• 벤처창업연구
• /
• 제12권3호
• /
• pp.37-51
• /
• 2017

본 연구는 기업가정신, 정보기술 수용성, 미디어 활용역량이 직장인의 업무몰입에 미치는 영향에 관해 학습 지향성을 조절 효과로 반영하여 탐구하였다. 이는 스마트 정보화 시대에 개인과 조직에서의 핵심 역량 즉, 기업가정신, 정보기술 수용성, 미디어 활용역량이 업무몰입에 유의한 영향을 미치는지와 독립변수로 제시된 기업가정신, 정보기술 수용성, 미디어 활용역량과 종속변수인 업무몰입 간에 학습 지향성의 조절 효과를 분석하여, 업무몰입에 영향을 미치는 변수들을 규명하는 데 그 목적이 있다. 본 연구를 위해서 직장인을 대상으로 한 설문조사를 진행하였고, 최종적으로 340개의 유효한 설문지를 수집하였다. 수집된 자료는 인구통계학적 특성을 통제변인으로 하는 다중회귀분석을 진행하였고 학습지향성 조절효과는 조절회귀 분석을 실시하였다. 분석결과 기업가정신 중 성취 욕구와 진취성이 높을수록 업무몰입이 높아지는 것으로 나타났고 정보기술 수용성의 지각된 유용성과 미디어 활용역량의 커뮤니케이션 활용역량이 업무몰입에 정(+)의 영향을 미치는 것으로 나타났다. 학습 지향성의 조절 효과 분석 결과 기업가정신, 미디어 활용역량과 업무몰입 간에 학습 지향성의 조절 효과가 나타났다. 이러한 연구를 통해, 디지털 환경이 고도화된 스마트 정보사회에서 직장인의 업무몰입을 향상시키기 위해서는 진취성과 성취욕구, 정보기술에 대한 지각된 유용성, 온라인 커뮤니케이션 활용역량의 축적과 함께 학습지향성과의 시너지 효과를 적극적으로 모색해야 한다는 결론을 도출하였다.

• 지능정보연구
• /
• 제14권3호
• /
• pp.59-76
• /
• 2008

본 논문에서는 실시간 동적 환경에 효과적인 L-CAA 에이전트 구조를 제안한다. L-CAA 에이전트 구조는 변화하는 환경에 대한 적응성을 높이기 위해, 선행 연구를 통해 개발된 행위기반 에이전트 구조인 CAA에 강화학습 기능을 추가하여 확장한 것이다. 안정적인 성능을 위해 L-CAA 구조에서는 행위 선택과 실행을 학습에 전적으로 의존하지 않고 학습을 보조적으로 이용한다. L-CAA에서 행위 선택 메커니즘은 크게 두 단계로 나뉜다. 첫 번째 단계에서는 사용자가 미리 정의한 각 행위의 적용 가능 조건과 효용성을 검사함으로써 행위 라이브러리로부터 실행할 행위들을 추출한다. 하지만 첫 번째 단계에서 다수의 행위가 추출되면, 두 번째 단계에서는 강화학습의 도움을 받아 이들 중에서 실행 할 하나의 행위를 선택한다. 즉, 강화학습을 통해 갱신된 각 행위들의 Q 함수값을 서로 비교함으로써, 가장 큰 기대 보상값을 가진 행위를 선택하여 실행한다. 또한 L-CAA에서는 실행 중인 행위의 유지 가능 조건을 지속적으로 검사하여 환경의 동적 변화로 인해 일부 조건이 만족되지 않는 경우가 발생하면 현재 행위의 실행을 즉시 종료할 수 있다. 그 뿐 아니라, L-CAA는 행위 실행 중에도 효용성이 더 높은 다른 행위가 발생하면 현재의 행위를 일시 정지하였다가 복귀하는 기능도 제공한다. 본 논문에서는 L-CAA 구조의 효과를 분석하기 위해, 대표적인 동적 가상환경인 Unreal Tournament 게임에서 자율적으로 동작하는 L-CAA 기반의 에이전트를 구현하고, 이를 이용한 성능 실험을 전개해본다.

• 한국컴퓨터정보학회논문지
• /
• 제29권7호
• /
• pp.11-20
• /
• 2024

본 논문에서는 생성 모델을 이용한 데이터 프리 양자화에서 발생할 수 있는 지식 격차를 줄이기 위하여 BAG (Bit-width Aware Generator)와 채널 어텐션 기반 중간 레이어 지식 증류를 제안한다. 생성 모델을 이용한 데이터 프리 양자화의 생성자는 오직 원본 네트워크의 피드백에만 의존하여 학습하기 때문에, 양자화된 네트워크의 낮은 bit-width로 인한 감소된 수용 능력 차이를 학습에 반영하지 못한다. 제안한 BAG는 양자화된 네트워크와 동일한 bit-width로 양자화하여, 양자화된 네트워크에 맞는 합성 이미지를 생성하여 이러한 문제를 완화한다. 또한, 양자화된 네트워크와 원본 모델 간의 지식 격차를 줄이는 것 역시 양자화에서 매우 중요한 문제이다. 이를 완화하기 위해 제안한 채널 어텐션 기반 중간 레이어 지식 증류는 학생 모델이 교사 모델로부터 어떤 채널에 더 집중해서 학습해야 하는지를 가르친다. 제안한 기법의 효율성을 보이기 위해, CIFAR-100에서 학습한 원본 네트워크를 가중치와 활성값을 각각 3-bit로 양자화하여 학습을 수행하였다. 그 결과 56.14%의 Top-1 Accuracy를 달성하였으며, 베이스라인 모델인 AdaDFQ 대비 3.4% 정확도를 향상했다.

• 기업가정신과 벤처연구
• /
• 제19권2호
• /
• pp.53-68
• /
• 2016

기술 학습, 기업가정신, 혁신, 창의성에 대한 동기 및 관련 활동은 아시아 국가들의 경제 발전의 원동력이었다. 기술 발전의 초기에는 기술 학습과 기업가정신이 선진국들을 효과적으로 따라잡을 수 있는 방안으로 작용하였다. 왜냐하면 이를 통하여 기업들은 상대적으로 낮은 리스크를 가지고 기술과 지식을 빠르게 축적할 수 있었기 때문이다. 그러나 기술 발전의 후기에는 혁신과 창의성이 보다 중요하게 작용하였다. 본 연구의 목적은 1) 기술 학습 성과에 영향을 미치는 요소들 (학습 역량)과 2) 창의적인 조직 및 경제 환경 구축을 위한 혁신 역량 강화에 필요한 과제들을 규명하는 것이다. 본 연구의 핵심 내용은 탈추격 시대에서의 학습 역량과 연관되어 있다. 문헌 연구 및 한국의 경제발전 사례를 바탕으로 본 연구에서는 기술 학습에 영향을 미치는 다양한 요소들로 구성된 기술 학습 모형을 제시하였다. 이와 관련하여 세 가지 가설을 설정하였고, 한국의 공작기계 제조업체들로부터 데이터를 수집하였다. 또한 해당 업체들의 CEO들과 R&D 책임자들을 대상으로 구조화된 설문을 수행하였다. 이를 바탕으로 상관 분석과 ANOVA를 수행하여 가설을 검증하였다. 추가로 사례 분석과 정책 분석을 수행하여 혁신 활성인자와 방해인자들을 규명하였고, 이를 근거로 혁신 역량 강화를 위한 방안을 제시하였다. 실증 분석 결과를 기반으로 1) 기술 축적정도 2) 기술인력들의 잠재력 3) 확고한 기술적 노력 4) 학습에 대한 의지 5) 최고 경영층의 지원 6) 공식적인 기술 학습 시스템 7) 높은 학습 동기 8) 적절한 기술 선택 9) 명백한 목표 설정과 같은 기업의 학습 잠재력과 활동(학습 역량)을 규명하였다. 이와 같은 학습 역량은 경제 발전 초기 기업의 학습 성과를 결정하였다. 또한 기술발전 단계별로 기술학습을 위해 필요한 핵심 요소들이 상이하였다. 통계 및 정책 분석을 통하여 기술학습은 기술발전 과정의 본질적인 원칙으로 이해될 수 있음을 입증하였다. 선제적이고 창의적인 학습은 후기에, 대응적이고 모방적인 학습은 초기에 활성화 되었다. 추가로 본 연구에서는 탈추격 시대에서의 혁신역량 및 혁신활동 강화의 원동력 또는 촉진 요소를 탐색하였다. 예비 사례분석 결과는 1) CEO의 전략적 의지와 기업 문화 2) 리더십과 변화 주도 챔피언의 존재 3) 디자인 원칙과 방식 4) 에코시스템과 협력체계, 5) 지속적 R&D 투자가 혁신역량 및 혁신활동 강화의 촉진 요소로 작용함을 보여주었다.

• 정보교육학회논문지
• /
• 제12권3호
• /
• pp.275-282
• /
• 2008

수학과에서 학습자는 학습을 하기 전에 선수학습을 제대로 이수하지 못했을 경우 다음 학습에 곤란을 겪는다. 학습 부진아에 대한 개별적인 지도는 교육현장에서 반드시 해결해야 할 필연적인 과제이나 일선 학급 담임에게만 그 책임을 지우는 문제를 해결하기 위해 본 연구를 실시하였다. 본 연구에서는 웹기반 진단평가 시스템을 개발 및 적용하여 학습 부진아들의 학습 결손을 여부를 진단 평가 시스템을 통해 진단하고 누적된 학습 결손을 처치하여 본 학습에 도움을 주고자 하였다. 연구대상은 연구자가 근무하는 학교의 수학 기초학습 부진아 10명을 선정하였으며 수와 연산 영역을 중심으로 진단평가 시스템을 적용하였다. 그 결과 학습 부진아의 학력 향상 및 흥미를 높이는데 효과적임을 알 수 있었으며 통계처리는 F-검증(일원분산 분석)을 통해 검증한 결과 유의한 차이가 있음을 통계적으로 검증되었다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권2호
• /
• pp.327-335
• /
• 2016

2008년 글로벌 금융위기 이후 중국은 위안화 국제화의 점진적 추진을 진행하면서 중국상하이 외환시장과 중국홍콩 외환시장에서 거래되는 통화인 역내위안화와 역외위안화를 형성시켰다. 본 연구는 위안화 국제화와 점진적인 중국 자본계정 개방에 따라 급변하는 외환시장상황의 변동성을 정확하게 파악하기 위해서 GARCH모형 (일반화된 자기회귀 조건부이분산성모형)에 다단계인공신경망을 결합한 MLP-GARCH 모형과 GARCH모형과 기계학습의 일종인 딥러닝 (deep learning)을 통합한 DL-GARCH을 가지고 위안화 변동성예측을 비교 실험과 분석을 하였다. 비교분석 결과 DL-GARCH 모형은 MLP-GARCH보다 모형 위안화 역내 외 환율변동성 예측 면에서 더욱 더 개선된 예측값을 제공하였다. 그래서 이분산시계열모형을 딥러닝과 결합한 DL-GARCH 모형은 시계열의 환율 변동성 예측 문제에 딥러닝을 응용할 수 있음을 확인하였다. 향후 이분산시계열과 결합된 딥러닝 모형은 다른 금융시계열 데이터에 응용하여 그 일반화 가능성을 높일 수 있을 것이다.

• 정보교육학회논문지
• /
• 제16권2호
• /
• pp.211-222
• /
• 2012

21C 미래 학습자는 지식과 기능을 종합하고 적용하여 문제를 슬기롭게 해결할 수 있는 창의적 사고력과 문제해결능력이 요구되는데 최근 초중등학교 현장에서 연구되고 있는 로봇교육이 효과적인 방안으로 보고되고 있다. 이러한 로봇교육은 기존의 방과 후 수업 중심에서 정규교과에 활용하는 통합적 접근으로 다양해지고 있으며 활발한 연구가 진행 중에 있다. 하지만 긍정적인 연구결과 외에 초등학교 학습자가 보다 친숙하게 로봇과 프로그래밍을 배울 수 있는 환경에 관한 연구는 미비한 실정이다. 따라서 본 연구는 초등학교 학생들이 로봇과 프로그래밍을 쉽게 배울 수 있도록 학생들에게 친숙한 스토리텔링을 활용하여 로봇수업을 실시하였으며 연구결과 프로그래밍 지식 습득에서의 향상 및 로봇수업에서의 긍정적인 학습태도 형성을 확인하였다. 또한 로봇수업에서 스토리텔링이 로봇수업의 전체적인 학습맥락을 제공하고 지속적인 학습동기를 제공하는 것으로 나타났다.

• 대한전자공학회논문지
• /
• 제26권6호
• /
• pp.108-114
• /
• 1989

Hopfield 모델에 화소당 가주치를 도입하고 이를 최적화하여, 서로간에 상관관계가 높은 "0"에서 "9"까지의 10가지 숫자를 성공적으로 기억, 재생시킬 수 있는 $6{}8$ nodes 연상기억 시스템을 소개한다. 다른 많은 신경회로와는 달리, 이 모델은 "6","8","3","9"와 같이 상관관계가 매우 큰 영상에 대해서도 높은 오차 교정 능력을 가짐을 볼 수 있다. 화소당 가중치의 최적화 무제는 최소자승평균 오차 알고리듬에 기초한 적응학습 과정으로 볼 수 있으며, 이는 또한 Widrow-Hoff 신경회로로 구현 할 수 있다. 가중치 최적화 회로의 전기 . 광학적 구현을 위한 설계도 소개한다.

• 컴퓨터교육학회논문지
• /
• 제15권1호
• /
• pp.33-41
• /
• 2012

본 연구는 초등학교 5학년, 6학년 정보통신윤리교육에서 PBL(문제중심학습)기법을 활용한 학습이 학습자들의 정보통신윤리에 관한 문제해결력 및 실제적인 태도 변화를 신장시키는 데 효과적인가를 규명하는데 그 연구 목적을 두었다. 본 연구의 결론을 제시하면 다음과 같다. 첫째, PBL 기법을 적용한 정보통신윤리교육 수업자료는 학생들에게 실생활에서 정보화사회의 역기능과 관련된 문제상황을 겪게 함으로써 수업의 흥미를 높여줄 수 있다. 둘째, 문제해결을 위한 수행과제를 모둠별로 진행하는 과정에서 활용한 협동 학습, 토의, 토론 학습 등 다양한 교수 학습 활동은 PBL기반 정보통신윤리교육에 매우 효과적이다. 셋째, PBL기반 정보통신윤리교육 수업은 학생의 문제해결력뿐만 아니라, 교사의 수업에 대한 흥미와 수업능력을 향상시킬 수 있는 효과적인 방법이 될 수 있다.

• 한국멀티미디어학회논문지
• /
• 제23권4호
• /
• pp.525-538
• /
• 2020

A practical animal face classification system that classifies animals in image and video data is considered as a pivotal topic in machine learning. In this research, we are proposing a novel method of fully connected dual Deep Convolutional Neural Network (DCNN), which extracts and analyzes image features on a large scale. With the inclusion of the state of the art Batch Normalization layer and Exponential Linear Unit (ELU) layer, our proposed DCNN has gained the capability of analyzing a large amount of dataset as well as extracting more features than before. For this research, we have built our dataset containing ten thousand animal faces of ten animal classes and a dual DCNN. The significance of our network is that it has four sets of convolutional functions that work laterally with each other. We used a relatively small amount of batch size and a large number of iteration to mitigate overfitting during the training session. We have also used image augmentation to vary the shapes of the training images for the better learning process. The results demonstrate that, with an accuracy rate of 92.0%, the proposed DCNN outruns its counterparts while causing less computing costs.