• 한국산학기술학회논문지
• /
• 제17권2호
• /
• pp.610-619
• /
• 2016

제품 및 설비의 3차원 디지털 모델을 기반으로 제품 생산 시 이루어지는 모든 공정 및 제품을 구성하는 재료의 기계적 거동 등을 초기 설계 과정에서 미리 시뮬레이션 해봄으로써 저비용으로 보다 신속하고 신뢰성 있는 설계를 할 수 있도록 돕는 일련의 기술들을 디지털매뉴팩처링 기술이라 부른다. 그러나 이 기술들을 수행할 수 있는 전산적 인프라스트럭처의 가격이 매우 높을 뿐만 아니라, 특히 중소 제조 기업규모에서는 그러한 시뮬레이션 결과를 정확하고도 효율적으로 설계에 적용할 수 있는 전문 인력이 절대적으로 부족한 실정이다. 이러한 점을 고려하여 한국과학기술정보연구원(KISTI), H대학교 그리고 지역 중소기업체 등이 협력하여 고성능 컴퓨팅 기반 디지털 제조 전문 인력 양성을 위한 산학연 협동 디지털매뉴팩처링(DM) 트랙을 H대학교에 설치하여 운영 중이다. 본 논문에서는 이 과정을 이수하는 학생들이 졸업 후에 산업체에서 디지털매뉴팩처링 실무에 바로 투입되어 일할 수 있는 일련의 교육 과정 사례를 보여준다. 2013년부터 2년간 진행했던 디지털매뉴팩처링 트랙 강의의 운영 사례를 수록하되, 설립 과정, 강의 내용, 실습 내용, 학생들의 평가 및 개선 방향 등을 정리하였다. 전반적으로 트랙 운영, 교과목 운영, 학생들의 학습 성취도 면에서는 성공적이었으며, 향후 보다 많은 학생들의 활발한 참여와 더불어 취업이나 인턴십 제공, 캡스톤디자인프로젝트의 협동 운영 등을 포함한 참여 기업의 보다 적극적인 관심을 촉진하여, 전국적인 디지털매뉴팩처링 인력 양성 네트워크로 확대해 나갈 수 있을 것으로 보인다.

• 한국지능시스템학회논문지
• /
• 제19권4호
• /
• pp.562-567
• /
• 2009

얼굴 표정은 사람의 감정을 전달하는 핵심 메커니즘으로 이를 적절하게 활용할 경우 Robotics의 HRI(Human Robot Interface)와 같은 Human Computer Interaction에서 큰 역할을 수행할 수 있다. 이는 HCI(Human Computing Interface)에서 사용자의 감정 상태에 대응되는 다양한 반응을 유도할 수 있으며, 이를 통해 사람의 감정을 통해 로봇과 같은 서비스 에이전트가 사용자에게 제공할 적절한 서비스를 추론할 수 있도록 하는 핵심요소가 된다. 본 논문에서는 얼굴표정에서의 감정표현을 인식하기 위한 방법으로 FACS(Facial Action Coding System)와 AAM(Active Appearance Model)을 이용한 특징 추출과 Bayesian Network 기반 표정 추론 기법이 융합된 얼굴표정 인식 시스템의 개발에 대한 내용을 제시한다.

• 한국농림기상학회지
• /
• 제20권2호
• /
• pp.228-232
• /
• 2018

기후변화 영향평가를 위하여 프로세스 작물모형이 많이 이용되고 있지만, FORTRAN, C++, Delphi, Java와 같은 컴퓨터 프로그래밍 언어로 만들어지기 때문에 농학자들이 작물 모형을 제작하는 것이 쉽지 않다. 배추 모형을 개발하기 위해 6 가지 온도 체계를 가진 토양-식물-대기 연구(SPAR) 실험 자료가 사용되었다. SPAR 챔버에서의 식물 재배 기간 동안 잎의 수, 잎의 면적, 식물의 생장률을 6 회 측정 하였다. 또한 휴대용 LI-6400 광합성 측정기를 이용하여 잎의 광합성을 측정 하였다. 잎 수준 광합성 예측은 Farquhar, von Caemmerer 및 Berry (FvCB) 모형을 적용 하였고, 수관의 광합성은 Sun/Shade 모형이 사용되었다. 이러한 전 과정은 BuildIt 이라는 Excel 추가기능이 포함된 엑셀 파일로 제작되었다. 개발된 모형으로 시간 단위의 기상 입력 자료를 사용하여 배추의 광합성, 생장률 및 기타 생리 변수의 변화를 모의할 수 있었으며, 측정된 배추의 건조 중량의 변화와 모형에서 예측된 동화량과는 비례적인 관계를 나타내었으나, 온도에 따라서 다르게 나타났다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.23-45
• /
• 2020

기업의 경쟁력 확보를 위해 판별 알고리즘을 활용한 의사결정 역량제고가 필요하다. 하지만 대부분 특정 문제영역에는 적합한 판별 알고리즘이 어떤 것인지에 대한 지식은 많지 않아 대부분 시행착오 형식으로 최적 알고리즘을 탐색한다. 즉, 데이터셋의 특성에 따라 어떠한 분류알고리즘을 채택하는 것이 적합한지를 판단하는 것은 전문성과 노력이 소요되는 과업이었다. 이는 메타특징(Meta-Feature)으로 불리는 데이터셋의 특성과 판별 알고리즘 성능과의 연관성에 대한 연구가 아직 충분히 이루어지지 않았기 때문이며, 더구나 다중 클래스(Multi-Class)의 특성을 반영하는 메타특징에 대한 연구 또한 거의 이루어진 바 없다. 이에 본 연구의 목적은 다중 클래스 데이터셋의 메타특징이 판별 알고리즘의 성능에 유의한 영향을 미치는지에 대한 실증 분석을 하는 것이다. 이를 위해 본 연구에서는 다중 클래스 데이터셋의 메타특징을 데이터셋의 구조와 데이터셋의 복잡도라는 두 요인으로 분류하고, 그 안에서 총 7가지 대표 메타특징을 선택하였다. 또한, 본 연구에서는 기존 연구에서 사용하던 IR(Imbalanced Ratio) 대신 시장집중도 측정 지표인 허핀달-허쉬만 지수(Herfindahl-Hirschman Index, HHI)를 메타특징에 포함하였으며, 역ReLU 실루엣 점수(Reverse ReLU Silhouette Score)도 새롭게 제안하였다. UCI Machine Learning Repository에서 제공하는 복수의 벤치마크 데이터셋으로 다양한 변환 데이터셋을 생성한 후에 대표적인 여러 판별 알고리즘에 적용하여 성능 비교 및 가설 검증을 수행하였다. 그 결과 대부분의 메타특징과 판별 성능 사이의 유의한 관련성이 확인되었으며, 일부 예외적인 부분에 대한 고찰을 하였다. 본 연구의 실험 결과는 향후 메타특징에 따른 분류알고리즘 추천 시스템에 활용할 것이다.

• 한국과학교육학회지
• /
• 제38권5호
• /
• pp.705-720
• /
• 2018

이 연구에서는 과학교육에서 재미의 의미와 가치에 대해 문헌분석을 통해 이론적으로 고찰해보고자 하였다. 문헌분석은 재미와 관련된 국어학, 심리학, 철학 등 다양한 분야의 문헌을 대상으로 이루어졌다. 구체적으로 이 연구에서는 재미의 의미, 재미를 경험하는 맥락의 특성, 과학교육에서 재미의 가치, 재미의 가치를 실현하기 위한 과학교육의 방향성에 대해 논의하고자 하였다. 연구 결과는 다음과 같다. 첫째, 재미는 특정한 대상과의 상호작용을 통해 느껴지는 정서적 고양 상태를 의미하는 표현으로서, 감각, 관계, 자아, 대상 중심의 다양한 요소들의 복합적 작용으로 유발되는 정서적 경험임을 확인하였다. 둘째, 재미 경험의 맥락에 대해 이해하기 위하여 재미와 관련된 선행 문헌들에 대해 토픽모델링이라는 분석을 수행하였다. 분석 결과 재미와 관련 경험은 유희적 특성을 지니고 있음을 확인하였다. 이러한 유희적 특성은 과학에도 존재함을 논증하였다. 셋째, 과학교육의 재미의 교육적 가치와 지향점에 대해 논의하였다. 과학교육에서 재미는 단순히 학습행동을 유도하는 도구로서의 가치뿐만 아니라, 학습자가 과학 교수-학습 과정에서 생동감을 얻을 수 있는 보편적인 경험 중 하나이며, 학생 개개인이 과학과 관련된 정서적 발달의 원동력이 되며, 재미를 추구하는 태도와 행동은 창의적인 사고와 행동으로 이어 진다는 점에서 교육적 가치가 있음을 논증하였다. 마지막으로, 과학 교육에서 지향해야할 재미는 외부의 자극으로부터 유발되는 수동적인 재미가 아닌 노력하고 시행착오 끝에 경험할 수 있는 능동적인 재미여야 하며 과학을 즐기는 이들 또한 존중할 수 있는 과학교육 문화가 장려되어야 함을 주장했다. 특히 이 연구에서는 철학자 Deleuze(1976)의 철학을 바탕으로 학생 개개인의 고유한 재미 경험의 중요성을 논의하였다.

• 전자공학회논문지CI
• /
• 제43권6호
• /
• pp.34-42
• /
• 2006

데이터 마이닝(data mining)이란 대량의 데이터에 내재되어 있는 숨겨진 패턴을 찾아내기 위한 분석 기술로서 지금까지 많은 연구가 진행되어 왔지만, 현재의 데이터 마이닝 연구는 ad-hoc 문제와 같은 해결되어야 할 중요한 이슈들이 있다. 즉, 개별적 문제에 대해 설계된 마이닝 기법이 주로 사용되는 까닭에 여러 문제에 통합적으로 적용될 수 있는 시스템적 마이닝 기법에 관한 연구가 요구되고 있다. 본 논문에서는 이러한 핵심 데이터 마이닝 태스크 중의 하나인 분류 모델링 방법으로 방사형 기저 함수(radial basis function, RBF) 모델의 성능을 고찰하고 그 유용성(usefulness)을 살펴보고자 한다. 특히, 대표적인 마이닝 관련 벤치마킹 데이터인 Monk's problem 분석을 위해 RC(Representation Capacity) 기반 알고리즘을 사용하여 RBF 모델을 구축하고 분류 성능을 기존의 연구 결과와 비교 고찰한다. 그리하여 RBF 모델의 분류 성능 면에서의 우수성뿐만 아니라 모델링 과정을 체계적인 방식으로 적절히 제어할 수 있음을 보여주고, 이를 통해 현재의 ad-hoc 방식의 문제를 어느 정도 해결할 수 있음을 보여준다.

• Asian Pacific Journal of Cancer Prevention
• /
• 제15권21호
• /
• pp.9367-9373
• /
• 2014

In diagnosis of lung cancer, rapid distinction between small cell lung cancer (SCLC) and non-small cell lung cancer (NSCLC) tumors is very important. Serum markers, including lactate dehydrogenase (LDH), C-reactive protein (CRP), carcino-embryonic antigen (CEA), neurone specific enolase (NSE) and Cyfra21-1, are reported to reflect lung cancer characteristics. In this study classification of lung tumors was made based on biomarkers (measured in 120 NSCLC and 60 SCLC patients) by setting up optimal biomarker joint models with a powerful computerized tool - gene expression programming (GEP). GEP is a learning algorithm that combines the advantages of genetic programming (GP) and genetic algorithms (GA). It specifically focuses on relationships between variables in sets of data and then builds models to explain these relationships, and has been successfully used in formula finding and function mining. As a basis for defining a GEP environment for SCLC and NSCLC prediction, three explicit predictive models were constructed. CEA and NSE are requentlyused lung cancer markers in clinical trials, CRP, LDH and Cyfra21-1 have significant meaning in lung cancer, basis on CEA and NSE we set up three GEP models-GEP 1(CEA, NSE, Cyfra21-1), GEP2 (CEA, NSE, LDH), GEP3 (CEA, NSE, CRP). The best classification result of GEP gained when CEA, NSE and Cyfra21-1 were combined: 128 of 135 subjects in the training set and 40 of 45 subjects in the test set were classified correctly, the accuracy rate is 94.8% in training set; on collection of samples for testing, the accuracy rate is 88.9%. With GEP2, the accuracy was significantly decreased by 1.5% and 6.6% in training set and test set, in GEP3 was 0.82% and 4.45% respectively. Serum Cyfra21-1 is a useful and sensitive serum biomarker in discriminating between NSCLC and SCLC. GEP modeling is a promising and excellent tool in diagnosis of lung cancer.

• 한국과학교육학회지
• /
• 제34권7호
• /
• pp.625-634
• /
• 2014

이 연구는 과학 학습을 증진시키는데 필요한 교사 지식에 대한 학생들의 인식을 분석함으로써 과학 교사 효과성 요인을 조사하였다. 선행 연구를 통해 규명된 기초적인 교사 지식의 요소들은 탐색적 요인 분석(EFA)에 의해 확인되었으며, EFA 결과를 토대로 구조방정식 모델을 활용하여 확인적 요인 분석(CFA)을 실시하였다. 또한, 규명된 교사 효과성 요인에 대한 학생들의 인식을 성별 및 학업 성취 수준별로 차이를 분석하였다. 탐색적 요인 분석 결과, 과학 교사 효과성 요인으로 5개 요인(실체론적 지식, 구문론적 지식, 교육과정 지식, 학생 이해지식, 교수 전략 지식, 학생 평가 지식)을 확인하였으며, 5개 요인들을 다시 두 개의 교사 지식 범주(SMK와 PCK)로 분류하였다. 확인적 요인 분석 결과 실체론적 지식과 구문론적 지식, 학생이해 지식과 교수전략 지식 간에 각각 높은 상관을 나타내었다. 과학 교사 효과성 요인 중 학생들은 실체론적 지식을 가장 중요한 요인으로 인식하였으며, 학생평가 지식을 가장 덜 중요한 요인으로 인식하고 있었다. 또한 과학교사 효과성 요인에 대해 성별 및 성취수준에 따라 상당한 인식의 차이를 나타내었다. 이러한 연구 결과를 바탕으로, 효과적인 과학 수업실행을 위해서 SMK와 PCK가 정합적으로 통합될 필요가 있음을 제안하였다. 이 연구는 과학 교사 전문성 계발과 예비 과학 교사 양성 프로그램 개선을 위한 시사점을 제공한다.

• 전자공학회논문지SC
• /
• 제46권4호
• /
• pp.7-16
• /
• 2009

로봇이 지능적이고 합리적으로 임무를 수행하기 위해서는 다양한 솜씨(skill)가 필요하다. 우리는 솜씨를 생성하기 위해 우선 행동유발성(affordance)을 학습한다. 행동유발성은 행동을 유발하게 하는 물체 또는 환경의 성질로써 솜씨를 생성하는데 유용하게 사용될 수 있다. 로봇이 수행하는 대부분의 임무는 순차적이고 목표 지향적인 행동을 필요로 한다. 그러나 행동유발성만을 이용하여 이러한 임무를 수행하는 것은 쉽지 않다. 이를 위해 우리는 행동유발성과 목표 지향적 요소를 반영하기 위한 소프트 행동동기 스위치(soft behavioral motivation switch)를 이용하여 솜씨를 생성한다. 솜씨는 현재 인지된 정보와 목표 지향적 요소를 결합하여 행동동기를 생성한다. 여기서 행동동기는 목표 지향적인 행동을 활성화시키기 위한 내부 상태를 말한다. 또한, 로봇은 임무 수행을 위해 순차적인 행동 선택을 필요로 한다. 우리는 목표 지향적이고 순차적인 행동 선택이 가능하도록 솜씨를 이용하여 솜씨 네트워크(skill network)를 생성한다. 로봇은 솜씨 네트워크를 이용하여 목표 지향적이고 순차적인 행동을 선택할 수 있다. 본 논문에서는 베이지안 네트워크를 이용한 행동유발성 모델링 및 학습 방법, 행동유발성과 소프트 행동동기 스위치를 이용한 솜씨 및 솜씨 네트워크 생성 방법, 마지막으로 솜씨 네트워크를 이용한 목표 지향적 행동 선택 방법을 제안한다. 우리의 방법을 증명하기 위해 제니보(애완 로봇)를 이용한 교시 기반 학습 방법을 통해 "물체 찾기", "물체에 접근하기", "물체의 냄새 맡기", 그리고 "물체를 발로 차기" 행동유발성들을 학습하였다. 또한, 이들을 이용하여 솜씨 및 솜씨 네트워크를 생성하여 제니보에 적용하고 실험하였다.

• 한국과학교육학회지
• /
• 제33권4호
• /
• pp.807-825
• /
• 2013

이 연구는 과학적 모델의 사회적 구성 과정을 목적으로 설계된 수업을 실행한 두 과학 교사의 과학 수업에서 형성되었던 실천적 지식의 내용을 Elbaz가 제시한 실천적 지식의 5가지 내용 범주를 준거로 조사하였다. 이를 위해 두 과학 교사의 과학 수업에 대한 참여 관찰 및 수업 촬영 비디오 자료를 바탕으로 행위 동안의 반성 과정 및 수업 후 면담에 반영된 교사들의 내러티브를 통한 행위에 대한 반성 과정을 질적으로 분석하였다. 연구 결과, 1) 두 과학 교사의 수업 실행 과정에서 학생들이 과학적인 모델을 구성할 수 있도록 지원하는 비계를 제공할 때 교과내용 지식에 대한 실천적 지식이 발현되는 것을 볼 수 있었다. 2) 교육 과정에 대한 교사의 지식이 어려운 과학 개념의 이해와 전달에서 주어진 학습 목표에 적절한 모델 형성으로 수업의 목표를 변화하는데 중요함을 알 수 있었다. 3) 참여 교사의 교수법 지식의 실행은 과학적 모델의 사회적 구성 수업의 의도에 맞추어 학생들의 모둠 활동과 모델 생성 활동을 지원하는 방향으로 변화하였다. 4) 교사의 자아에 대한 실천적 지식은 학생들이 모둠 활동을 통해 과학적 모델을 구성하는 것을 지원할 수 있으려면, 교사는 조력자, 안내자, 그리고 격려자로서 자신의 역할을 인식하고 변화된 역할을 적절하게 수행하는 것이 중요함을 보여주었다. 5) 두 참여 교사의 학습 환경에 대한 실천적 지식은 수업을 진행하는 동안 각 모둠과 교사가 형성한 상호작용의 양상을 통해 발현되었으며, 두 교사는 함께 뛰는 운동 선수 또는 그라운드 옆의 코치와 같은 양상을 보였다. 이상의 결과를 바탕으로 과학적 모델 구성에 대한 영역 특이적 실천적 지식의 특성에 대해 논의하였다.