• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 2부
• /
• pp.507-512
• /
• 2008

본 연구는 경도인지장애(MCI)환자의 가상환경(VE)내 길찾기 학습능력을 측정하였으며, 전통 신경심리검사를 이용하여 길찾기 능력을 구성하는 인지기능에 대해 조사하였다. 피험자는 정상노인집단(N=27)과 MCI 환자집단(N=22)으로 구성되었다. 피험자는 간이정신집단검사, 시각 기억력을 측정하는 Rey Complex Figure Test(RCFT), 시각적 보존력을 측정하는 Benton Visual Retention(BVRT), 주의력을 측정하는 Trail-Making Test(TMT; A형과 B형), 성인용 웩슬러 지능검사의 하위검사인 숫자외우기(바로/거꾸로), 및 집행기능 및 기억력을 측정하는 2차원공간에서의 미로학습검사 Groton Maze Learning Test(GMLT)(12회기)를 마친 후, 가상현실(VE) 내 길찾기과제(6회기)를 수행하였다. 그 결과, VE 길찾기 과제에 대하여 유의미한 집단효과가 나타났다. 즉, MCI집단의 길찾기 수행이 정상노인집단의 길찾기 수행보다 떨어지는 결과가 발견되었다. 집단과 회기간 상호작용 및 유의미한 회기효과는 나타나지 않았다. GMLT에서는 유의미한 상호작용, 집단효과, 및 회기효과가 나타나지 않았다. 신경심리검사에서는 RCFT와 BVRT에서 유의미한 집단간 차이가 발견되었다. 또한, VE과제는 RCFT, BVRT, 그리고 GMLT와 상관이 있었으며, 이를 기반으로한 회기분석 실시 결과 RCFT와 BVRT는 가상환경 내 길찾기 행동에 대한 45%의 설명력을 지니고 있었다. 결론적으로, 본 연구결과는 MCI환자의 길찾기 능력이 정상인에 비하여 떨어지며, MCI환자의 시공간기억기능 결함으로 이와 같은 길찾기 능력저하를 설명할 수 있음을 함의한다.

• 실천공학교육논문지
• /
• 제12권1호
• /
• pp.41-47
• /
• 2020

이 연구는 뇌기반 교육의 효과를 체계적으로 정리하기 위해 실시되었다. 자료 분석을 위해 뇌기반 교육의 효과를 보고한 국내 선행연구 27편을 선정하여 메타분석을 수행하였다. 연구 결과는 다음과 같다. 첫째, 뇌기반 교육의 전체 효과크기는 .67로 나타났다. 둘째, 종속변인 유형에 따른 효과크기 측정 결과 학업성취도, 인지적 영역, 정의적 영역의 순서로 나타났다. 셋째, 인지적 영역에 따른 효과크기 측정 결과 자기조절능력, 창의성, 핵심역량, 의사소통능력, 탐구 능력의 순서로 나타났다. 넷째, 정의적 영역에 따른 효과크기 측정 결과 사회성, 학습 흥미, 교과 태도의 순서로 나타났다. 다섯째, 사고력 개발 관련 뇌기반 교육 방법에 따른 효과크기 측정 결과 두 개 영역이상 통합한 경우, 뇌 단련, 풍요로운 환경 제공, 우뇌 계발 학습법의 순서로 나타났다. 여섯째, 학습활동 관련 뇌기반 교육 방법에 따른 효과크기 측정 결과 기억 공고화 전략, 주의 촉진 전략의 순서로 나타났다.

• 성인간호학회지
• /
• 제12권1호
• /
• pp.17-29
• /
• 2000

The purpose of this study is to find out the effects of depression on older adults' metamemory and memory performances. The subjects of the study consisted of 103 older adults over the age of 60 who are living in Kangwon Province. Some data were collected by means of the interview method, using questionnaires for metamemory (MIA questionnaire by Hultsch, et al., 1988), and depression(GDS by Yesavage and Sheikl, 1986). Other data were collected by a testing method on the memory performance, such as the immediate word recall task, the delayed word recall task, the word recognition task(Elderly Verbal Learning Test by Kyung Mi Choi, 1998), and the face recognition task(Face Recognition Task tool developed by this study). The results of this study were as follows: 1) The average point of depressed older persons' metamemory is 3.2 on a 5 point scale and was significantly lower than nondepressed older persons' point of 3.6. Looking into each sub-concept of metamemory, depressed persons' points are higher in terms of task(4.1), but are lower in terms of change(2.3), locus(2.6), and strategy(2.9) in comparison with nondepressed persons' points. 2) Depressed older persons' memory performances are all significantly lower than nondepressed person's, especially in terms of face recognition task(t=7.26, p<.0082) and word recognition task(t=6.58, p<.01). 3) In both depressed and nondepressed persons, metamemory has a close correlation with all memory tasks. In particular, depressed older persons' correlation is higher across the board, especially in memory self-efficacy of metamemory(r=.36 - .49) in comparison with nondepressed persons. 4) According to the results of analysis on the relations between metamemory and memory performances of each memory task using canonical analysis, in the case of depressed older persons, strategy, locus, capability and task have high correlation with word recognition task and delayed word recall task. Also in the case of nondepressed persons, achievement, strategy, change and locus variable have high correlation with face recognition task and immediate word recall task. As mentioned above, depression variables have a negative effect on older persons' metamemory and memory performance. In conclusion, when we care for depressed older persons with less memory ability, we have to consider the outcomes of this study are relevant. In addition, it is necessary to develop nursing intervention in order to prevent memory loss and improve memory performance in depressed older persons.

• 산업경영시스템학회지
• /
• 제47권2호
• /
• pp.155-167
• /
• 2024

Distribution and logistics industries contribute some of the biggest GDP(gross domestic product) in South Korea and the number of related companies are quarter of the total number of industries in the country. The number of retail tech companies are quickly increased due to the acceleration of the online and untact shopping trend. Furthermore, major distribution and logistics companies try to achieve integrated data management with the fulfillment process. In contrast, small and medium distribution companies still lack of the capacity and ability to develop digital innovation and smartization. Therefore, in this paper, a deep learning-based demand forecasting & recommendation model is proposed to improve business competitiveness. The proposed model is developed based on real sales transaction data to predict future demand for each product. The proposed model consists of six deep learning models, which are MLP(multi-layers perception), CNN(convolution neural network), RNN(recurrent neural network), LSTM(long short term memory), Conv1D-BiLSTM(convolution-long short term memory) for demand forecasting and collaborative filtering for the recommendation. Each model provides the best prediction result for each product and recommendation model can recommend best sales product among companies own sales list as well as competitor's item list. The proposed demand forecasting model is expected to improve the competitiveness of the small and medium-sized distribution and logistics industry.

• Proceedings of the National Institute of Ecology of the Republic of Korea
• /
• 제2권1호
• /
• pp.1-14
• /
• 2021

The study has been carried out with an objective to prepare Siberian roe deer habitat potential maps in South Korea based on three geographic information system-based models including frequency ratio (FR) as a bivariate statistical approach as well as convolutional neural network (CNN) and long short-term memory (LSTM) as machine learning algorithms. According to field observations, 741 locations were reported as roe deer's habitat preferences. The dataset were divided with a proportion of 70:30 for constructing models and validation purposes. Through FR model, a total of 10 influential factors were opted for the modelling process, namely altitude, valley depth, slope height, topographic position index (TPI), topographic wetness index (TWI), normalized difference water index, drainage density, road density, radar intensity, and morphological feature. The results of variable importance analysis determined that TPI, TWI, altitude and valley depth have higher impact on predicting. Furthermore, the area under the receiver operating characteristic (ROC) curve was applied to assess the prediction accuracies of three models. The results showed that all the models almost have similar performances, but LSTM model had relatively higher prediction ability in comparison to FR and CNN models with the accuracy of 76% and 73% during the training and validation process. The obtained map of LSTM model was categorized into five classes of potentiality including very low, low, moderate, high and very high with proportions of 19.70%, 19.81%, 19.31%, 19.86%, and 21.31%, respectively. The resultant potential maps may be valuable to monitor and preserve the Siberian roe deer habitats.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1328-1336
• /
• 2019

안전하고 최적의 배터리 성능을 유지하기 위해 정확한 충전상태(SOC) 추정 기술이 필수적이다. 본 논문에서는 기존의 전류적산 방법이 가지고 있는 문제를 해결하기 위해 시간 종속성을 가지는 인공지능 기반의 LSTM을 이용한 SOC 추정 방법을 적용하였다. 훈련과 검증에 필요한 데이터는 전기적 실험을 통해 일정 크기로 방전된 전류, 전압, 온도를 수집하였고 학습을 위한 입력데이터의 질을 향상시키기 위해 데이터 전처리를 수행하였다. 또한, LSTM 모델의 구조 및 하이퍼파라미터 설정에 따른 학습 능력과 SOC 추정 성능을 비교하였다. 학습한 모델은 UDDS 프로파일을 통해 검증하였으며, RMSE 0.82%, MAX 2.54%의 추정 정확도를 달성하였다.

• 경영과정보연구
• /
• 제37권4호
• /
• pp.237-256
• /
• 2018

본 연구는 혁신활동의 선행변수로서의 조직학습 개념에 초점을 맞추어, 조직학습과 혁신활동, 경영성과 간의 관계를 살펴보았다. 선행연구에 따르면 혁신이 성공하기 위해서는 조직 내에서 지식을 획득하고 공유하는 활동이 필수적인데 이러한 활동을 수행하는 역량은 조직학습을 통해 향상시킬 수 있다. 즉 조직학습이 혁신의 선행변수로서 역할을 하고 있음을 보여주고 있다. 따라서 본 연구에서는 조직학습이 제품 및 혁신활동을 매개로 경영성과에 미치는 효과를 검증하고자 한다. 조직학습은 학자마다 다양한 정의와 구성요소를 제시하나 본 연구는 Levitt와 March(1988), Huber(1991)의 학습능력 구조 분석의 틀을 사용하여 지식의 획득과 정보분배, 정보해석과 조직기억으로 구성되는 일련의 과정으로 측정하였다. 또한 혁신은 제품혁신과 공정혁신으로 구분하였고 신제품 제시, 생산성을 높이기 위한 개선활동 등의 하위변수로 측정하였다. 경영성과는 재무적, 비재무적 성과로 측정하였다. 매개효과를 검증하기 위해 Baron과 Kenny(1986)의 3단계 회귀분석 및 붓스트래핑을 실시하였다. 실증연구 결과, 조직학습은 경영성과에 긍정적인 영향을 미치고 있으며 하위변수 중 학습활동의 초기단계인 지식획득과 정보분배가 제품혁신을 매개로 성과에 영향을 미치는 것으로 나타났다. 이상의 실증연구결과를 토대로 시사점과 연구의 한계점 및 향후 연구방향을 제시하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권7호
• /
• pp.301-307
• /
• 2022

Energy consumption has grown alongside dramatic population increases. Statistics show that buildings in particular utilize a significant amount of energy, worldwide. Because of this, building energy prediction is crucial to best optimize utilities' energy plans and also create a predictive model for consumers. To improve energy prediction performance, this paper proposes a ResNet-LSTM model that combines residual networks (ResNets) and long short-term memory (LSTM) for energy consumption prediction. ResNets are utilized to extract complex and rich features, while LSTM has the ability to learn temporal correlation; the dense layer is used as a regression to forecast energy consumption. To make our model more robust, we employed Huber loss during the optimization process. Huber loss obtains high efficiency by handling minor errors quadratically. It also takes the absolute error for large errors to increase robustness. This makes our model less sensitive to outlier data. Our proposed system was trained on historical data to forecast energy consumption for different time series. To evaluate our proposed model, we compared our model's performance with several popular machine learning and deep learning methods such as linear regression, neural networks, decision tree, and convolutional neural networks, etc. The results show that our proposed model predicted energy consumption most accurately.

• 정보처리학회논문지B
• /
• 제10B권7호
• /
• pp.795-802
• /
• 2003

로봇이나 가상 캐릭터와 같은 지능형 에이전트가 자율적으로 살아가기 위해서는 주어진 환경을 인식하고, 그에 맞는 최적의 행동을 선택하는 능력을 가지고 있어야 한다. 본 논문은 이러한 지능형 에이전트를 구현하기 위하여, 외부 환경에 적응하면서 최적의 행동을 배우고 선택하는 방법을 연구하였다. 본 논문에서 제안한 방식은 강화 학습을 이용한 행동기반 학습 방법과 기호 학습을 이용한 인지 학습 방법을 통합한 방식으로 다음과 같은 특징을 가진다. 첫째, 강화 학습을 이용하여 환경에 대한 적응성을 학습함으로 지능형 에이전트가 변화하는 환경에 대한 유연성을 가지도록 하였다. 둘째, 귀납적 기계학습과 연관 규칙을 이용하여 규칙을 추출하여 에이전트의 목적에 맞는 환경 요인을 학습함으로 주어진 환경에서 보다 빠르게, 확장된 환경에서 보다 효율적으로 행동을 선택을 하도록 하였다. 셋째, 본 논문은 지능형 에이전트를 구현하는데 있어서 처음부터 모든 상태를 고려하기 보다 상태 탐지기를 이용하여 새로운 상태가 입력될 때마다 상태를 확장시키는 방식을 이용하였다. 이러한 방식은 필요한 상태에 대하여서만 고려함으로 메모리를 획기적으로 축소 할 수 있으며, 새로운 상태를 동적으로 처리 할 수 있어, 환경에 대한 변화에 능동적으로 대처 할 수 있다.

• International Journal of Computer Science & Network Security
• /
• 제24권5호
• /
• pp.53-63
• /
• 2024

Alzheimer's disease is a brain disorder that worsens over time and affects millions of people around the world. It leads to a gradual deterioration in memory, thinking ability, and behavioral and social skills until the person loses his ability to adapt to society. Technological progress in medical imaging and the use of artificial intelligence, has provided the possibility of detecting Alzheimer's disease through medical images such as magnetic resonance imaging (MRI). However, Deep learning algorithms, especially convolutional neural networks (CNNs), have shown great success in analyzing medical images for disease diagnosis and classification. Where CNNs can recognize patterns and objects from images, which makes them ideally suited for this study. In this paper, we proposed to compare the performances of Alzheimer's disease detection by using two deep learning methods: You Only Look Once (YOLO), a CNN-enabled object recognition algorithm, and Visual Geometry Group (VGG16) which is a type of deep convolutional neural network primarily used for image classification. We will compare our results using these modern models Instead of using CNN only like the previous research. In addition, the results showed different levels of accuracy for the various versions of YOLO and the VGG16 model. YOLO v5 reached 56.4% accuracy at 50 epochs and 61.5% accuracy at 100 epochs. YOLO v8, which is for classification, reached 84% accuracy overall at 100 epochs. YOLO v9, which is for object detection overall accuracy of 84.6%. The VGG16 model reached 99% accuracy for training after 25 epochs but only 78% accuracy for testing. Hence, the best model overall is YOLO v9, with the highest overall accuracy of 86.1%.