• 경영과정보연구
• /
• 제31권4호
• /
• pp.611-638
• /
• 2012

본 연구는 대학생의 혁신행동과 학업만족에 대한 중요성과 이에 대한 선행요인으로 셀프리더십 및 창의적인성에 대한 연구부족을 인식하면서, 셀프리더십, 창의적 인성, 혁신행동 및 학업만족간의 구조적 관계를 실증 분석하였다. 연구목적을 달성하기 위해 본 연구는 서울, 충북, 영남지역의 대학에서 경영학 강좌를 수강하는 1~4학년 학생 176명의 응답을 표본으로 구조방정식을 이용하여 검증하였다. 연구결과, 셀프 리더십은 창의적 인성, 혁신행동과 학업만족에 정(+)의 영향을 미치는 것으로 나타났다. 또한 창의적 인성은 혁신행동에 정(+)의 영향을 미치는 것으로 나타났으나 학업만족은 혁신행동에 영향을 주지 않는 것으로 나타났다. 이에 따라 창의적 인성은 셀프 리더십과 혁신행동 간의 관계에서 부분매개 역할을 하는 것으로 나타났다. 본 연구는 대학생들의 개인특성 중 셀프 리더십과 창의적 인성이 혁신행동과 학업만족에 영향을 주는 모형을 처음으로 제시하였다. 본 연구는 실무적으로 대학생의 혁신행동과 학업만족의 수준을 제고하기 위해 개인의 특성을 이해하고 배려하는 자율적이고 창의적인 대학조직 환경조성 등이 필요함을 시사한다. 이러한 연구결과를 바탕으로 시사점과 연구의 한계점 및 향후 연구방향이 논의되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권1호
• /
• pp.45-50
• /
• 2017

다문화 가정의 정보 격차의 주요 원인인 언어장벽은 다문화 가정 자녀의 낮은 교육수준과 높은 연관성을 가지며, 경제불균형을 높임으로써 추가적인 사회문제화가 될 것으로 예상된다. 다문화가정 학부모는 디지털 기기에 대한 접근성과 자료 활용 능력이 일반국민에 비해 현저하게 떨어지는 정보격차로 인해 기존의 교육 콘텐츠의 효과적 활용은 제약점을 갖고 있다. 이러한 제약점을 해결하기 위해서는 학습자의 이해수준에 적합한 콘텐츠를 제공하는 맞춤형 학습콘텐츠 지원체제의 구축은 필수적이다. 이 논문에서는 다문화가정 학부모의 정보격차 해소를 위한 한한변환 기반 학습콘텐츠 시스템을 설계하고 이를 위한 사용자 맞춤형 학습콘텐츠 지원을 위한 한한변환 시스템의 프로토타입을 결과로 제시한다.

• 한국정보통신학회논문지
• /
• 제6권1호
• /
• pp.14-24
• /
• 2002

본 논문에서는 학습과 정정 기능을 갖는 PWM 뉴럴네트워크를 설계하였다. 설계된 PWM 뉴럴시스템에서, 네트워크의 입력과 출력 신호들은 PWM 신호에 의해서 표현되어진다. 뉴럴네트워크에서 곱셈은 가장 많이 사용하는 동작이다. 승산과 합산의 기능은 PWM 기술과 간단한 혼합모드 회로기술에 의해서 실현된다. 그러므로 설계된 뉴럴네트워크는 단지 소규모의 칩상에서 구현될 수가 있다. 하나의 뉴런과 세개의 시냅스, 연관된 학습회로로 설계된 네트워크회로는 양호한 선형성과 넓은 범위의 동작범위를 가지고 있다. PWM을 이용한 신경망회로의 학습능력을 검증하기 위해, 델타 학습 규칙을 적용하였다. AND 기능과 OR 기능 학습 예측 HSPICE 시뮬레이션을 통해서 설계한 신경망회로의 기능이 성공적임을 증명하였다.

• 산업경영시스템학회지
• /
• 제44권3호
• /
• pp.98-105
• /
• 2021

The sensory stimulation of a cosmetic product has been deemed to be an ancillary aspect until a decade ago. That point of view has drastically changed on different levels in just a decade. Nowadays cosmetic formulators should unavoidably meet the needs of consumers who want sensory satisfaction, although they do not have much time for new product development. The selection of new products from candidate products largely depend on the panel of human sensory experts. As new product development cycle time decreases, the formulators wanted to find systematic tools that are required to filter candidate products into a short list. Traditional statistical analysis on most physical property tests for the products including tribology tests and rheology tests, do not give any sound foundation for filtering candidate products. In this paper, we suggest a deep learning-based analysis method to identify hand cream products by raw electric signals from tribological sliding test. We compare the result of the deep learning-based method using raw data as input with the results of several machine learning-based analysis methods using manually extracted features as input. Among them, ResNet that is a deep learning model proved to be the best method to identify hand cream used in the test. According to our search in the scientific reported papers, this is the first attempt for predicting test cosmetic product with only raw time-series friction data without any manual feature extraction. Automatic product identification capability without manually extracted features can be used to narrow down the list of the newly developed candidate products.

• Neurospine
• /
• 제15권4호
• /
• pp.329-337
• /
• 2018

Objective: Machine learning algorithms excel at leveraging big data to identify complex patterns that can be used to aid in clinical decision-making. The objective of this study is to demonstrate the performance of machine learning models in predicting postoperative complications following anterior cervical discectomy and fusion (ACDF). Methods: Artificial neural network (ANN), logistic regression (LR), support vector machine (SVM), and random forest decision tree (RF) models were trained on a multicenter data set of patients undergoing ACDF to predict surgical complications based on readily available patient data. Following training, these models were compared to the predictive capability of American Society of Anesthesiologists (ASA) physical status classification. Results: A total of 20,879 patients were identified as having undergone ACDF. Following exclusion criteria, patients were divided into 14,615 patients for training and 6,264 for testing data sets. ANN and LR consistently outperformed ASA physical status classification in predicting every complication (p < 0.05). The ANN outperformed LR in predicting venous thromboembolism, wound complication, and mortality (p < 0.05). The SVM and RF models were no better than random chance at predicting any of the postoperative complications (p < 0.05). Conclusion: ANN and LR algorithms outperform ASA physical status classification for predicting individual postoperative complications. Additionally, neural networks have greater sensitivity than LR when predicting mortality and wound complications. With the growing size of medical data, the training of machine learning on these large datasets promises to improve risk prognostication, with the ability of continuously learning making them excellent tools in complex clinical scenarios.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.77-91
• /
• 2022

Various monitoring systems have been implemented in civil infrastructure to ensure structural safety and integrity. In long-term monitoring, these systems generate a large amount of data, where anomalies are not unusual and can pose unique challenges for structural health monitoring applications, such as system identification and damage detection. Therefore, developing efficient techniques is quite essential to recognize the anomalies in monitoring data. In this study, several machine learning techniques are explored and implemented to detect and classify various types of data anomalies. A field dataset, which consists of one month long acceleration data obtained from a long-span cable-stayed bridge in China, is employed to examine the machine learning techniques for automated data anomaly detection. These techniques include the statistic-based pattern recognition network, spectrogram-based convolutional neural network, image-based time history convolutional neural network, image-based time-frequency hybrid convolution neural network (GoogLeNet), and proposed ensemble neural network model. The ensemble model deliberately combines different machine learning models to enhance anomaly classification performance. The results show that all these techniques can successfully detect and classify six types of data anomalies (i.e., missing, minor, outlier, square, trend, drift). Moreover, both image-based time history convolutional neural network and GoogLeNet are further investigated for the capability of autonomous online anomaly classification and found to effectively classify anomalies with decent performance. As seen in comparison with accuracy, the proposed ensemble neural network model outperforms the other three machine learning techniques. This study also evaluates the proposed ensemble neural network model to a blind test dataset. As found in the results, this ensemble model is effective for data anomaly detection and applicable for the signal characteristics changing over time.

• 대한공업교육학회지
• /
• 제30권2호
• /
• pp.23-32
• /
• 2005

The purpose of this study is to investigate and analyze the actual state of teaching and learning methods which are applied to the vocation inquiry section-related subjects of the College Scholastic Ability Test(CSAT) by the teachers who teach specialized subjects of vocational high schools. In order for us to get the background and feature of establishment in the area of vocation inquiry section of the CSAT, previous studies and literature was analyzed and sample survey on the 600 teachers who teach the vocation inquiry section-related subjects was made. The result of this survey is as shown below; First, the teachers who are in charge of vocation inquiry section-related subjects understand that theory and practice is in the ratio 60.76:39.24 and ratio of theory is higher than that of practice. Second, teaching and learning method which is the most relevant to the vocation inquiry section is in the order of lecture(83.9%), experiment & practice(50.4%), computerized learning(41.1%). Third, teaching and learning method which is the most used by the teachers who are in charge of vocation inquiry section-related subjects is in the order of lecture(85.8%), computerized learning(50.1%), experiment and practice(44.4%). Forth, the most desirable teaching and learning method which the teachers who are in charge of vocation inquiry section for this subject believe is in the order of lecture(62.7%) experience & practice(47.7%), computerized learning(44.4%). In light of this result, even though there were not so much difference among the teaching-learning methods which are the most consistent with the contents of the subject in relation to the vocation inquiry section, the most used teaching-learning method by the teachers who teach vocation inquiry section-related subjects and the most desirable teaching-learning method which the teachers who are in charge of vocation inquiry section believe, the most used teaching-learning method by the teachers who are in charge of the vocation inquiry section is lecture. Therefore, it is necessary for us to reinforce the contents in relation to the practice & experiment so that the experience and application can be accumulated and improved through practice which is the specialty of the course of the study in the vocational high school and various teaching and learning method should be developed in consideration of contents of the subject, capability & quality of the learners and status of a classroom.

• 한국정보전자통신기술학회논문지
• /
• 제14권3호
• /
• pp.201-207
• /
• 2021

머신러닝의 한 종류인 딥러닝은 각 학습 과정을 진행할 때, 가중치를 변경하면서 학습을 수행한다. 딥러닝을 수행할때 대표적으로 사용되는 Tensor Flow나 Keras의 경우 학습이 종료된 결과를 그래프 형태로 제공한다. 이에 과다학습으로 인한 퇴화 현상 또는 가중치의 잘못된 설정으로 인해 학습 결과에 오류가 발생하는 경우, 해당 학습 결과를 폐기해야한다. 이에 기존 기술은 학습 결과를 롤백하는 기능을 제공하고 있지만, 롤백 기능은 최대 5회 이내의 결과로 제한된다. 또한, 딥러닝의 모든 과정을 기록하고 있는 것이 아니기 때문에 값을 추적하기 어렵다. 이를 해결하기 위해 MLOps의 개념을 적용한 기술이 존재하지만. 해당 기술에서는 이전 시점으로 롤백하는 기능을 제공하지 않는다. 본 논문에서는 기존 기술의 문제점을 해결하기 위해 학습 과정의 중간 값을 블록체인으로 관리하여 학습 중간 과정을 기록하고, 오류가 발생할 경우 롤백할 수 있는 시스템을 구성한다. 블록체인의 기능 수행을 위해서 딥러닝 과정 및 학습 결과 롤백은 Smart Contract를 작성하여 동작하도록 설계하였다. 성능평가는 기존의 딥러닝 방식의 롤백 기능을 평가하였을 때, 제안방식은 100%의 복구율을 가지는 것에 비교하여 기존 기법에서는 6회 이후에 복구율이 감소되어 50회일 때 10%까지 감소하는 것을 확인하였다. 또한, 이더리움 블록체인의 Smart Contract를 사용할 때, 블록 1회 생성 시 157만원의 금액이 지속적으로 소모되는 것을 확인하였다.

• 컴퓨터교육학회논문지
• /
• 제5권2호
• /
• pp.111-121
• /
• 2002

본 논문에서는 Mathview로 작성된 웹기반 학습 자료가 실업계 고등학생들의 학습에 어떤 영향을 끼치는지에 대한 내용을 담고 있다. 이 자료 개발은 수학의 구조적 특성 때문에 교과서 내용에 비중을 두고 제작되었으며 그 과정에서 실업계 고등학생들의 특성을 고려하였다. 본 연구에 참여한 학생의 수는 6명이며 그 여학생들은 모두 12시간에 걸쳐 면담, 서술식 설문지에 응답하였고 또한 관찰 기록의 대상으로 활동하였다. Mathview라는 소프트웨어가 지난 그래픽 제시 기능과 대수적 조작 기능에 따른 원래의 연구 기대치와 달리 학생들은 전통적인 학습 방법을 선호하였음이 드러났다. 이 연구 결과는 Mathview 자료 제작에서 평가용 항목의 추가와 보다 주의깊게 설계된 문서를 구성함으로써 개인별 학습에 따른 학생들의 작업 과정과 통합되는 설계의 방향을 제시하고 있다.

• Journal of Electrical Engineering and Technology
• /
• 제11권6호
• /
• pp.1527-1534
• /
• 2016

Online voltage stability monitoring using real-time measurements is one of the most important tasks in a smart grid system to maintain the grid stability. Loading margin is a good indicator for assessing the voltage stability level. This paper presents an Extreme Learning Machine (ELM) approach for estimation of voltage stability level under credible contingencies using real-time measurements from Phasor Measurement Units (PMUs). PMUs enable a much higher data sampling rate and provide synchronized measurements of real-time phasors of voltages and currents. Depth First (DF) algorithm is used for optimally placing the PMUs. To make the ELM approach applicable for a large scale power system problem, Mutual information (MI)-based feature selection is proposed to achieve the dimensionality reduction. MI-based feature selection reduces the number of network input features which reduces the network training time and improves the generalization capability. Voltage magnitudes and phase angles received from PMUs are fed as inputs to the ELM model. IEEE 30-bus test system is considered for demonstrating the effectiveness of the proposed methodology for estimating the voltage stability level under various loading conditions considering single line contingencies. Simulation results validate the suitability of the technique for fast and accurate online voltage stability assessment using PMU data.