• 문화기술의 융합
• /
• 제5권1호
• /
• pp.265-273
• /
• 2019

본 연구는 앞으로 경험하게 될 국가적 혹은 문화적 갈등상황에서 유연한 중재자의 역할을 수행하는 인재를 육성하는 것에 그 목적이 있다. 주요한 학습 내용은 업사이클 디자인 활동을 선정하여 수업에 접근한다. 모두의 문제인 폐기물 문제를 인식시키고 그 대안으로 거론되고 있는 업사이클 디자인 활동을 거쳐 각 문화들의 대표적인 특징과 배경을 탐구하는 수업방식이다. 군포YMCA 회원 학생들을 중심으로 수업은 진행되었으며 각 문화적으로 특징적인 소재를 업사이클 디자인을 통해 제작하였다. 모두 폐기물 재료를 사용하여 페트병으로 아프리카의 기린 만들기, 나무 기둥을 활용한 몽골 텐트 만들기, 소스병을 활용한 스노우 볼 만들기, 티셔츠와 섬유로 조각보 및 러그 만들기, 현수막으로 가랜드를 만드는 활동을 진행하였다. 이를 통해 학생들은 업사이클이라는 새로운 용어를 학습하게 됨과 동시에 환경문제에 관심을 보이게 되었다. 또한 각 문화를 대표하는 상징물을 제작하는 과정에서 그 유래와 탄생 배경 등을 탐구함으로써 타 문화에 대한 이해의 폭을 넓힐 수 있었다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제58권2호
• /
• pp.319-335
• /
• 2019

이 논문에서는 초등학교 교과서에서의 가분성(divisibility) 개념을 중심으로, 개념적 사고의 과정을 그대로 Python 언어로 코딩하고 Computational Thinking (이하, CT) 중 하나인 자동화에 따른 계산의 효율성을 고찰하였다. 이로부터 얻을 수 있는 교육적 시사점은 다음과 같다. 수학적인 개념적 사고를 CT의 관점에서 생각해 보고, 또한 역으로 컴퓨터 과학에서 중시하고 있는 CT에서 수학적 개념을 추출해 볼 수 있는 쌍방향의 활동이 수학 중심의 코딩교육에서 필요하다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권10호
• /
• pp.3729-3749
• /
• 2021

At present, deep convolution network-based salient object detection (SOD) has achieved impressive performance. However, it is still a challenging problem to make full use of the multi-scale information of the extracted features and which appropriate feature fusion method is adopted to process feature mapping. In this paper, we propose a new adjacency auxiliary network (AANet) based on multi-scale feature fusion for SOD. Firstly, we design the parallel connection feature enhancement module (PFEM) for each layer of feature extraction, which improves the feature density by connecting different dilated convolution branches in parallel, and add channel attention flow to fully extract the context information of features. Then the adjacent layer features with close degree of abstraction but different characteristic properties are fused through the adjacent auxiliary module (AAM) to eliminate the ambiguity and noise of the features. Besides, in order to refine the features effectively to get more accurate object boundaries, we design adjacency decoder (AAM_D) based on adjacency auxiliary module (AAM), which concatenates the features of adjacent layers, extracts their spatial attention, and then combines them with the output of AAM. The outputs of AAM_D features with semantic information and spatial detail obtained from each feature are used as salient prediction maps for multi-level feature joint supervising. Experiment results on six benchmark SOD datasets demonstrate that the proposed method outperforms similar previous methods.

• 한국융합학회논문지
• /
• 제11권12호
• /
• pp.23-30
• /
• 2020

본 연구에서는, 천연가스(NG) 데이터와 가스 관련 환경 요소 간의 관계를 기계학습 알고리즘을 사용하여 가스 누출 데이터를 직접 측정하지 않고 가스 누출 위험 수준을 예측하였다. 이번 연구는 서버가 제공하는 오픈 데이터인 IoT 기반 원격 제어 피카로(Picarro) 가스 센서 사양을 기반으로 사용했다. 천연 가스는 공기 중으로 누출이 되며, 대기 오염, 환경, 그리고 건강에 큰 문제가 된다. 본 연구에서 제안하는 방법은 천연 가스의 누출 위험 예측을 위한 랜덤 포레스트(Random Forest) 분류 기반 다변량 특이치 제거 방법이다. 비지도 k-평균 클러스터링 후에 실험 데이터 집합은 불균형 데이터이다. 따라서 우리는 제안된 모델이 중간과 높은 위험 수준을 가장 잘 예측할 수 있다는 점에 초점을 맞춘다. 이 경우 각 분류 모델에 대한 수신자 조작 특성(ROC) 곡선, 정확도, 평균 표준 오차(MSE)를 비교했다. 실험 결과로 정확도, 수신자 조작 특성의 곡선 아래 영역(AUC, Area Under the ROC Curve), MSE가 각각 MOL_RF의 경우 99.71%, 99.57%, 및 0.0016의 결과 값을 얻었다.

• 한국정보통신학회논문지
• /
• 제25권1호
• /
• pp.88-95
• /
• 2021

본 연구의 목적은 대학생의 중도탈락 현상 데이터를 실증적으로 분석하여 대학의 학생지원정책을 수립하기 위한 시사점을 제공하는 데 있다. 이를 위해 D대학의 2017~2019년 입학생 데이터를 토픽모델링 LDA(Latent Dirichlet Allocation)를 활용하여 재학생과 제적생으로 나누어 분석하였다. 연구결과 제적생에서 특징있게 나타난 토픽은 '학적'관련하여 '학기등록 1회', '전공'관련하여 '어문계열학과', '학점'관련하여 '학사경고'이고, '대학생활'관련하여 '비교과 프로그램'에 대한 토픽은 나타나지 않았다. 다음으로 '재학생 토픽'과 '제적생 토픽'의 상호 식별 성능을 측정한 결과, SVM(Support Vector Machines)이 가장 우수한 식별 성능을 보여주었다. 이러한 실험을 통해 기계학습을 활용한 인공지능 기반의 학생 데이터 분류 기법 연구의 가능성을 확인할 수 있었다.

• 융합보안논문지
• /
• 제20권4호
• /
• pp.81-90
• /
• 2020

현실 세계에서는 기존에 알려지지 않은 새로운 유형의 변종 공격이 끊임없이 등장하고 있지만, 인공신경망과 지도학습을 통해 개발된 공격 트래픽 분류모델은 학습을 실시하지 않은 새로운 유형의 공격을 제대로 탐지하지 못한다. 기존 연구들 대부분은 이러한 문제점을 간과하고 인공신경망의 구조 개선에만 집중한 결과, 다수의 새로운 공격을 정상 트래픽으로 분류하는 현상이 빈번하게 발생하여 공격 트래픽 분류성능이 심각하게 저하되었다. 한편, 다중분류 문제에서 각 클래스에 대한 분류가 정답일 확률을 결과값으로 출력하는 소프트맥스(softmax) 함수도 학습하지 않은 새로운 유형의 공격 트래픽에 대해서는 소프트맥스 점수를 제대로 산출하지 못하여 분류성능의 신뢰도 또는 정확도를 제고하는데 한계를 노출하고 있다. 이에 본 논문에서는 소프트맥스 함수의 이러한 특성을 활용하여 모델이 일정 수준 이하의 확률로 판단한 트래픽을 공격으로 분류함으로써 새로운 유형의 공격에 대한 탐지성능을 향상시키는 방안을 제안하고, 실험을 통해 효율성을 입증한다.

• 한국수자원학회논문집
• /
• 제53권12호
• /
• pp.1173-1181
• /
• 2020

최근 단기간의 국지성호우가 빈번하게 발생하면서 단순 1차적 피해를 넘어 경제적, 사회적 영향이 커지고 있다. 기상선진국에서는 단순 기상예보로서의 정보전달이 아닌 사회 경제적 영향을 분석하여 현실적이고 신뢰할 수 있는 영향예보를 실시하고 있다. 본 논문에서는 사람의 보행에 영향을 미칠 수 있는 영향한계강우량을 산정하기 위해서 Spatial Runoff Assessment Tool (S-RAT), FLO-2D 모델을 사용하여 침수정도를 도출하였고 Grid to Grid (G2G)개념의 한계강우량을 산정하였다. 또한, 과거 의학 분야에서 많이 사용하였지만 현재는 가뭄이나 홍수 등의 자연현상 및 머신러닝에 많이 사용하는 ROC 분석 기법을 통해 정량적인 정확도분석을 실시하였다. 분석 결과 실제 침수와 모의 침수가 비슷한 시간대의 결과가 나왔으며 ROC 곡선의 결과 0.7이상으로 Fair 단계의 적정성을 확보하였다.

• 한국축산식품학회지
• /
• 제41권2호
• /
• pp.312-323
• /
• 2021

The purpose of this study was to use 1H nuclear magnetic resonance (1H NMR) to quantify taste-active and bioactive compounds in chicken breasts and thighs from Korean native chicken (KNC) [newly developed KNCs (KNC-A, -C, and -D) and commercial KNC-H] and white-semi broiler (WSB) used in Samgye. Further, each breed was differentiated using multivariate analyses, including a machine learning algorithm designed to use metabolic information from each type of chicken obtained using 1H-13C heteronuclear single quantum coherence (2D NMR). Breast meat from KNC-D chickens were superior to those of conventional KNC-H and WSB chickens in terms of both taste-active and bioactive compounds. In the multivariate analysis, meat portions (breast and thigh) and chicken breeds (KNCs and WSB) could be clearly distinguished based on the outcomes of the principal component analysis and partial least square-discriminant analysis (R2=0.945; Q2=0.901). Based on this, we determined the receiver operating characteristic (ROC) curve for each of these components. AUC analysis identified 10 features which could be consistently applied to distinguish between all KNCs and WSB chickens in both breast (0.988) and thigh (1.000) meat without error. Here, both 1H NMR and 2D NMR could successfully quantify various target metabolites which could be used to distinguish between different chicken breeds based on their metabolic profile.

• 스마트미디어저널
• /
• 제10권1호
• /
• pp.39-46
• /
• 2021

본 연구는 뉴스 기사에서 기사문을 구성하는 문장별 중요도를 고려하여 요약문을 추출하는 방법에 관한 것으로 문장 중요도에 영향을 주는 특성으로 중심 문장(Topic Sentence)일 확률, 기사 제목 및 다른 문장과의 유사도, 문장 위치에 따른 가중치를 추출하여 문장 중요도를 계산하는 방법을 제안한다. 이때, 중심 문장(Topic Sentence)은 일반 문장과는 구별되는 특징을 가질 것이라는 가설을 세우고, 딥러닝 기반 분류 모델을 학습시켜 입력 문장에 대한 중심 문장 확률값을 구한다. 또한 사전학습된 ELMo 언어 모델을 활용하여 문맥 정보를 반영한 문장 벡터값을 기준으로 문장간 유사도를 계산하여 문장 특성으로 추출한다. LSTM 및 BERT 모델의 중심 문장 분류성능은 정확도 93%, 재현율 96.22%, 정밀도 89.5%로 높은 분석 결과가 나왔으며, 이렇게 추출된 문장 특성을 결합하여 문장별 중요도를 계산한 결과, 기존 TextRank 알고리즘과 비교하여 중심 문장 추출 성능이 10% 정도 개선된 것을 확인할 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권2호
• /
• pp.87-92
• /
• 2022

이미지 기반 애플리케이션 테스트는 이미지 구조 비교를 통한 애플리케이션 테스트 방법을 제안한다. 이 연구는 다양한 디바이스 운영체제의 종류나 GUI에 의존 없이 다양한 기기에서 테스트가 가능하다. 기존 연구는 운영체제 변경, 화면상의 애니메이션 실행 그리고 해상도 변경의 경우 정답 이미지와 달라지기 때문에 기존의 경우 각각 변형마다 테스터를 생성해야 했다. 하지만 이 방법은 운영체제 변경, 해상도 크기의 변경, 화면상의 애니메이션 실행과 같은 변화가 발생해도 동일한 기준으로 판별하기 때문에 하나의 테스터로 테스트할 수 있다. 두 이미지의 객체들의 기본 구조를 비교하고 이미지에 차이가 존재하는 영역을 추출해서 Faster D2-Net의 특징점으로 이미지 유사성을 비교한다. Faster D2-Net 개발로 D2-Net보다 연산의 수와 공간적 손실을 줄여 애플리케이션 이미지에서 특징점을 추출하기 적합하고 수행 시간 단축이 가능했다.