• 정보교육학회논문지
• /
• 제17권1호
• /
• pp.53-61
• /
• 2013

웹 2.0의 발달은 우리 일상과 밀접하게 연계되어 있으며 교육전반에 다양한 변화를 일으키고 있다. 특히 새로운 학습세대는 어려서부터 자연스럽게 웹 2.0의 기술을 접하고 활용함으로써 기존의 학습세대와는 다른 교육방법의 변화를 필요로 하게 되었고, 이들의 특성을 고려한 교육방법 중의 하나로 위키 기반 협동학습은 최근 많이 연구되고 있는 분야이다. 본 논문에서는 사회과에서 위키 기반 협동적 과제를 수행했을 경우 사회과에 대한 학생들의 학습태도와 그에 따른 학업성취도 향상에 관한 관계를 연구하였다.

• 한국지능시스템학회논문지
• /
• 제5권3호
• /
• pp.117-127
• /
• 1995

본 논문에서는 ART-II 경쟁학습 신경망과 퍼지추론을 이용하여 동일한 물체를 연속적인 영상열에서 정합 시킴으로서 움직임을 분석하는 방법을 제시한다. 영상분할을 통해 얻을 수 있는 영역의 크기가 평균광도를 이용하여 영역단위의 정합을 수행하고, 영역의 모양을 표현하기 위한 특징점을 선택하기 위하여 입력패턴들의 위상을 나타날 수 있는 ART-II 경쟁학습 신경망을 사용하였다. 선택된 특징점들의 정합을 통해 각 물체에 대한 움직임 벡터를 구한다. 그러나 3차원적 실제세계의 사영인 2차원 영상은 영상 자체의 불완전성과 물체에 대한 정보를 얻기 위하여 사용되는 영상분할의 잘목스오 인한 오류 때문에 움직임 추정 과정에서 모호성이 발생한다. 이러한 움직임 분석과정에서 나타나는 불확실성을 처리하기 위하여 퍼지추론을 사용하여 신뢰도를 표현함으로써 이동 물체와 음직임 벡터를 추출하였다.

• 문화기술의 융합
• /
• 제5권4호
• /
• pp.413-420
• /
• 2019

본 연구의 목적은 기존의 body fat mass 변수와 고콜레스테롤혈증의 연관성연구를 벗어나, 머신러닝기법을 기반으로 body fat mass 변수들의 조합을 이용하여 고콜레스테롤혈증 예측 모델을 개발하는 것이다. 이러한 연구를 위하여 국민건강영양조사 데이터를 기반으로 두 가지 variable selection 메소드와 머신러닝 알고리즘을 이용하여 총 6개의 모델을 생성하였고 질병 예측력을 비교분석하였다. 여러 body fat mass 관련 변수들 중에서 몸통지방량 변수가 고콜레스테롤혈증 예측력이 가장 우수한 변수인 것을 밝혀내었고, 머신러닝 기반 예측모델들 중에서 correlation-based feature subset selection 기반 naive Bayes 알고리즘을 이용한 모델이 0.739의 the area under the receiver operating characteristic curve 값과 0.36의 Matthews correlation coefficient 값을 얻었다. 이러한 연구의 결과는 향후 국내외 대규모 스크리닝 및 대중보건 연구에서 질병예측분야의 중요정보로 활용될 것으로 예상한다.

• 농촌지도와개발
• /
• 제22권2호
• /
• pp.233-243
• /
• 2015

This study is for understanding differences of satisfaction followed by learning and teaching presence perceived by learners and participation motivation on learning in a distance education. General characteristics of learner are classified as an entrance type, sex, age, new/transfer of distance university learners. Perceived presence is classified with learning presence and teaching presence. Participation motivation on learning is classified with the directivity of activity, goal, and study based on the reason of participating in classes in a distance university. And this research tried out to find the effects of learner's characteristics, perceived presence, and participation motivation on learning satisfaction. The results are as follows. First, there was no meaningful difference of general characteristic on satisfaction. It means sex, age, and entrance type did not have an effect on satisfaction. Second, with the level of presence perceived by learner, satisfaction has meaningful differences. It means that students who had higher learning presence perceived of distance university showed higher satisfaction, and so as in teaching presence perceived on satisfaction. Third, factors effecting satisfaction based on participation motivation on learning differ with types of motivation. There was no meaningful difference of the level of activity directivity study participant on satisfaction, but was a meaningful difference of goal directivity and of study directivity in participation motivation on learning satisfaction. It was the learning presence that had a significant effect on learning satisfaction of adult learning.

• 대한공업교육학회지
• /
• 제38권2호
• /
• pp.1-26
• /
• 2013

이 연구는 기계설계 분야의 중견엔지니어 한 사람을 중심으로 그가 수행하는 구체적인 과업은 무엇이며 그와 관련하여 이루어지는 학습은 무엇인지, 일터에서 이루어지는 직무관련 학습의 맥락은 무엇인지 내러티브 연구방법에 의해 탐구하였으며, 이것이 공학교육에 주는 시사점을 논의하였다. 연구결과 연구참여자는 취업 후 수입대체를 위한 초창기 반도체 검사장비 개발을 위해 독립적으로 개발할 장비에 관한 기초지식을 습득하고 장비의 개념설계를 하였으며, 볼 타입 반도체 검사장비개발 동료들과 함께 장비의 구체설계를 하였고, 근무하던 회사의 폐업 후 잔류 엔지니어들과 함께 창업, 인터뷰 당시 이 기업의 경영자로 일하였다. 그가 엔지니어로서 수행한 주요 실무는 공학적 문제해결이었으며, 비형식적 학습의 과정이었다. 그는 실무수행 과정에서 프로젝트 관리, 자기주도적 과업수행, 기능분석, 추론과 검증, 긴밀한 협동, 대화와 토론, 시행착오, 암묵적 경험지식의 체계화, 총체적 사고, 환경변화의 지각과 기술수요 예측, 인간관계와 업무의 조화, 리더십 등을 경험하였다. 이를 바탕으로 공학교육이 프로젝트 학습, 자기주도적 학습, 대화와 토론 능력 교육을 위한 협동학습, 성찰학습, 실무적 경험을 이론화하는 학습, 인간관계와 리더십 교육 등을 강화해야 한다는 시사점을 얻었다.

• 대한영상의학회지
• /
• 제81권5호
• /
• pp.1164-1174
• /
• 2020

목적 수술 전 초음파 검사에서 갑상선 종양의 재발을 예측할 수 있는 심층 학습 모델을 개발하고자 한다. 대상과 방법 수술 전 초음파에서 병리학적으로 확진된 갑상선 수술을 받은 229명의 환자(남성:여성 = 42:187, 평균 연령, 49.6세)의 대표적인 초음파 이미지를 포함시켰다. 각각 대표적인 횡축 또는 종축 초음파 이미지가 선택되었다. 신경 네트워크용 Python 2.7.6 및 Keras 2.1.5, convolutional neural network을 사용한 심층 학습이 사용되었다. 재발한 환자와 재발이 없는 환자의 임상 및 조직학적 특징을 비교하였다. 그룹 간의 심층 학습 모델의 receiver operating characteristic curve 곡선 아래의 영역은 재발 갑상선암을 예측하기 위한 심층 학습 모델의 예측에 사용되었다. 결과 전체 환자 229명 중 49명이 종양 재발(21.4%)을 보였다. 종양의 크기, 다원성은 재발이 없는 군과 재발 군에서 유의한 차이가 있었다(p < 0.05). 재발성 갑상선암 예측을 위한 심층 학습 모델의 전반적인 평균 area under the curve (이하 AUC) 값은 0.9 ± 0.06이었다. 평균 AUC는 macrocarcinoma에서 0.87 ± 0.03, microcarcinoma에서 0.79 ± 0.16이었다. 결론 갑상선암의 초음파 이미지를 이용한 심층 학습 모델로 갑상선암 재발의 예측 모델 구축의 가능성을 보여주었다.

• 영재교육연구
• /
• 제22권3호
• /
• pp.729-755
• /
• 2012

우리나라의 소외된 영재를 이해하기 위한 노력의 일환으로 질적 사례연구 기법을 적용하여 가난하고 신체적 아픔이 있는 과학영재의 학습 특성과 전술에 대해 알아보았다. 이를 위해 연구 현장인 주말 물리교실을 중심으로 참여관찰을 했고, 참여자와 참여자의 어머니, 초등학교 5학년 때 담임교사와 면담을 진행하였다. 또한 현지문헌과 자기보고서를 추가로 활용하여 참여자를 종합적으로 이해하고자 했다. 그 결과, 참여자의 학습 특성은 내적동기와 열등감에서 기인하는 '능동적인 학습'과 배척된 관계 속에서 드러나는 '배움을 향한 몸부림'으로 정리할 수 있었다. 참여자의 학습 전술은 경제적 여력이 충분하지 않은 상태에서 배움에 대한 욕구를 충족하기 위한 전략적인 수단으로 '다양한 학습 경로'과 '메타인지적 사고', 그리고 '맞장구치기'의 세 전술을 발견하였다.

• Geomechanics and Engineering
• /
• 제25권1호
• /
• pp.1-16
• /
• 2021

Machine learning models have been widely used for landslide susceptibility assessment (LSA) in recent years. The large number of inputs or conditioning factors for these models, however, can reduce the computation efficiency and increase the difficulty in collecting data. Feature selection is a good tool to address this problem by selecting the most important features among all factors to reduce the size of the input variables. However, two important questions need to be solved: (1) how do feature selection methods affect the performance of machine learning models? and (2) which feature selection method is the most suitable for a given machine learning model? This paper aims to address these two questions by comparing the predictive performance of 13 feature selection-based machine learning (FS-ML) models and 5 ordinary machine learning models on LSA. First, five commonly used machine learning models (i.e., logistic regression, support vector machine, artificial neural network, Gaussian process and random forest) and six typical feature selection methods in the literature are adopted to constitute the proposed models. Then, fifteen conditioning factors are chosen as input variables and 1,017 landslides are used as recorded data. Next, feature selection methods are used to obtain the importance of the conditioning factors to create feature subsets, based on which 13 FS-ML models are constructed. For each of the machine learning models, a best optimized FS-ML model is selected according to the area under curve value. Finally, five optimal FS-ML models are obtained and applied to the LSA of the studied area. The predictive abilities of the FS-ML models on LSA are verified and compared through the receive operating characteristic curve and statistical indicators such as sensitivity, specificity and accuracy. The results showed that different feature selection methods have different effects on the performance of LSA machine learning models. FS-ML models generally outperform the ordinary machine learning models. The best FS-ML model is the recursive feature elimination (RFE) optimized RF, and RFE is an optimal method for feature selection.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 하계학술대회 논문집 D
• /
• pp.1127-1129
• /
• 1997

In this paper, we developed to artificial neural network for load characteristic identification of power system. We can acquire active power and reactive power of individual load depending on the variation of voltage and frequency from the experimentation of a dynamic characteristic of load. The data of the experimental results were be used in learning of ANN. A proposed ANN model is applied to analyze the transient stability. To demonstrate the propriety of the power system transient stability with load model using ANN, the simulation of the two-machine five-bus system is carried out.

• 자동차안전학회지
• /
• 제12권4호
• /
• pp.23-30
• /
• 2020

Recently, self-driving research has been actively studied in various institutions. Accurate recognition is important because information about surrounding objects is needed for safe autonomous driving. This study mainly deals with the signal processing of LiDAR among sensors for object recognition. LiDAR is a sensor that is widely used for high recognition accuracy. First, we clustered and tracked objects by predicting relative position and speed of objects. The characteristic points of all objects were extracted using point cloud data of each objects through proposed algorithm. The Classification between vehicle and pedestrians is estimated using number of characteristic points and distances among characteristic points. The algorithm for classifying cars and pedestrians was implemented and verified using test vehicle equipped with LiDAR sensors. The accuracy of proposed object classification algorithm was about 97%. The classification accuracy was improved by about 13.5% compared with deep learning based algorithm.