• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1736-1739
• /
• 2015

Social learning encourages and enables learners with common interests to communicate and share knowledge with others through social networks. However, social learning suffers a barrier on communication among learners with various la nguage and culture background. Aiming to avoid this barrier, this paper proposes a framework of cross-language s ocial learning system which can involve more learners' participation on the web. With this framework, an illustrati ve example of task-oriented collaborative learning paradigm is elaborated. It is expected that our proposed system can stimulate more learners to share the learning resource for deep discussions as well as to promote the knowled ge innovation.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권3호
• /
• pp.861-880
• /
• 2023

Semantic segmentation of road scene is the key technology of autonomous driving, and the improvement of convolutional neural network architecture promotes the improvement of model segmentation performance. The existing convolutional neural network has the simplification of learning knowledge and the complexity of the model. To address this issue, we proposed a road scene semantic segmentation algorithm based on multi-task collaborative learning. Firstly, a depthwise separable convolution atrous spatial pyramid pooling is proposed to reduce model complexity. Secondly, a collaborative learning framework is proposed involved with saliency detection, and the joint loss function is defined using homoscedastic uncertainty to meet the new learning model. Experiments are conducted on the road and nature scenes datasets. The proposed method achieves 70.94% and 64.90% mIoU on Cityscapes and PASCAL VOC 2012 datasets, respectively. Qualitatively, Compared to methods with excellent performance, the method proposed in this paper has significant advantages in the segmentation of fine targets and boundaries.

• 비교문화연구
• /
• 제42권
• /
• pp.261-283
• /
• 2016

본 연구의 목적은 모바일 애플리케이션을 활용하여 공손 영어 표현 학습의 가능성을 고찰하고자 하는 것이다. 의사소통 능력의 향상을 도모하기 위해서는 문법적, 담화 능력 외에도 사회 언어적 능력이 필요하다. 상대방이 누구인지, 어떠한 대화 상황에 직면했는지, 대화의 주제나 목적 등에 따라 사회적 가치에 맞는 적합한 표현을 구사할 줄 알아야 한다. 상대방의 지위나 나이가 화자보다 높거나 상대방과의 친밀도가 낮을 경우 한국인 화자는 공손한 표현을 구사하게 된다. 한국어는 언어 자체적으로 경어 체계를 지니고 있지만 영어는 이와 다르기 때문에 학습자들은 영어의 공손 표현을 학습할 필요가 있다. 이를 위해 공손 언어 학습에 학습자들이 교실에서 누구나 쉽게 사용할 수 있는 모바일을 접목시키고자 한다. 학습 교재로는 영국의 시대극 "다운튼 애비"(Downton Abbey)를 이용하였는데 이 드라마는 귀족들의 삶을 중심으로 다루었기 때문에 공손 표현을 학습하기에는 매우 적합하다. 모바일 활용을 통한 공손 영어 학습의 효율성과 모바일 애플리케이션의 활용 가능성을 고찰하기 위해 네이버 밴드를 활용한 실험반과 일반적인 팀별 활동을 중심으로 한 통제반을 설정하였다. 두 반의 공손 언어 학습 효과를 확인하기 위해 두 번의 평가가 시행되었고 개방형 설문조사가 실시되었다. 평가 결과 모바일 애플리케이션의 사용은 공손 영어 표현 학습에 긍정적인 효과가 있었으며 모바일이 수업 후 활동으로 사용하기에 효율적인 학습 도구인 것으로 나타났다. 개방형 설문 조사에서 학습자들은 공손 표현을 우아하거나 고급스러운 언어 형식으로 인지하거나 실용적 표현과 구분하는 경향이 있었다. 시대극을 이용하여 공손 언어를 교수할 경우 교수자들은 현대 영어와의 접목을 고려할 필요가 있겠다.

• 재활치료과학
• /
• 제11권4호
• /
• pp.23-39
• /
• 2022

목적 : 본 연구는 뇌졸중 환자의 기능적 결과를 예측하기 위한 인구통계학적 및 임상학적 특징과 머신러닝의 사용을 체계적으로 분석하고 요약하기 위해 수행되었다. 연구방법 : PubMed, CINAHL과 Web of Science를 사용하여 2010년부터 2021년 사이에 게재된 연구를 검색하였다. 주요 검색어는 "machine learning OR data mining AND stroke AND function OR prediction OR/AND rehabilitation"을 사용하였다. 뇌 이미지 처리 기법만을 분석한 연구, 딥러닝만 적용한 연구와 전체 본문을 열람할 수 없는 연구는 제외되었다. 결과 : 검색한 결과, 총 9편의 국내외 논문을 선정했다. 선정된 논문에서 가장 많이 사용된 머신러닝 알고리즘은 서포트 벡터 머신(support vector machine, 19.05%)과 랜덤포레스트(random forest, 19.05%)였다. 9개 중 7개의 연구에서 뇌졸중 환자의 기능을 예측하기 위해 중요하다고 추출된 변수를 결과로 제시했다. 그 결과, 5개(55.56%)의 연구에서 뇌졸중 환자의 기능을 예측하기 위해 환자의 임상적 특성이 아닌 modified ranking scale (mRS) 및 functional independence measure (FIM)과 같은 초기 또는 퇴원 평가 점수가 중요하다고 도출되었다. 결론 : 이 연구는 mRS 및 FIM과 같은 뇌졸중 환자의 초기 또는 퇴원 평가 점수가 임상적 특성보다 기능적 결과에 더 많은 영향을 미칠 수 있음을 나타냈다. 따라서, 뇌졸중 환자의 기능적 결과를 향상시키기 위한 최적의 중재를 개발하고 적용하기 위해서는 뇌졸중 환자의 초기 및 퇴원 시 기능적 결과를 평가하고 검토하는 것이 필요하다.

• 컴퓨터교육학회논문지
• /
• 제9권5호
• /
• pp.1-11
• /
• 2006

본 연구는 ARCS 모형을 적용한 전산수업에서 인지유형이 학습동기와 학업성취도에 미치는 영향에 관해 살펴보고자 하는데 목적이 있다. 이를 위해 경기도 수원에 소재한 A 고등학교 학생 70명을 4개 집단(ARCS 모형 적용 수업-장독립, ARCS 모형 적용 수업-장의존, 전통적 수업-장독립, 전통적 수업-장의존)으로 나누어 실험을 실시했다. 본 연구의 결과는 다음과 같다. 첫째, 각 집단 간 사후 학습동기의 평균값은 유의수준 5%에서 통계적으로 유의미한 차이를 보였다. 특히 사후검증 결과, 'ARCS 모형 적용 수업-장독립' 집단(M=3.36)과 '전통적 수업-장독립' 집단(M-3.18) 간에 유익미한 차이가 있었다. 또한 학습동기의 사전-사후검사 향상점수 분석 결과, '전통적 수업 장의존형' 집단을 제외한 모든 집단에서 통계적으로 유의미한 차이를 보였다. 둘째, 각 집단 간 사후 학업성취도의 평균값은 유의수준 5%에서 통계적으로 유의미한 차이가 나타나지 않았다. 또한 사전-사후 학업성취도 검사의 향상점수 분석 결과, ARCS 모형 적용여부와 인지유형에 관계없이 4개 집단 간 학업성취도 평균 간에는 유의미한 차이를 보였다. 이 결과는 향후 맞춤형 교수설계를 통한 개별화된 교수 학습 구현에 중요한 시사점을 제공해 줄 것이다.

• 대한토목학회논문집
• /
• 제39권3호
• /
• pp.399-407
• /
• 2019

대한민국에서 건설업은 타 업종들과 비교하여 안전사고의 위험성이 가장 높게 나타난다. 따라서 건설업 내 안전성 향상을 도모하기 위해 여러 연구가 예전부터 진행이 되어 왔고, 본 연구에선 건설현장 영상 데이터를 기반으로 물체 탐지 및 분류 알고리즘을 이용해서 효과적인 안전모 자동탐지 시스템을 구축하여 건설현장 노동자들의 안전성 향상에 기여하고자 한다. 본 연구에서 사용된 알고리즘은 Convolutional Neural Network (CNN) 기반의 물체 탐지 및 분류 알고리즘인 Region-based Fully Convolutional Networks (R-FCN)이고 이를 Transfer Learning 기법을 사용하여 딥러닝을 실시하였다. ImageNet에서 수집한 1089장의 사람과 안전모가 포함된 영상으로 학습을 시행하였고 그 결과, 사람과 안전모의 mean Average Precision (mAP)은 각각 0.86, 0.83로 측정되었다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제20권4호
• /
• pp.181-204
• /
• 2011

Recently, the development of ICT(information & communications technology) with the advent of new media paradigm shift in learning has brought a dramatic impact on the competitiveness of universities. The previous studies on the academic performance of e-learning mainly targeted on e-learning users, studying additional synchronization and system quality factors to measure academic performance. This study empirically analyzed the learning flow and academic performance considering both DeLone & McLean model system quality and synchronizing factors based on ARCS model. Relating to quality and synchronization factors, the academic performance of e-learning system was tested, and the difference between learning flow and academic performance was also analyzed based on time-series data, by the test difference(in the beginning, during, and final of the semester). The results of the study are as follows. First, the study shows that both system quality and synchronization directly affected the learning performance. Thus, when designing e-learning system, it is necessary to consider these two factors at the same time. Second, the indirectly mediating effect on the system quality and synchronization factors turned out to be significant in learning flow. Third, the result of regression analysis on the contents of utilizing dummy variable presents that the teacher's explanation has greater influence than multimedia has to the academic performance, and furthermore, the test difference showed no significance. Further research should be undertaken to consider the learner's degree of acceptance which reflects various aspects for building m-learning or u-learning.

• 천문학회지
• /
• 제52권6호
• /
• pp.217-225
• /
• 2019

We apply a modified Convolutional Neural Network (CNN) model in conjunction with transfer learning to predict whether an active region (AR) would produce a ≥C-class or ≥M-class flare within the next 24 hours. We collect line-of-sight magnetogram samples of ARs provided by the SHARP from May 2010 to September 2018, which is a new data product from the HMI onboard the SDO. Based on these AR samples, we adopt the approach of shuffle-and-split cross-validation (CV) to build a database that includes 10 separate data sets. Each of the 10 data sets is segregated by NOAA AR number into a training and a testing data set. After training, validating, and testing our model, we compare the results with previous studies using predictive performance metrics, with a focus on the true skill statistic (TSS). The main results from this study are summarized as follows. First, to the best of our knowledge, this is the first time that the CNN model with transfer learning is used in solar physics to make binary class predictions for both ≥C-class and ≥M-class flares, without manually engineered features extracted from the observational data. Second, our model achieves relatively high scores of TSS = 0.640±0.075 and TSS = 0.526±0.052 for ≥M-class prediction and ≥C-class prediction, respectively, which is comparable to that of previous models. Third, our model also obtains quite good scores in five other metrics for both ≥C-class and ≥M-class flare prediction. Our results demonstrate that our modified CNN model with transfer learning is an effective method for flare forecasting with reasonable prediction performance.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 The Third Asian Fuzzy Systems Symposium
• /
• pp.731-739
• /
• 1998

The probabilistic relaxation(PR) scheme based on the conditional probability and probability space partition has the important property that when its compatibility coefficient matrix (CCM) has uniform components it can classify m-dimensional probabilistic distribution vectors into different classes. When consistency or inconsistency measures have been defined, the properties of PRs are completely determined by the compatibility coefficients among labels of labeled objects and influence weight among labeled objects. In this paper we study the properties of PR in which both compatibility coefficients and influence weights are uniform, and then a learning rule for such PR system is derived. Experiments have been performed to verify the effectiveness of the learning rule.

• 한국멀티미디어학회논문지
• /
• 제16권11호
• /
• pp.1338-1347
• /
• 2013

Face recognition is a science of automatically identifying individuals based their unique facial features. In order to avoid overfitting and reduce the computational reduce the computational burden, a new face recognition algorithm using PCA-fisher linear discriminant (PCA-FLD) and fuzzy radial basis function neural network (RBFNN) is proposed in this paper. First, face features are extracted by the principal component analysis (PCA) method. Then, the extracted features are further processed by the Fisher's linear discriminant technique to acquire lower-dimensional discriminant patterns, the processed features will be considered as the input of the fuzzy RBFNN. As a widely applied algorithm in fuzzy RBF neural network, BP learning algorithm has the low rate of convergence, therefore, an improved learning algorithm based on Levenberg-Marquart (L-M) for fuzzy RBF neural network is introduced in this paper, which combined the Gradient Descent algorithm with the Gauss-Newton algorithm. Experimental results on the ORL face database demonstrate that the proposed algorithm has satisfactory performance and high recognition rate.