• 산업경영시스템학회지
• /
• 제46권1호
• /
• pp.23-31
• /
• 2023

Research and interest in sustainable printing are increasing in the packaging printing industry. Currently, predicting the amount of ink required for each work is based on the experience and intuition of field workers. Suppose the amount of ink produced is more than necessary. In this case, the rest of the ink cannot be reused and is discarded, adversely affecting the company's productivity and environment. Nowadays, machine learning models can be used to figure out this problem. This study compares the ink usage prediction machine learning models. A simple linear regression model, Multiple Regression Analysis, cannot reflect the nonlinear relationship between the variables required for packaging printing, so there is a limit to accurately predicting the amount of ink needed. This study has established various prediction models which are based on CART (Classification and Regression Tree), such as Decision Tree, Random Forest, Gradient Boosting Machine, and XGBoost. The accuracy of the models is determined by the K-fold cross-validation. Error metrics such as root mean squared error, mean absolute error, and R-squared are employed to evaluate estimation models' correctness. Among these models, XGBoost model has the highest prediction accuracy and can reduce 2134 (g) of wasted ink for each work. Thus, this study motivates machine learning's potential to help advance productivity and protect the environment.

• 한국간호교육학회지
• /
• 제14권1호
• /
• pp.63-72
• /
• 2008

Purpose: This study focused on two aspects: 1) how to design and implement a mobile learning course which is facilitated by a PDA with a web-based class homepage as a tool for mobile learning; 2) how to increase and enhance interactive activities among and between the students and the faculty members by utilizing a PDA as a tool for communication as well as collaboration. Method: To analyze the results of the m-Learning course, data was collected from interviews with the involved two faculty members and a survey from 27 students. Result: The results showed a positive outcome of the m-Learning approach in terms of a more collaborative learning environment in a clinical course where the students practice their clinical activities out of the classroom, far from their faculty members. On the other hand, the problems of the m-Learning approach were that more thorough preparation was needed for the new tools from both the students and the faculty members in preparation in social, cultural, and mental aspects, not withstanding the assumed technical limits of a PDA. Conclusion: m-Learning must be more actively implemented in classes, even though several problems were noticed in terms of both technical aspects of the tools, and social and cultural aspects from the users.

• 인터넷정보학회논문지
• /
• 제20권5호
• /
• pp.105-111
• /
• 2019

인공지능, 빅데이터, 자율주행 등 4차 산업혁명시대를 이끄는 핵심기술은 컴퓨팅 파워의 급속한 발전과 사물인터넷에 기반한 초연결 네트워크를 통해 구현되고 서비스된다. 본 논문에서는 자율주행을 위한 기본적인 기능으로 다양한 환경에서도 정확하게 주행가능한 영역을 인식하여 추출하는 인공지능 딥러닝 모델들을 구현하고, 그 결과를 비교, 분석한다. 주행가능한 영역을 추출하는 딥러닝 모델은 영상 분할 분야에서 성능이 우수하고 자율주행 연구에서 많이 사용하는 Deep Lab V3+와 Mask R-CNN을 활용하였다. 다양한 환경에서의 주행 정보를 위해 여러 가지 날씨 조건과 주 야간 환경에서의 주행 영상 및 이미지를 제공하는 BDD 데이터셋을 학습데이터로 사용하였다. 활용한 모델들의 실험 결과, DeepLab V3+는 48.97%의 IoU를 보였으며, Mask R-CNN은 68.33%의 IoU로 더 우수한 성능을 보였다. 또한, 구현한 모델로 추출된 주행가능 영역을 이미지에 표시하여 육안으로 검사한 결과, Mask R-CNN은 83%, Deep Lab V3+는 69% 정확도로 Mask R-CNN이 Deep Lab V3+ 보다 주행가능한 영역을 추출하는 분야에서는 더 성능이 높은 것으로 확인하였다.

• 인간행동과 음악연구
• /
• 제3권2호
• /
• pp.1-14
• /
• 2006

본 연구의 목적은 바이올린 교습 중심의 음악치료 활동이 주의력결핍과잉행동장애 아동들의 집중력과 충동성 조절에 변화를 가져오는지 연구하고 그러한 변화가 일상생활에 전이가 되는지 보고자 하는 것이다. 본 연구는 연령대가 비슷하고 종합병원에서 ADHD라고 진단을 받은 초등학교 2학년, 3학년, 4학년을 대상으로 선정하여, 본 연구자가 8주에 걸쳐 14번의 개별 세션과 마지막 회기의 발표회 연주로 총 15회기를 실시하였다. ADHD 아동의 집중력 향상과 충동성 조절의 변화를 살펴보기 위하여 15회 음악치료 활동 전 후에 실시한 대상 아동의 문제행동측정리스트(K-CBCL) 검사도구 중 주의 집중문제 항목, 단축형 Conners 부모용 평정척도(ACRS), 가정환경 설문지 개정판(CHSQ-R), 개정판 Conners 교사 평정척도(CCTRS-28) 검사 도구의 점수를 비교 분석하였다. 또한, 세션 안에서 보이는 '주의산만행동'과 '학습 외 행동'은 빈도수 기록으로 나타내었으며, '학습 외 행동' 중 가만히 있지 못하고 손발을 움직이는 '손발 행동'은 등간 기록법, '주의집중시간'은 지속 시간 기록법으로 표시하였다. 위의 척도들이 가지는 양적인 데이터의 단점을 보완하기 위하여 아동들이 음악활동에서 보여 준 집중력과 충동 조절에 관한 반응을 질적으로 분석하였다. 그 결과 바이올린 교습 중심의 음악치료 실시 후 ADHD 아동의 집중력과 충동성 조절이 향상되었으며 가정이나 학급에서 발생하는 문제 행동 감소에 효과가 있음이 확인되었다. 본 연구는 선행 연구가 빈약한 분야인 바이올린 교습을 치료적으로 적용하여 실제 ADHD 아동을 대상으로 음악치료 활동의 효과를 입증한 점에서 의의가 있다. 즉 기존의 약물치료와 인지행동치료의 제한점으로 인해 모든 ADHD 아동들에게 그러한 치료를 적용할 수 없다는 한계와 현실적인 한국 상황 내 치료 관행을 고려해 볼 때, 바이올린 교습 중심의 음악치료적 접근이 ADHD 아동에 대한 치료적인 대안이 될 수 있음을 시사한다.

• 대한인간공학회지
• /
• 제31권4호
• /
• pp.577-583
• /
• 2012

Objective: This paper describes the process and results related to the development of gesture recognition-based natural user interface(NUI) for vehicle maintenance e-Training system. Background: E-Training refers to education training that acquires and improves the necessary capabilities to perform tasks by using information and communication technology(simulation, 3D virtual reality, and augmented reality), device(PC, tablet, smartphone, and HMD), and environment(wired/wireless internet and cloud computing). Method: Palm movement from depth camera is used as a pointing device, where finger movement is extracted by using OpenCV library as a selection protocol. Results: The proposed NUI allows trainees to control objects, such as cars and engines, on a large screen through gesture recognition. In addition, it includes the learning environment to understand the procedure of either assemble or disassemble certain parts. Conclusion: Future works are related to the implementation of gesture recognition technology for a multiple number of trainees. Application: The results of this interface can be applied not only in e-Training system, but also in other systems, such as digital signage, tangible game, controlling 3D contents, etc.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제7권3호
• /
• pp.861-870
• /
• 2017

본 논문은 R-learning의 연장선에서 교육 환경 내의 소셜 로봇 도입과 함께 소셜 로봇의 역할에 대해 제안한다. 소셜 로봇은 개체 특히, 인간과의 소통과 상호작용을 목적으로 하는 로봇이다. 본 논문에서는 기존의 교육 환경에서 활용되었던 로봇의 역할은 물론, 소셜 로봇의 목적에 걸맞게 교육 환경 구성원과의 상호작용과 소통을 수행하는 역할을 제안한다. 이에 대한 설명을 돕기 위해 소셜 로봇 jibo의 SDK를 활용하여 간략한 가상 시나리오를 구현하여 예시로 보인다. 시나리오는 교육적 환경에서 이용자와의 가벼운 상호작용을 목적으로 제작되었으며, jibo SDK에서 jibo의 외적 반응을 제어하는 animation 파트와 내적인 반응을 제어하는 behaviors 파트를 활용하여 제작되었다. 교육 환경 내의 투입된 소셜 로봇은 구성원과의 상호작용 및 소통과 접목된 여러 기술들을 기반으로 환경 내의 데이터를 보다 효율적으로 수집한다. 결과적으로 이를 통해 교육 환경에 대한 데이터와 정보를 제공받아 교육환경 내의 문제점의 도출, 환경 자체의 발전 및 새로운 교육 환경의 설립에 긍정적 영향을 끼칠 수 있다.

• 한국게임학회 논문지
• /
• 제20권1호
• /
• pp.57-66
• /
• 2020

연구는 MOBA 게임에서 선호도가 낮은 Supporter를 대체하는 인공지능을 강화학습을 이용한 구현을 목표하였다. ML_Agent를 이용해 게임의 규칙, 환경, 관측 정보, 보상 처벌을 구성하였다. DPS 에이전트로 구성된 그룹과, Support 에이전트가 있는 그룹으로 나누어 강화학습을 진행하였다. 결과 데이터인 누적 보상 값, 사망 횟수 바탕으로 결론을 도출하였다. 협력 플레이 그룹이 비교 그룹보다 평균 누적 보상 값이 3.3 더 높게 측정되었으며 사망 횟수 총합 평균은 3.15 낮게 되었다. 이를 바탕으로 죽음을 최소화하고 보상을 최대화하는 협력 플레이를 수행하는 강화학습을 확인할 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권3호
• /
• pp.755-778
• /
• 2024

In recent years, the number of devices being connected to the internet has grown enormously, as has the intrusive behavior in the network. Thus, it is important for intrusion detection systems to report all intrusive behavior. Using deep learning and machine learning algorithms, intrusion detection systems are able to perform well in identifying attacks. However, the concern with these deep learning algorithms is their inability to identify a suitable network based on traffic volume, which requires manual changing of hyperparameters, which consumes a lot of time and effort. So, to address this, this paper offers a solution using the extended compact genetic algorithm for the automatic tuning of the hyperparameters. The novelty in this work comes in the form of modeling the problem of identifying attacks as a multi-objective optimization problem and the usage of linkage learning for solving the optimization problem. The solution is obtained using the feature map-based Convolutional Neural Network that gets encoded into genes, and using the extended compact genetic algorithm the model is optimized for the detection accuracy and latency. The CIC-IDS-2017 and 2018 datasets are used to verify the hypothesis, and the most recent analysis yielded a substantial F1 score of 99.23%. Response time, CPU, and memory consumption evaluations are done to demonstrate the suitability of this model in a fog environment.

• 해양환경안전학회지
• /
• 제29권6호
• /
• pp.536-542
• /
• 2023

인공위성은 최첨단 기술로써 시공간적 관측제약이 적어 해양 사고에 효과적 대응과 해양 변동 특성 분석 등으로 각국의 국가기관들이 위성 정보를 활용하고 있다. 하지만 고해상도 위성 관측 기반 해수면 온도 자료(Operational Sea Surface Temperature and Sea Ice Analysis, OSTIA)는 위성의 기기적, 또는 지리적 오류와 구름으로 인해 낮게 관측되거나 공백으로 처리되며 이를 복원하기까지 수 시간이 소요된다. 본 연구는 최신 딥러닝 기반 알고리즘인 LaMa 기법을 활용하여 결측된 OSTIA 자료를 복원하고, 그 성능을 기존에 이용되어 온 세 가지 영상처리 기법들의 성능과 비교하여 평가하였다. 결정계수(R²)와 평균절대오차(MAE) 값을 이용하여 각 기법의 위성 영상 복원 성능을 평가한 결과, LaMa 알고리즘을 적용하였을 때의 R²과 MAE 값이 각각 0.9 이상, 0.5℃ 이하로, 기존에 사용되어 온 쌍 선형보간법, 쌍삼차보간법, DeepFill v1 기법을 적용한 것보다 더 우수한 성능을 보였다. 향후에는 현업 위성 자료 제공 시스템에 LaMa 기법을 적용하여 그 가능성을 평가해 보고자 한다.

• 한국재난정보학회 논문집
• /
• 제19권3호
• /
• pp.689-697
• /
• 2023

연구목적: 본 연구는 미니트렌칭 공법 적용 과정에서 범용 스마트폰을 이용하여 지중매설물의 정보를 자동 추출하는데 목적이 있다. 연구방법:이미지 학습을 위한 데이터 셋은 주야간, 높이, 각도 등의 다양한 조건에서 수집하였으며, 객체 검지알고리즘은 R-CNN 알고리즘을 이용하였다. 연구결과: 성능평가지표는 정확한 예측과 재현율의 평균을 동시에 고려할 수 있는 F1-Score를 적용하였으며, 학습결과 F1-Score는 0.76으로 나타났다. 결론: 본 연구의 결과는 스마트폰 기반의 지중매설물 정보 추출이 가능한 것으로 나타났으나, 학습데이터의 추가적인 확보와 현장 실증 등을 통해 알고리즘의 정밀성 및 정확성을 향상시킬 필요가 있을 것으로 판단된다.