• 한국컴퓨터정보학회논문지
• /
• 제19권10호
• /
• pp.221-230
• /
• 2014

이 연구에서는 학생들이 황새 복원과 관련된 주제의 프로젝트를 수행하는 과정에서 여러 학문의 지식을 활용하여 학습능력이 신장될 수 있는 방법을 제안하고자 한다. 개발 프로그램은 3 4학년군, 5 6학년군 각 4차시 총 8차시이며, 각 차시에서 황새와 관련된 초등학교 교과의 지식이나 개념을 기반으로 창의성, 문제해결능력, 의사소통능력 등의 학습능력이 신장될 수 있도록 설계하였다. 프로그램의 타당성 검증을 위해 총 12명으로 구성된 전문가 집단에 내용타당도 검증방법을 사용하였다. 타당성 평가 결과 분석을 위해서 Lawshe(1975)의 내용타당도 비율(Content Validity Ratio: CVR) 계산 공식을 활용하였다. 검증 결과는 전체 8차시의 타당성 조사 결과 3,4학년 4차시 프로그램을 제외하고는 개발 취지에 부합하는 것으로 분석되었다. 3 4학년 4차시 프로그램은 다학문적 연계 영역에 대한 문제점이 제기되었고, 이를 수정하였다. 향후 이 연구에서 제안한 프로그램을 초등학교 학생에게 적용하여 학습능력 향상 효과성 정도를 측정할 필요가 있겠다.

• Korean Journal of Radiology
• /
• 제23권12호
• /
• pp.1269-1280
• /
• 2022

Objective: This study aimed to evaluate the usefulness of quantitative indices obtained from deep learning analysis of gadoxetic acid-enhanced hepatobiliary phase (HBP) MRI and their longitudinal changes in predicting decompensation and death in patients with advanced chronic liver disease (ACLD). Materials and Methods: We included patients who underwent baseline and 1-year follow-up MRI from a prospective cohort that underwent gadoxetic acid-enhanced MRI for hepatocellular carcinoma surveillance between November 2011 and August 2012 at a tertiary medical center. Baseline liver condition was categorized as non-ACLD, compensated ACLD, and decompensated ACLD. The liver-to-spleen signal intensity ratio (LS-SIR) and liver-to-spleen volume ratio (LS-VR) were automatically measured on the HBP images using a deep learning algorithm, and their percentage changes at the 1-year follow-up (ΔLS-SIR and ΔLS-VR) were calculated. The associations of the MRI indices with hepatic decompensation and a composite endpoint of liver-related death or transplantation were evaluated using a competing risk analysis with multivariable Fine and Gray regression models, including baseline parameters alone and both baseline and follow-up parameters. Results: Our study included 280 patients (153 male; mean age ± standard deviation, 57 ± 7.95 years) with non-ACLD, compensated ACLD, and decompensated ACLD in 32, 186, and 62 patients, respectively. Patients were followed for 11-117 months (median, 104 months). In patients with compensated ACLD, baseline LS-SIR (sub-distribution hazard ratio [sHR], 0.81; p = 0.034) and LS-VR (sHR, 0.71; p = 0.01) were independently associated with hepatic decompensation. The ΔLS-VR (sHR, 0.54; p = 0.002) was predictive of hepatic decompensation after adjusting for baseline variables. ΔLS-VR was an independent predictor of liver-related death or transplantation in patients with compensated ACLD (sHR, 0.46; p = 0.026) and decompensated ACLD (sHR, 0.61; p = 0.023). Conclusion: MRI indices automatically derived from the deep learning analysis of gadoxetic acid-enhanced HBP MRI can be used as prognostic markers in patients with ACLD.

• 한국지능시스템학회논문지
• /
• 제14권6호
• /
• pp.789-792
• /
• 2004

웹 마이닝, 바이오정보학, 통계적 자료 분석 등 여러 분야에서 매우 다양한 형태의 결측치가 발생하여 학습 데이터를 희소하게 만든다. 결측치는 주로 전처리 과정에서 가장 기본적인 평균과 최빈수뿐만 아니라 조건부 평균, 나무 모형, 그리고 마코프체인 몬테칼로 기법과 같은 결측치 대체 기법들을 적용하여 추정된 값에 의해 대체된다. 그런데 주어진 데이터의 결측치 비율이 크게 되면 기존의 결측치 대체 방법들의 예측의 정확도는 낮아지는 특성을 보인다. 또한 데이터의 결측치 비율이 증가할수록 사용 가능한 결측치 대체 방법들의 수는 제한된다. 이러한 문제점을 해결하기 위하여 본 논문에서는 통계적 학습 이론 중에서 Vapnik의 Support Vector Regression을 데이터 전처리 과정에 알맞게 변형하여 적용하였다. 제안 방법을 이용하여 결측치 비율이 큰 희소 데이터의 전처리도 가능할 수 있도록 하였다 UCI machine learning repository로부터 얻어진 데이터를 이용하여 제안 방법의 성능을 확인하였다.

• 동의생리병리학회지
• /
• 제22권3호
• /
• pp.624-629
• /
• 2008

Effects of Kyungohkgo Ga Nokyong(Yongohkgo) on growth development and learning ability were investigated growth and intellectual impairment rat with insufficient nutrition diet. We divided male Sprague-Dawley rats into 4 groups. They were Normal group, Growth deficiency rat with insufficient nutrition diet group, Growth deficiency rat with 0.1% Yongohkgo group and 0.2% Yongohkgo group. They were administered for 5 weeks. We measured body weight, and morris water maze test in escape distance, escape time and escape speed, serum growth hormone, insulin-like growth factor and thyroid stimulating hormone, RBC, concentration of Hb and PCV ratio, total WBC and its composition, the values of GOT and GPT activities. The results are as follows that Yongohkgo 0.1%, 0.2% groups were showed significantly different than control groups in body weight and the counts of RBC. In the morris water maze test, in escape distance and escape time, in concentration of Hb and PCV ratio, 0.2% Yongohkgo group were significantly different than control groups. Serum growth hormone, insulin- like growth factor and thyroid stimulating hormone showed a tendency to increase in Yongohkgo groups. The counts of total WBC and its composition, GOT, GPT activities showed no significantly different in all treatment groups. These results suggested that Yongohkgo have an effect of promoting growth and learning ability of rats and might be effect to treat various kinds of growth and learning ability delay in children.

• 디지털융복합연구
• /
• 제15권4호
• /
• pp.451-459
• /
• 2017

언어학습 도구로서 스마트폰은 강의실 밖과 비교했을 때 수업시간에 활용되는 경우는 흔하지 않다. 따라서 본 연구의 목적은 영어 듣기의 수업 활동에서 스마트폰의 유용성을 파악하는 것이다. 71명의 학생들이 한 학기 동안 Practical English Listening and Reading 과목에서 개별적으로 스마트폰을 이용하여 듣기 활동을 하였다. 학기 말에 학생들은 스마트폰 활동에 관한 10문항의 설문에 응답하였다. 설문을 분석한 결과 스마트폰을 이용한 듣기 활동은 학생들의 영어 듣기에 대한 흥미를 유발하였으며 개인별 맞춤 학습으로서 듣기 능력을 향상시키는 효과를 가져왔다. 그런데 스마트폰이 지닌 다른 기능들이 학생들의 듣기 활동을 방해한다는 사실이 스마트폰 활용의 가장 큰 단점으로 나타났다. 이를 해결하기 위해 듣기 활동을 모두 스마트폰 활동으로 할 것이 아니라 강의실 컴퓨터를 사용한 전체 활동도 병행할 것을 제안한다. 학생들이 원하는 혼합율은 50대 50 이었다. 학생 집단의 수준에 따라 그 혼합율은 달라질 수 있을 것이다. 이러한 연구결과는 디지털 융합 영어학습을 활성화하는데 기여할 것이다.

• 한국인터넷방송통신학회논문지
• /
• 제11권1호
• /
• pp.23-28
• /
• 2011

본 논문은 무선 인지 센서 네트워크에서 2차 사용자를 위한 효율적 채널 선택 알고리즘을 제안한다. 제안된 알고리즘은 러닝 오토메타와 퍼지 로직을 기반하고 있으며, 러닝 오토메타는 무선 전송 채널을 2차 사용자가 학습하여 그 결과를 채널 선택 확률값로 나타내며, 퍼지 로직은 최종 채널 선택을 위하여 다양한 입력 변수를 고려할 수 있도록 한다. 즉, 퍼지 로직은 러닝 오토메타의 결과인 채널 선택 학률값, 기사용자와 2차사용자 사이의 채널 SNR, 송수신 2차 사용자들 사이의 SNR값을 고려하여 다중의 가용 채널로부터 최적으로 전송 채널을 선택할 수 있도록 한다. 시뮬레이션 결과를 통해, 제안된 알고리즘이 기존 알고리즘들 보다 높은 처리율(throughput)을 제공할 수 있음을 보였다.

• 정보처리학회논문지C
• /
• 제10C권6호
• /
• pp.705-710
• /
• 2003

최근 대부분의 정보 교류가 네트워크 환경 기반에서 이루어지고 있다. 때문에 외부의 침입으로부터 시스템을 보호해 주는 네트워크 침입 탐지 기술에 대한 연구가 매우 중요한 문제로 대두되고 있다. 하지만 시스템에 대한 침입 기술은 날로 새로워지고 더욱 정교화 되고 있어 이에 대한 대비가 절실한 실정이다. 현재 대부분의 침입 탐지 시스템은 이미 알려진 외부의 침입으로부터의 경험 데이터를 이용하여 침입 유형에 효과적으로 대처하지 못하게 된다. 따라서, 본 논문에서는 통계적 학습 이론과 우도비검정 통계량을 이용하여 새로운 침입 유형까지 탐지해 낼 수 있는 변형된 통계적 학습 모형을 제안하였다. 즉, 기존의 정상적인 네트워크 사용에서 벗어나는 형태들에 대한 모형화를 통하여 시스템에 대한 침입 탐지를 수행하였다. KDD Cup-99 Task 데이터를 이용하여 정상적인 네트워크 사용을 벗어나는 새로운 침입을 제안 모형이 효과적으로 탐지함을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1653-1661
• /
• 2022

본 연구에서는 천리안위성 2A호 1일 평균 표층수온영상을 대상으로 합성곱신경망(convolution neural network, CNN) 딥러닝 기법을 적용하여 냉수대 발생 여부를 분류하는 연구를 수행하였다. 이를 위하여, 2019년부터 2022년까지 1,155장의 영상을 사용하였으며, 국립수산과학원 제공 냉수대 발생 주의보 및 경보자료로부터 냉수대 발생 영상과 그 외 영상으로 분류하여 학습을 수행하였다. 학습 결과로 82.5%의 probability of detection (POD)와 54.4%의 false alarm ratio (FAR) 지수를 획득하였다. 오분류 분석을 통해 냉수대 분류에 실패한 경우의 대부분은 구름의 영향 때문이며, 비냉수대를 오분류한 경우의 대부분은 실제 영상에 냉수대가 존재함을 확인하였다.

• 한국지리정보학회지
• /
• 제24권3호
• /
• pp.1-9
• /
• 2021

본 연구에서는 드론으로 취득한 고해상도 정사영상 자료를 이용하여, 컨볼루션 신경망(Convolution Neural Network, CNN)을 이용한 딥러닝 기법을 통해 수종에 대한 자동분류 가능성을 분석해 보고자 하였다. 수종판독을 위한 분류항목을 소나무, 자작나무, 낙엽송, 잣나무 그리고 신갈나무 5개 수종으로 선정하였다. 고해상도 정사영상과 임상도를 이용하여 총 5,000개의 데이터셋을 구축하였다. 수종분류를 위한 학습모델로 CNN 기법을 적용하였고, 데이터셋을 5:3:2의 비율로 훈련데이터, 검증테이터, 테스트데이터를 구분하여 모델의 학습 및 평가에 사용하였다. 모델의 전체 정확도는 89%로 나타났으며, 수종별 정확도는 소나무 95%, 자작나무 89%, 낙엽송 80%, 잣나무 86%, 신갈나무 98%로 나타났다.

• 산업경영시스템학회지
• /
• 제45권4호
• /
• pp.86-98
• /
• 2022

Recently, many studies have been conducted to improve quality by applying machine learning models to semiconductor manufacturing process data. However, in the semiconductor manufacturing process, the ratio of good products is much higher than that of defective products, so the problem of data imbalance is serious in terms of machine learning. In addition, since the number of features of data used in machine learning is very large, it is very important to perform machine learning by extracting only important features from among them to increase accuracy and utilization. This study proposes an anomaly detection methodology that can learn excellently despite data imbalance and high-dimensional characteristics of semiconductor process data. The anomaly detection methodology applies the LIME algorithm after applying the SMOTE method and the RFECV method. The proposed methodology analyzes the classification result of the anomaly classification model, detects the cause of the anomaly, and derives a semiconductor process requiring action. The proposed methodology confirmed applicability and feasibility through application of cases.