• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 춘계학술대회
• /
• pp.567-569
• /
• 2017

자유선택활동은 유아가 스스로 활동영역을 선택하여 계획하고 수행하는 유아지향적 시간이다. 이를 통해 유아들은 자기선택, 자기동기화된 자기 주도적 활동등을 통해서 또래와 함께 자유롭게 활동하며 상호교류를 하는 중요한 시간이다. 교사는 수업시간에 유아들의 탐구활동을 위하여 심리적으로 편안한 환경조성과 유아들과의 유대감을 유지하여 학습목표와 또래와의 친밀도 및 사회적 기술등을 습득하기를 원한다. 그러나 1명의 교사에 의한 한정된 수업시간과 지도환경하에서 모든 유아들의 활동정보를 정확하게 파악하기가 힘들다. 본 연구는 NFC 태그를 활용하여 유아들이 선택한 자유선택활동 영역과 활동시간을 모니터링하는 시스템을 설계하여 교사들이 유아들의 활동을 효율적으로 파악할 수 있도록 한다.

• Journal of Radiation Protection and Research
• /
• 제42권4호
• /
• pp.212-221
• /
• 2017

Background: This study aims to calculate detector positions as a design of a radioactive source localizing radiation portal monitor (RPM) system using an improved genetic algorithm. Materials and Methods: To calculate of detector positions for a source localizing RPM system optimization problem is defined. To solve the problem, a modified iterative genetic algorithm (MIGA) is developed. In general, a genetic algorithm (GA) finds a globally optimal solution with a high probability, but it is not perfect at all times. To increase the probability to find globally optimal solution rather, a MIGA is designed by supplementing the iteration, competition, and verification with GA. For an optimization problem that is defined to find detector positions that maximizes differences of detector signals, a localization method is derived by modifying the inverse radiation transport model, and realistic parameter information is suggested. Results and Discussion: To compare the MIGA and GA, both algorithms are implemented in a MATLAB environment. The performance of the GA and MIGA and that of the procedures supplemented in the MIGA are analyzed by computer simulations. The results show that the iteration, competition, and verification procedures help to search for globally optimal solutions. Further, the MIGA is more robust against falling into local minima and finds a more reliably optimal result than the GA. Conclusion: The positions of the detectors on an RPM for radioactive source localization are optimized using the MIGA. To increase the contrast of the measurements from each detector, a relationship between the source and the detectors is derived by modifying the inverse transport model. Realistic parameters are utilized for accurate simulations. Furthermore, the MIGA is developed to achieve a reliable solution. By utilizing results of this study, an RPM for radioactive source localization has been designed and will be fabricated soon.

• 한국주거학회논문집
• /
• 제23권4호
• /
• pp.59-67
• /
• 2012

Developing the modern design of Hanok and providing support for the commercialization model development in recent years propelled by the New Hanok Support Strategies of the central government in conjunction with the New Hanok revitalization related projects reflecting local goverments. New Hanok revitalization, the rekindling and revaluing of human behaviors and interests in local goverments following the social and cultural changes of the past decades, has emeraged as an increasingly traditional area of concerning in New Hanok planning. In this paper we attempt to this discussion by describing recent projects in New Hanok revitalization in Jeollanam-do Province. Therefore, this study aims to examine the classification of compound knowledges based multidimensional relationship by using Self-Organizing Maps (SOM). SOM is an unsupervised learning neural network model for the analysis of high-dimensional input data. By using SOM, we were able to create a cluster map reflecting the characteristics of the New Hanok. In this case the pattern of the preference data was easily understood by visual analysis. Liking for compound knowledge deduced from this data was classified into 8 categories according to the compound knowledge properties of New Hanok. As a result, a systematic approach for analysis the characteristics of individual family and living environment of New Hanoks and 10 space usage patterns the changes in some aspects of New Hanok.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2006년도 International Symposium on GPS/GNSS Vol.1
• /
• pp.277-282
• /
• 2006

It is well known that Kalman filtering is an optimal real-time data fusion method for GPS/INS integration. However, it has some limitations in terms of stability, adaptability and observability. A Kalman filter can perform optimally only when its dynamic model is correctly defined and the noise statistics for the measurement and process are completely known. It is found that estimated Kalman filter states could be influenced by several factors, including vehicle dynamic variations, filter tuning results, and environment changes, etc., which are difficult to model. Neural networks can map input-output relationships without apriori knowledge about them; hence a proper designed neural network is capable of learning and extracting these complex relationships with enough training. This paper presents a GPS/INS integrated system that combines Kalman filtering and neural network algorithms to improve navigation solutions during GPS outages. An Extended Kalman filter estimates INS measurement errors, plus position, velocity and attitude errors etc. Kalman filter states, and gives precise navigation solutions while GPS signals are available. At the same time, a multi-layer neural network is trained to map the vehicle dynamics with corresponding Kalman filter states, at the same rate of measurement update. After the output of the neural network meets a similarity threshold, it can be used to correct INS measurements when no GPS measurements are available. Selecting suitable inputs and outputs of the neural network is critical for this hybrid method. Detailed analysis unveils that some Kalman filter states are highly correlated with vehicle dynamic variations. The filter states that heavily impact system navigation solutions are selected as the neural network outputs. The principle of this hybrid method and the neural network design are presented. Field test data are processed to evaluate the performance of the proposed method.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권12호
• /
• pp.297-304
• /
• 2019

통신, 센서, 인공지능 등의 기술 발전으로 인해 스마트 팩토리 구축이 진행되고 있다. 스마트 팩토리는 기존의 자동화 공정에서 생산되는 데이터를 대상으로 기계 학습과 같은 지능화 기술을 활용해 효율적인 공정 제어를 목표로 한다. 스마트 팩토리로의 구축으로 인해 생산성이 높아지지만 비용도 높아진다. 따라서 소규모 업체들은 스마트 팩토리로 단계별 전환이 효율적이다. CNC 절단기 기반의 소규모 스마트 팩토리 구축을 위해서 본 논문에서는 기존 제조 장비의 데이터를 수집, 모니터링 및 제어할 수 있는 원격 제어 시스템을 제안한다. 원격 제어 시스템의 구조 및 설계와 효율적인 센싱 데이터 전송 방법 등을 제시하였다. 실현 가능성을 검증하기 위해 CNC 절단 장비를 대상으로 시스템을 구현하였고 기능을 검증하였다. 성능 평가를 위해 모니터링 웹 페이지 접속시간을 측정하였고, 구현된 시스템이 사용 가능한 수준이라는 것을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제14권3호
• /
• pp.273-278
• /
• 2004

본 논문은 주인식기로 흔히 사용되는 HMM 인식 알고리즘을 보완하기 위한 방법으로 회귀신경회로망(Recurrent neural networks : RNN)을 적용하였다. 이 회귀신경회로망 중에서 실 시간적으로 동작이 가능하게 한 방법인 다층회귀신경예측 모델 (Multi-layer Recurrent Neural Prediction Model : MRNPM)을 사용하여 학습 및 인식기로 구현하였으며, HMM과 MRNPM 을 이용하여 Hybrid형태의 주 인식기로 설계하였다. 설계된 음성 인식 알고리즘을 잘 구별되지 않는 한국어 숫자음(13개 단어)에 대해 화자 독립형으로 인식률 테스트 한 결과 기존의 HMM인식기 보다 5%정도의 인식률 향상이 나타났다. 이 결과를 이용하여 실제 DSP(TMS320C6711) 환경 내에서 최적(인식) 코드만을 추출하여 임베디드 음성 인식 시스템을 구현하였다. 마찬가지로 임베디드 시스템의 구현 결과도 기존 단독 HMM 인식시스템보다 향상된 인식시스템을 구현할 수 있게 되었다.

• 한국콘텐츠학회논문지
• /
• 제18권12호
• /
• pp.218-228
• /
• 2018

본 연구의 목적은 치의학 임상실습 장면에서 활용이 가능한 가상현실 기반의 치아발치 교육콘텐츠를 개발하는 것이다. 이러한 목적을 달성하기 위해 '학습내용 분석-설계모형 도출-개발-타당도 검증-수정 및 콘텐츠 완성'의 단계를 거쳐 치아발치 실습용 교육콘텐츠를 개발하였다. 연구결과, 3D모델링을 적용하여 환자의 안면해부학적 모델을 구축하고, 치아발치 수술과정 시나리오를 바탕으로 가상현실 기술을 적용한 단계별 수술장면을 에니메이션으로 구축하였다. 개발된 콘텐츠에 대한 전문가 평가를 실시하였으며, 인터페이스 타당도(M: 4.81, SD: 0.72)와 내용타당도(M:4.66, SD: 0.71)를 검증한 결과 타당하게 설계된 것으로 분석되었다. 따라서 개발된 치아발치 실습용 교육콘텐츠는 치의학 전공생의 임상수행 능력을 향상시키는데 적절한 도구로 판단된다. 본 연구를 토대로 의료 분야의 다양한 실습장면을 지원할 수 있는 가상현실 기술 기반의 교육용 콘텐츠 개발 연구가 활성화되기를 기대한다.

• Physical Therapy Rehabilitation Science
• /
• 제8권3호
• /
• pp.158-161
• /
• 2019

Objective: Attentional focus is one of the critical factors that has consistently been demonstrated to enhance motor performance and motor skill. Focusing attention on the inside of the body while engaging in a particular exercise is called internal focus (IF) and focus on the external environment is called external focus (EF). The purpose of this study was to identify effects of IF and EF of attention on postural balance in healthy school-aged children. Design: Cross-sectional study. Methods: Twenty-four healthy school-aged children participated in this study. School-aged children was defined as children ages 8-12 years old. They performed the one-legged standing with EF (focusing on the marker at the level of participants' chest and 150 cm away), IF (focusing the supporting feet), and control (no instruction) respectively. The order of the focus condition was randomly selected. The center of pressure (COP) range, distance, and velocity was measured to compare the effects of applying different attentional focuses in the three conditions. Results: The results of our study show that differences in COP range, distance, and velocity among groups were not significant between the different attentional focuses, although all variables of EF were smaller than IF. It is postulated that the reason for this may be that school school-aged children between 8-12 years old go through a transitional phase from IF to EF in effective motor learning. Conclusions: These findings reveal that the type of attentional focus did not have any effect on postural balance in healthy school-aged children.

• 한국지반환경공학회 논문집
• /
• 제20권3호
• /
• pp.15-20
• /
• 2019

확한 토공량 설계를 위해서는 충분한 량의 지반조사 자료가 필요하나 비용적인 문제로 인하여 제한적인 지반조사가 수행되고 있다. 정확한 토공량 예측을 위해서 지반의 층상정보를 추정하는 것은 중요한 사항이며, 이러한 제한적인 지반조사 데이터로부터 정확한 토공량 예측을 위해서는 지구통계학적(geo-statistical) 분석방법으로 지반 층상정보를 예측할 수 있다. 또한, 기시추된 지반 층상정보를 활용하여 기계학습을 통하여 모델을 학습하여 미시추된 지반 층상정보를 예측할 수도 있는데, 본 논문에서는 인공신경망을 통하여 미시추된 지반 층상정보를 예측하고 기존의 정규 크리깅 기법과 성능을 비교한다. 이를 위하여, 84공의 지반 층상정보를 활용한다. 84공의 지반 층상정보의 데이터셋 중에서 75공을 학습 데이터셋으로 활용하였고, 나머지 9공을 검증 데이터셋으로 활용하였다. 검증 데이터셋의 실측된 지반 층상정보와 정규 크리깅 기법과 인공신경망으로 예측된 지반 층상정보를 비교 분석한다.

• 한국정보통신학회논문지
• /
• 제25권1호
• /
• pp.75-80
• /
• 2021

측위 기술은 증강현실, 스마트 팩토리, 자율주행 등에서 중요한 기능을 수행하고 있다. 측위 기술 중에서 비콘을 이용한 측위 방법은 RSSI(Receiver Signal Strength Indicator) 값의 편차로 인하여 도전적인 과제로 여겨져 왔다. 본 논문에서는 수신기의 RSSI 값을 입력으로 하고 거리를 목표 값으로 하는 신경망을 학습시켜서 이동하는 객체에 대한 위치를 예측하였다. 이를 수행하기 위해 RSSI 대비 거리 실측값을 수집하였다. 수집한 데이터로 합성 데이터를 만들기 위한 신경망을 도입하였다. 이 신경망을 바탕으로 거리 대비 RSSI 값을 예측하였다. 합성 데이터를 바탕으로 가상으로 좌표계를 구성하여 객체의 위치를 예측하였다. 합성 데이터를 생성하기 위한 신경망으로 RSSI의 표준편차는 구하였고 이 값을 기반으로 가상환경에서 단말의 위치를 추적하는 신경망을 학습시켜 객체의 좌표를 추정하였다.