• 전자공학회논문지SC
• /
• 제38권4호
• /
• pp.31-36
• /
• 2001

본 논문에서는 근육의 움직임에 의해 유발되는 전기적 선호인 근전도(EMG) 신호를 신경회로망을 통해 분류하여 인체의 움직임을 파악하는 방법을 제안한다. 신호분류를 위한 신경회로망으로 학습에 의해 스스로 출력뉴런을 구성하는 SOM을 사용하였으며， 기존의 방식과 다르게 전처리 과정 없이 신호자세를 SOM의 입력으로 사용하여 패턴을 분류하는 간단한 방식이다. 실험과 시뮬레이션을 통해 제안한 방식의 유용성을 확인하였다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2011년도 동계학술대회
• /
• pp.233-240
• /
• 2011

소셜 미디어 (Social Media)는 사람들이 자신의 생각과 의견, 경험, 관점 등을 서로 공유하고 참여하기 위해 사용하는 개방화된 온라인 툴과 미디어 플랫폼으로서 소비와 생산의 일반적인 흐름이 동작하지 않으며, 양방향성을 활용하여 사람들이 참여하고 정보를 공유하며 사용자들이 만들어 나간다. 이런 소셜 미디어에는 블로그(Blog), 소셜 네트워킹서비스(Social Networking Service, SNS), 위키(Wiki), 손수제작물(UCC), 마이크로 블로그(Micro Blog) 5가지가 있다. 소셜 러닝은 넓게는 사람들이 소셜 미디어를 통해 서로 협업과 집단지성을 나누며 스스로 학습하는 것으로 좁게는 소셜 미디어를 통한 학습이라고 정의할 수 있다. 본 논문에서는 소셜 미디어와 Social Learning에 대해 자세히 알아보고 초등학교에서 어떻게 활용할 수 있는지 연구하였다.

• 디자인학연구
• /
• 제20권2호
• /
• pp.103-116
• /
• 2007

Art education in design has repeatedly stressed the importance of developing creativity. In the digital period, however, which shows rapid change in both forms and contents, it needs to be equipped with more flexible and systematic ways of approaching to the creativity development, especially involved with cultural diversity of the digital world. This paper primarily proposes a maximally efficient, productive creativity learning program in which the integration of expressive media and communication generates a comprehensive network of communicative information in the development of digital technologies, which, consequently, brings forth valuable cultural contents of art. The amalgamation of Won (2006)'s Prism Effect, with distinctive three devices, and the facilitator factors, with two different facilitators such as self-controlled and controlled plays, would function as a catalyst for cultural diversity in the digital forms and contents of art. And this will, consequently, result in producing a number of practices that can be classified and assorted for a later performance. This paper thus suggests a roadmap of how to develop the creativity learning program in which two categories of facilitators based on three thinking devices function to classify four activities. In addition, selected activities are shaped as a creativity learning program by generating learning practices with the formalizing instructional strategy that fit into a specialized educational environment and learners. The samples of loaming practice design show guidelines for practice and the results of learning activity. Therefore, the eventual goal of this paper would be to establish a creativity learning program that constitutes a highly systematized and modularized database to maximize the efficiency and productivity of the creativity development.

• 한국해양공학회:학술대회논문집
• /
• 한국해양공학회 2006년 창립20주년기념 정기학술대회 및 국제워크샵
• /
• pp.298-302
• /
• 2006

As the age of information technology is coming, companies stress the need of knowledge management. Companies construct ERP system including knowledge management. But, it is not easy to formalize knowledge in organization. we focused on data mining system by using genetic programming. But, we don't have enough data to perform the learning process of genetic programming. We have to reduce input parameter(s) or increase number of learning or training data. In order to do this, the enhanced data mining system by using GP combined with SOM(Self organizing map) is adopted in this paper. We can reduce the number of learning data by adopting SOM.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권8호
• /
• pp.2993-3010
• /
• 2021

The job shop scheduling problem (JSSP) plays a critical role in smart manufacturing, an effective JSSP scheduler could save time cost and increase productivity. Conventional methods are very time-consumption and cannot deal with complicated JSSP instances as it uses one optimal algorithm to solve JSSP. This paper proposes an effective scheduler based on deep learning technology named self-supervised long-short term memory (SS-LSTM) to handle complex JSSP accurately. First, using the optimal method to generate sufficient training samples in small-scale JSSP. SS-LSTM is then applied to extract rich feature representations from generated training samples and decide the next action. In the proposed SS-LSTM, two channels are employed to reflect the full production statues. Specifically, the detailed-level channel records 18 detailed product information while the system-level channel reflects the type of whole system states identified by the k-means algorithm. Moreover, adopting a self-supervised mechanism with LSTM autoencoder to keep high feature extraction capacity simultaneously ensuring the reliable feature representative ability. The authors implemented, trained, and compared the proposed method with the other leading learning-based methods on some complicated JSSP instances. The experimental results have confirmed the effectiveness and priority of the proposed method for solving complex JSSP instances in terms of make-span.

• 디지털융복합연구
• /
• 제11권6호
• /
• pp.151-157
• /
• 2013

본 연구는 사용자 스스로 자신이 원하는 운동자세의 기준을 설정하고 설정된 기준 자세와 자신의 자세를 비교할 수 있게 하며, 자신의 자세에 대한 평가를 스스로 가능하게 하여 자기 주도 학습을 통해 자신의 운동자세를 능동적으로 익힐 수 있게 하는 운동자세 트레이닝 시스템이다. 이 시스템은 사용자의 운동자세를 촬영하여 사용자 운동자세 동영상 데이터를 생성하는 카메라부 사용자 운동자세 동영상 데이터 및 사용자 운동자세 동영상과 비교하기 위한 비교 대상 자세 동영상 데이터를 저장하며, 사용자 입력에 따라 사용자 운동자세 동영상 데이터 및 비교 대상 자세 동영상 데이터를 동시에 재생할 수 있는 비교 화면을 제공하는 운동자세 트레이닝 서버; 및 운동자세 트레이닝 서버와 네트워크를 통해 연결되며, 사용자 입력을 상기 운동자세 트레이닝 서버로 전달하고, 운동자세 트레이닝 서버에서 제공하는 비교 화면을 제공받아 디스플레이하는 사용자 단말을 포함한다.

• 한국콘텐츠학회논문지
• /
• 제10권3호
• /
• pp.72-79
• /
• 2010

전자 출결 시스템(Electronic attendance-absence recording system)은 오프라인의 교실 수업 방식에 있어서 혼합 학습(Blended learning)을 위한 중요한 강의 지원 시스템 가운데 하나이다. 그러나 기존의 스마트카드 기반의 전자 출결 시스템은 카드 소유자의 실제 본인 유무를 파악하는 것은 불가능하다. 따라서 본 논문에서는 개인의 얼굴 정보를 자기조직화 신경회로망으로 인식하여 자동으로 해당 교과목의 출석상황을 관리하는 클라이언트-서버 시스템을 개발한다. 클라이언트 시스템은 얼굴 특징추출에 의한 식별파일을 생성하고, 서버 시스템에서는 클라이언트 시스템에서 전송된 식별 파일(ID file)을 분석하여 데이터베이스에 저장된 해당 교과목의 인식 가중치 파일(Recognized weight file)를 이용하여 학생 식별을 수행한다. 본 논문에서 제안하는 얼굴 인식 기반의 출결 관리 시스템은 실제 학급의 다양한 얼굴 영상을 이용하여 CS 환경에서 실험한 결과 92% 이상의 유효성을 보였다.

• 전자공학회논문지CI
• /
• 제41권3호
• /
• pp.55-65
• /
• 2004

신경회로망을 이용하여 주어진 문제를 해결할 때, 문제의 복잡도에 맞는 구조를 찾는 것이 중요하다. 이것은 신경회로망의 복잡도가 학습능력과 일반화 성능에 크게 영향을 주기 때문이다. 그러므로, 문제에 적합한 신경회로망의 구조를 자기 구성적으로 찾는 알고리즘이 유용하다. 본 논문에서는 시그모이드 활성함수를 가지는 전방향 다층 신경회로망에 대하여 주어진 문제에 맞는 구조를 결정하는 알고리즘을 제안한다. 개발된 알고리즘은 구조증가 알고리즘과 연결소거 알고리즘을 이용하여, 주어진 학습 데이터에 대해 가능한 한 작은 구조를 가지며 일반화 성능이 좋은 최적에 가까운 신경회로망을 찾는다. 네 가지 함수 근사화 문제에 적용하여 알고리즘의 성능을 알아본다. 실험 결과에서, 제안한 알고리즘이 기존의 알고리즘 및 고정구조를 갖는 신경회로망과 비교하였을 때 최적 구조에 가까운 신경회로망을 구성하는 것을 확인한다.

• 한국지능시스템학회논문지
• /
• 제7권4호
• /
• pp.74-81
• /
• 1997

본 논문에서는 시그모이드 함수와 방사형 기저 함수 모두를 생성시킬 수 있는 특별한 은닉층 노드를 갖는 투영신경회로망에 대하여 알아롭고 그것을 훈련시키기 위한 진화 학습 기법을 제시한다. 제시된 기법은 신경회로망의 매개변수와 연결 가충치뿐만 아니라, 어떤 목적함수를 나타내기 위한 최적의 은닉층 노드개수 또한 구조 최적화를 위한 진화연산자를 통해 찾아낸다. 각각의 은닉층 노드의 역할은 진화를 거듭하면서 방사형 기저 함수를 나타낼지 시그모이드 함수를 나타낼지 결정된다. 알고리즘을 구현하기 위해서 투영신경회로망은 연결 고리 리스트 자료구조로 나타내었다. 모의 실험에서 기존으 오차역전파에 의한 학습과 구조 성장 방식보다 적은 노드로 투영신경회로망을 훈련시킬 수 있음을 볼수 있다.

• International Journal of Advanced Culture Technology
• /
• 제12권1호
• /
• pp.242-248
• /
• 2024

Contemporary societal and environmental transformations coincide with the emergence of novel mental health challenges. anxiety disorder, a chronic and highly debilitating illness, presents with diverse clinical manifestations. Epidemiological investigations indicate a global prevalence of 5%, with an additional 10% exhibiting subclinical symptoms. Notably, 9% of adolescents demonstrate clinical features. Untreated, anxiety disorder exerts profound detrimental effects on individuals, families, and the broader community. Therefore, it is very meaningful to predict anxiety disorder through machine learning algorithm analysis model. The main research content of this paper is the analysis of the prediction model of anxiety disorder by machine learning algorithms. The research purpose of machine learning algorithms is to use computers to simulate human learning activities. It is a method to locate existing knowledge, acquire new knowledge, continuously improve performance, and achieve self-improvement by learning computers. This article analyzes the relevant theories and characteristics of machine learning algorithms and integrates them into anxiety disorder prediction analysis. The final results of the study show that the AUC of the artificial neural network model is the largest, reaching 0.8255, indicating that it is better than the other two models in prediction accuracy. In terms of running time, the time of the three models is less than 1 second, which is within the acceptable range.