Humazah and An-Nasr. The quantitative similarity values for different translations for the same verse were calculated by using the cosine similarity and semantic similarity. The corpus went through two series of experiments: before pre-processing and after pre-processing. In order to determine the performance of machine learning based similarities, human annotated similarities between translations of two Surahs (chapters) namely Al-Humazah and An-Nasr were recorded to construct the ground truth. The average difference between the human annotated similarity and the cosine similarity for Surah (chapter) Al-Humazah was found to be 1.38 per verse (ayah) per pair of translation. After pre-processing, the average difference increased to 2.24. Moreover, the average difference between human annotated similarity and semantic similarity for Surah (chapter) Al-Humazah was found to be 0.09 per verse (Ayah) per pair of translation. After pre-processing, it increased to 0.78. For the Surah (chapter) An-Nasr, before preprocessing, the average difference between human annotated similarity and cosine similarity was found to be 1.93 per verse (Ayah), per pair of translation. And. After pre-processing, the average difference further increased to 2.47. The average difference between the human annotated similarity and the semantic similarity for Surah An-Nasr before preprocessing was found to be 0.93 and after pre-processing, it was reduced to 0.87 per verse (ayah) per pair of translation. The results showed that as expected, the semantic similarity was proven to be better measurement indicator for calculation of the word meaning.

• 정보처리학회 논문지
• /
• 제13권4호
• /
• pp.174-180
• /
• 2024

본 논문에서는 wav2vec 2.0과 KcELECTRA 모델을 활용하여 멀티모달 학습을 통한 감정 분류 방법을 탐색한다. 음성 데이터와 텍스트 데이터를 함께 활용하는 멀티모달 학습이 음성만을 활용하는 방법에 비해 감정 분류 성능을 유의미하게 향상시킬 수 있음이 알려져 있다. 본 연구는 자연어 처리 분야에서 우수한 성능을 보인 BERT 및 BERT 파생 모델들을 비교 분석하여 텍스트 데이터의 효과적인 특징 추출을 위한 최적의 모델을 선정하여 텍스트 처리 모델로 활용한다. 그 결과 KcELECTRA 모델이 감정 분류 작업에서 뛰어난 성능이 보임을 확인하였다. 또한, AI-Hub에 공개되어 있는 데이터 세트를 활용한 실험을 통해 텍스트 데이터를 함께 활용하면 음성 데이터만 사용할 때보다 더 적은 양의 데이터로도 더 우수한 성능을 달성할 수 있음을 발견하였다. 실험을 통해 KcELECTRA 모델을 활용한 경우가 정확도 96.57%로 가장 우수한 성능을 보였다. 이는 멀티모달 학습이 감정 분류와 같은 복잡한 자연어 처리 작업에서 의미 있는 성능 개선을 제공할 수 있음을 보여준다.

• International Journal of Advanced Culture Technology
• /
• 제6권2호
• /
• pp.123-128
• /
• 2018

Learning data is composed of 100 characters with 10 different fonts, and test data is composed of 10 characters with a new font that is not used for the learning data. In order to consider the variety of learning data with several different fonts, 10 learning masks are constructed by accumulating pixel values of same characters with 10 different fonts. This process eliminates minute difference of characters with different fonts. After finding maximum values of learning masks, test data is expanded by multiplying these maximum values to the test data. The algorithm calculates sum of differences of two corresponding pixel values of the expanded test data and the learning masks. The learning mask with the smallest value among these 10 calculated sums is selected as the result of the recognition process for the test data. The proposed algorithm can recognize various types of fonts, and the learning data can be modified easily by adding a new font. Also, the recognition process is easy to understand, and the algorithm makes satisfactory results for character recognition.

• 한국멀티미디어학회논문지
• /
• 제13권12호
• /
• pp.1820-1831
• /
• 2010

When interacting with unknown environments, an autonomous agent needs to decide which action or action order can result in a good state and determine the transition probability based on the current state and the action taken. The traditional multiple sequential learning model requires predefined probability of the states' transition. This paper proposes a multiple sequential learning and prediction system with definition of autonomous states to enhance the automatic performance of existing AI algorithms. In sequence learning process, the sensed states are classified into several group by a set of proposed motivation filters to reduce the learning computation. In prediction process, the learning agent makes a decision based on the estimation of each state's cost to get a high payoff from the given environment. The proposed learning and prediction algorithms heightens the automatic planning of the autonomous agent for interacting with the dynamic unknown environment. This model was tested in a virtual library.

• Educational Technology International
• /
• 제22권2호
• /
• pp.227-253
• /
• 2021

Perceived game realism (PGR) has recently emerged as a key concept in explaining the mental processing of digital game playing and the societal impact of digital games. However, few studies have examined its conceptualization and educational effects from an empirical viewpoint, especially in educational games. This study's participants included 292 university students in South Korea. A total of 212 questionnaires were valid and used for the analyses. They learned English expressions using a computer-based educational game and then completed questionnaires on the research variables. We investigated six factors of PGR: simulational realism (SIR), freedom of choice (FRC), perceptual pervasiveness (PEP), social realism (SOR), authenticity (AUT), and character involvement (CAI). We expected the factors to have valid effects on the university students' flow and learning satisfaction after a game-based learning (GBL) experience. Our research results demonstrated a causal relationship between SIR, FRC, CAI, and learning satisfaction. Furthermore, the indirect effects of SIR and CAI on learning satisfaction through flow were statistically significant.

• International Journal of Internet, Broadcasting and Communication
• /
• 제14권2호
• /
• pp.192-198
• /
• 2022

Companies are building and utilizing their own data analysis systems according to business characteristics in the distributed cloud. However, as businesses and data types become more complex and diverse, the demand for more efficient analytics has increased. In response to these demands, in this paper, we propose an unsupervised learning-based data analysis agent to which reinforcement learning is applied for effective data analysis. The proposal agent consists of reinforcement learning processing manager and unsupervised learning manager modules. These two modules configure an agent with k-means clustering on multiple nodes and then perform distributed training on multiple data sets. This enables data analysis in a relatively short time compared to conventional systems that perform analysis of large-scale data in one batch.

• 전기전자학회논문지
• /
• 제21권2호
• /
• pp.136-141
• /
• 2017

본 논문에서는 딥러닝을 PC에 적용하기 위한 메모리 최적화에 관한 알고리즘을 제안한다. 제안된 알고리즘은 일반 PC에서 기존의 딥러닝 구조에서 요구되는 연산처리 과정과 데이터 량을 감소시켜 메모리 및 연산처리 시간을 최소화한다. 본 논문에서 제안하는 알고리즘은 분별력이 있는 랜덤 필터를 이용한 컨볼루션 층 구성 과정, PCA를 이용한 데이터 축소 과정, SVM을 사용한 CNN 구조 생성 등의 3과정으로 이루어진다. 분별력이 있는 랜덤 필터를 이용한 컨볼루션 층 구성 과정에서는 학습과정이 필요치 않아서 전체적인 딥러닝의 학습시간을 단축시킨다. PCA를 이용한 데이터 축소 과정에서는 메모리량과 연산처리량을 감소시킨다. SVM을 사용한 CNN 구조 생성에서는 필요로 하는 메모리량과 연산 처리량의 감소 효과를 극대화 시킨다. 제안된 알고리즘의 성능을 평가하기 위하여 예일 대학교의 Extended Yale B 얼굴 데이터베이스를 사용하여 실험한 결과, 본 논문에서 제안하는 알고리즘이 기존의 CNN 알고리즘과 비교하여 비슷한 성능의 인식률을 보이면서 연산 소요시간과 메모리 점유율에 있어 우수함이 확인되었다. 본 논문에서 제안한 알고리즘을 바탕으로 하여 일반 PC에서도 많은 데이터와 연산처리를 가진 딥러닝 알고리즘을 구현할 수 있으리라 기대된다.

• 한국콘텐츠학회논문지
• /
• 제12권2호
• /
• pp.483-496
• /
• 2012

학습자의 정보처리유형에 따른 e-Book 인터페이스의 설계 및 개발은 학습자 중심의 적성처지교수를 위해 중요한 이슈가 된다. 이에 본 연구에서는 하이퍼텍스트 정보구조가 제공된 e-Book 학습환경에서 학습자의 정보처리유형이 학습내용 이해 및 사용 편의성에 있어 어떠한 차이를 보이는지를 검증해 봄으로써 보다 처방적인 e-Book 인터페이스의 설계전략에 대한 시사점을 제공하고자 하였다. 본 연구를 위해 대학생 68명이 참여하였으며, 하이퍼텍스트 정보구조가 제공된 e-Book 콘텐츠를 통해 학습한 후 정보처리유형(시각 정보처리, 언어 정보처리)에 따른 학업성취도 (텍스트 구조 파악 및 학습내용이해)와 사용 편의성에 대한 효과성을 검증하였다. 연구결과, 학업성취도에 있어서는 정보처리 유형에 따라 텍스트 구조 파악에는 유의미한 차이가 나타났으나, 학습내용 이해에는 유의미한 차이가 나타나지 않았다. 사용 편의성에 있어서는 학습자의 정보처리유형에 따라 유의미한 차이가 나타났으며, 구체적으로는 텍스트 구조 파악의 용이성, 텍스트 분량 파악의 용이성, 네비게이션의 용이성, 그리고 내용기억의 편의성 등에 있어 유의미한 차이가 나타났다. 또한 학업성취도에 영향을 미친 사용 편의성의 주요요인은 학습위치 파악의 용이성이었으며, 정보처리유형의 집단간 분류의 정확도는 79.4%로 비교적 높은 것으로 나타났다. 이러한 결과를 바탕으로 e-Book 콘텐츠 설계 및 개발에 대한 전략적 시사점에 논의 되었다.