• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권5호
• /
• pp.363-369
• /
• 2010

데모-기반 학습은 사용자가 직접 작업을 시연함으로써 로봇에게 쉽게 새로운 작업지식을 가르칠 수 있다는 장점이 있다. 하지만 기존의 많은 데모-기반 학습법들은 상태공간과 정책들을 표현하기 위해 속성-값 벡터 모델을 이용하였다. 속성-값 벡터 모델의 제한성으로 인해, 이들은 학습과정의 효율성도 낮고 학습된 정책의 재사용성도 낮았다. 본 논문에서는 기존의 속성-값 모델 대신 관계적 모델을 이용하는 새로운 데모-기반 작업 학습법을 제안한다. 이 방법에서는 사용자 데모 기록에서 추출한 훈련 예들에 관계적 개체-기반 학습법을 적용함으로써, 동일 작업영역내의 다른 유사한 작업들에도 활용하기 용이한 관계적 개체-기반 정책을 유도한다. 이 관계적 정책은 (상태, 목표) 쌍으로 표현되는 임의의 한 상황에 대해 이것에 대응하는 하나의 실행동작을 결정해주는 역할을 한다. 본 논문에서는 데모-기반 관계적 정책 학습법에 대해 자세히 소개한 후, 로봇 시뮬레이터를 이용한 실험을 통해 이 학습법의 효과를 분석해본다.

• 생물정신의학
• /
• 제27권1호
• /
• pp.18-26
• /
• 2020

Objectives The aim was to find effective vectorization and classification models to predict a psychiatric diagnosis from text-based medical records. Methods Electronic medical records (n = 494) of present illness were collected retrospectively in inpatient admission notes with three diagnoses of major depressive disorder, type 1 bipolar disorder, and schizophrenia. Data were split into 400 training data and 94 independent validation data. Data were vectorized by two different models such as term frequency-inverse document frequency (TF-IDF) and Doc2vec. Machine learning models for classification including stochastic gradient descent, logistic regression, support vector classification, and deep learning (DL) were applied to predict three psychiatric diagnoses. Five-fold cross-validation was used to find an effective model. Metrics such as accuracy, precision, recall, and F1-score were measured for comparison between the models. Results Five-fold cross-validation in training data showed DL model with Doc2vec was the most effective model to predict the diagnosis (accuracy = 0.87, F1-score = 0.87). However, these metrics have been reduced in independent test data set with final working DL models (accuracy = 0.79, F1-score = 0.79), while the model of logistic regression and support vector machine with Doc2vec showed slightly better performance (accuracy = 0.80, F1-score = 0.80) than the DL models with Doc2vec and others with TF-IDF. Conclusions The current results suggest that the vectorization may have more impact on the performance of classification than the machine learning model. However, data set had a number of limitations including small sample size, imbalance among the category, and its generalizability. With this regard, the need for research with multi-sites and large samples is suggested to improve the machine learning models.

• 문화기술의 융합
• /
• 제9권3호
• /
• pp.647-654
• /
• 2023

딥러닝은 이미지, 텍스트와 같이 복잡한 데이터를 분류 및 인식하는데 유용한 방법으로 딥러닝 기법의 정확도는 딥러닝이 인터넷상의 AI 기반의 서비스를 유용하게 하는데 기초가 되었다. 그러나 딥러닝에서 훈련에 사용되는 방대한 양의 사용자 데이터는 사생활 침해 문제를 야기하였고 사진이나 보이스와 같이 사용자이 개인적이고 민감한 데이터를 수집한 기업들이 데이터들을 무기한으로 소유한다. 사용자들은 자신의 데이터를 삭제할 수 없고 사용되는 목적도 제한할 수 없다. 예를 들면, 환자 진료기록에 대한 딥러닝 기술을 적용하기 원하는 의료기관들과 같은 데이터소유자들은 사생활과 기밀유지 문제로 환자의 데이터를 공유할 수 없고 딥러닝 기술의 혜택을 받기 어렵다. 우리는 멀티 파티 시스템에서 다수의 작업자들이 입력 데이터집합을 공유하지 않고 신경망 모델을 공동으로 사용할 수 있는 프라이버시 보존 기술을 적용한 딥러닝 방법을 설계한다. 변형된 확률적 경사 하강에 기초한 최적화 알고리즘을 이용하여 하위 집합을 선택적으로 공유할 수 있는 방법을 이용하였고 결과적으로 개인정보를 보호하면서 학습 정확도를 증가시킨 학습을 할 수 있도록 하였다.

• 한국컴퓨터정보학회논문지
• /
• 제21권5호
• /
• pp.91-98
• /
• 2016

We propose a method to train a model that can predict the probability of a crime being committed. CCTV data by matching criminal events are required to train the crime prediction model. However, collecting CCTV data appropriate for training is difficult. Thus, we collected actual criminal records and converted them to an appropriate format using variables by considering a crime prediction environment and the availability of real-time data collection from CCTV. In addition, we identified new specific crime types according to the characteristics of criminal events and trained and tested the prediction model by applying neural network partial least squares for each crime type. Results show a level of predictive accuracy sufficiently significant to demonstrate the applicability of CCTV to real-time crime prediction.

• 한국기록관리학회지
• /
• 제11권2호
• /
• pp.165-188
• /
• 2011

본 논문은 교사와 학생을 대상으로 제공하는 교육용 기록정보콘텐츠를 개발하는데 있어 핵심적인 단계인 교육과정 분석과 컬렉션 분석의 방법을 제시하고 이 방법에 따라 교육용 기록정보콘텐츠의 예시를 설계하였다. 본 논문은 고등학교 수업에서 통일 교육의 교재로 활용할 수 있는 교육용 기록정보콘텐츠를 설계함으로써 앞서 제안한 교육과정 분석과 컬렉션 분석의 적용 가능성을 검증해보고, 교육과정과 연계되어 활용할 수 있는 교육용 기록정보콘텐츠의 모델을 제시하고자 하였다.

• 한국기록관리학회지
• /
• 제22권1호
• /
• pp.43-59
• /
• 2022

전자적으로 생산된 공공기록물은 생산과 동시에 편철되고 보존기간이 부여되며 일정기간이 지나면 영구기록물관리기관으로 이관되어 보존된다. 이관 시 기록물관리 담당자가 기록물 분류정보를 확인하고 품질을 일정 수준으로 유지토록 해야 하지만, 이관된 기록물의 분류는 기록물 정리/기술 업무로 편성되어 있고, 대부분의 정리/기술 업무는 수작업에 의존하고 있어 당해 연도에 처리해야 할 기록물 수량을 맞추기 어려운 실정이다. 이에 본 연구는 이관 기록물 분류 업무의 효율화와 일관된 기준을 유지하기 위한 방안을 제안하고자 한다. 이를 위해 먼저 국가기록원에서 수행하고 있는 현행의 기록분류 업무 프로세스를 분석하고 개선 요구사항을 수렴하여 분류 업무의 수작업을 최소화하기 위한 방안으로 이관된 기록물의 편철 정보, 즉 목록에 기반한 분류 이상치 후보를 판별하는 과정을 도출·체계화하였다. 나아가 제안한 이상치 판별 프로세스를 실제 국가기록원으로 이관된 기록물을 대상으로 적용하고, 그 결과를 규격화하여 추후 기계학습에 활용 가능한 학습데이터 형식으로 구축하였다. 본 연구의 궁극적인 목적은 지능형 전자기록 관리 환경 구축을 위한 사전 단계로, 기록관리 업무 내 기계학습 기법이 적용 가능한 문제 유형을 선별하고 자동화하는 방안을 모색하고자 한다.

• 한국방사선학회논문지
• /
• 제10권8호
• /
• pp.637-643
• /
• 2016

최근 인공지능에 대중의 관심으로 인해, 인공신경망을 사용한 의료영상 처리가 학계와 산업계에서 관심이 커져가고 있다. 딥러닝을 이용한 컨볼루션 신경망은 영상을 효과적으로 표현할 수 있는 것으로 증명되었다. 그러나 학습을 위해서는 고성능 H/W 플랫폼이 요구된다. 따라서 고차원의 많은 학습 샘플을 저사양 H/W 플랫폼에서 학습하는 것은 매우 도전적인 문제이다. 본 논문에서는 온라인 인공 신경망을 사용해 라즈베리파이에서 동작할 수 있는 실시간 신경망 알고리즘을 제안하고자 한다. 다양한 실험 결과를 통해 제안된 방법은 실시간 학습이 가능함을 보여주었다.

• 한국초등과학교육학회지:초등과학교육
• /
• 제39권3호
• /
• pp.307-322
• /
• 2020

This study analyzed the effects of 'app-based learning of observing and recording living things' on elementary school students' science-related attitudes. Samples of the study were composed of 24 sixth-grade students attending the science club of N elementary school in Seoul, Korea. The learning was conducted for 12 times over 7 months. 'TOSRA(Test of science-related attitude)' was used to quantitatively analyze the science-related attitudes of elementary school students. To find out more detailed characteristics, records of interview were also gathered and analyzed. The main results of this study are as follows. First, for the paired t-test of science-related attitudes, a statistically significant difference between the pre and post was found. As results of the interview, it was revealed that 'experiences of outdoor activities' greatly influenced the increase of science-related attitudes of the students. Second, in ANCOVA, according to 'gender' there was no statistically significant difference in score of science-related attitudes. But, there was statistically significant difference in science-related attitudes according to 'preferred science subjects' and 'whether individual interest has occurred about observing and recording living'. Based on the results of this study, implications for research of elementary biology education are discussed.

• Journal of Electrical Engineering and Technology
• /
• 제13권5호
• /
• pp.2107-2115
• /
• 2018

Over recent years, high-concentration of particulate matters (e.g., a.k.a. fine dust) in South Korea has increasingly evoked considerable concerns about public health. It is intractable to track and report $PM_{10}$ measurements to the public on a real-time basis. Even worse, such records merely amount to averaged particulate concentration at particular regions. Under this circumstance, people are prone to being at risk at rapidly dispersing air pollution. To address this challenge, we attempt to build a predictive model via deep learning to the concentration of particulates ($PM_{10}$). The proposed method learns a binary decision rule on the basis of video sequences to predict whether the level of particulates ($PM_{10}$) in real time is harmful (>$80{\mu}g/m^3$) or not. To our best knowledge, no vision-based $PM_{10}$ measurement method has been proposed in atmosphere research. In experimental studies, the proposed model is found to outperform other existing algorithms in virtue of convolutional deep learning networks. In this regard, we suppose this vision based-predictive model has lucrative potentials to handle with upcoming challenges related to particulate measurement.

• 한국초등과학교육학회지:초등과학교육
• /
• 제34권2호
• /
• pp.252-263
• /
• 2015

This study analyzed the effects of science outdoor activity applying a Brain-Based Evolutionary (ABC-DEF) approach on elementary school students' interest and academic achievement. Samples of the study were composed of 3 classes of 67 sixth graders in Seoul, Korea. Unit of 'Ecosystem and Environment' was selected as a object of the research. Textbook- and teachers' guidebook-based instruction was implemented in comparison group, brain-based evolutionary approach within classroom in experimental group A, and science outdoor learning by a brain-based evolutionary approach in experimental group B. In order to analyze the quantitative differences of students' interests and achievements, three tests of 'General Science Attitudes', 'Applied Unit-Related Interests', and 'Applied Unit-Related Achievement' were administered to the students. To find out the characteristics which would not be apparently revealed by quantitative tests, qualitative data such as portfolios, daily records of classroom work, and interview were also analyzed. The major results of the study are as follows. First, for post-test of interest, a statistically significant difference between comparison group and experimental group B was found. Especially, the 'interests about biology learning' factor, when analyzed by each item, was significant in two questions. Results of interviews the students showed that whether the presence or absence of outdoor learning experience influenced most on their interests about the topic. Second, for post-test of achievement, the difference among 3 groups according to high, middle, and low levels of post-interest was not statistically significant, but the groups of higher scores in post-interest tends to have higher scores in post-achievement. It can be inferred that outdoor learning by a brain-based evolutionary approach increases students' situational interests about leaning topic. On the basis of the results, the implications for the research in science education and the teaching and learning in school are discussed.