• KIEAE Journal
• /
• 제17권5호
• /
• pp.95-100
• /
• 2017

Purpose: The purpose of this study is to investigate the prior art based on deep learning to objectively calculate the metabolic rate which is the subjective factor for the PMV optimum control and to make a plan for future research based on this study. Methods: For this purpose, the theoretical and technical review and applicability analysis were conducted through various documents and data both in domestic and foreign. Results: As a result of the prior art research, the machine learning model of artificial neural network and deep learning has been used in various fields such as speech recognition, scene recognition, and image restoration. As a representative case, OpenCV Background Subtraction is a technique to separate backgrounds from objects or people. PASCAL VOC and ILSVRC are surveyed as representative technologies that can recognize people, objects, and backgrounds. Based on the results of previous researches on deep learning based on metabolic rate for occupational metabolic rate, it was found out that basic technology applicable to occupational metabolic rate calculation technology to be developed in future researches. It is considered that the study on the development of the activity quantity calculation model with high accuracy will be done.

• 경영과정보연구
• /
• 제34권1호
• /
• pp.51-63
• /
• 2015

본 연구에서는 교육기능성게임에서 제공하는 실재감이 사용자의 신뢰에 어떻게 영향을 끼치는지를 살펴보고자 하였다. 이를 위해, 실재감을 가상실재감과 사회적 실재감으로 나누어 살펴보았다. 또한, 사용자의 신뢰를 구축하기 위한 선행요건으로 해당 서비스에 대한 신용이 실재감과의 관계를 파악하였다. 마지막으로 교육기능성게임의 신뢰를 목적에 따라 신뢰 요인을 교육에 대한 신뢰와 재미에 대한 신뢰로 나누어 살펴보았다. 이를 위해, 대표적 교육기능성게임으로 영어 교육성게임을 선정하여 대학생을 대상으로 설문을 실시하였다. 연구결과, 교육기능성게임에 대한 실재감이 사용자의 신용에 영향을 끼치는 것으로 나타났으며, 이러한 신용은 사용자의 재미에 대한 신뢰 및 교육에 대한 신뢰에 영향을 주는 것으로 나타났다.

• The Korean Journal of Physiology and Pharmacology
• /
• 제14권5호
• /
• pp.345-352
• /
• 2010

The present study was undertaken to explore the potential of erythropoietin in memory deficits of mice. Memory impairment was produced by scopolamine (0.5 mg/kg, $i.p.$) and intracerebroventricular streptozotocin (i.c.v STZ, 3 mg/kg, $10{\mu}l$, $1^{st}$ and $3^{rd}$ day) in separate groups of animals. Morris water-maze test was employed to assess learning and memory. The levels of brain thio-barbituric acid reactive species (TBARS) and reduced glutathione (GSH) were estimated to assess degree of oxidative stress. Brain acetylcholinesterase enzyme (AChE) activity was also measured. Scopolamine/streptozotocin administration induced significant impairment of learning and memory in mice as indicated by marked decrease in Morris water-maze performance. Scopolamine/streptozotocin administration also produced a significant enhancement of brain AChE activity and brain oxidative stress (an increase in TBARS and a decrease in GSH) levels. Treatment of erythropoietin (500 and 1,000 IU/Kg i.p.) significantly reversed scopolamine- as well as streptozotocin-induced learning and memory deficits along with attenuation of those-induced rise in brain AChE activity and brain oxidative stress levels. It may be concluded that erythropoietin exerts a beneficial effect in memory deficits of mice possibly through its multiple actions including potential anti-oxidative effect.

• 한국통신학회논문지
• /
• 제30권6C호
• /
• pp.490-496
• /
• 2005

본 논문에서는 퍼지 추론 시스템의 추론 정보를 이용하여 자율적으로 구조를 결정하는 클러스터링 기법을 제안한다. 제안된 기법은 주어진 입출력 데이터를 이용하여 자율적으로 클러스터의 수를 추정하고 동시에 이들 파라미터를 최적화한다. 일반적인 클러스터링 기법에서 볼 수 있었던 비교사학습을 교사학습으로 확장하여 클러스터 추정에 입출력 인과 관계를 고려한 학습을 실시하게 하여 전체 모델의 성능을 개선하고자 하였다. 출력 정보가 입력공간에서 클러스터링 학습에 적용됨으로써 클러스터링에서의 각 클래스의 구분 작업이 더 원활하게 이루어 질 수 있다. 모의실험을 통하여 기존의 연구 결과와 비교하여 제안된 기법의 유용성을 보인다.

• 한국측량학회지
• /
• 제38권5호
• /
• pp.407-414
• /
• 2020

SVM (Support vector machine) analysis was performed after applying a deep learning technique based on an Inception-based model (GoogLeNet). The accuracy of automatic image classification was analyzed using an SVM with multiple virtual grid sizes. Six classes were selected from a standard land cover map. Cars were added as a separate item to increase the classification accuracy of roads. The virtual grid size was 2-5 m for natural areas, 5-10 m for traffic areas, and 10-15 m for building areas, based on the size of items and the resolution of input images. The results demonstrate that automatic classification accuracy can be increased by adopting an integrated approach that utilizes weighted virtual grid sizes for different classes.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 춘계학술대회
• /
• pp.867-870
• /
• 2014

현재 수많은 대학 및 각종 교육기관에서의 e-learning 교육 시스템이 실행되고 있다. 또한 그 필요성이 대두되고 있다. 하지만 기존 e-learning 시스템은 많은 문제를 가지고 있다. 우선 이론 중심 교육방법이 각 대학 및 교육기관들이 e-learning 시스템을 도입하기에 가장 큰 걸림돌이 되고 있다. 또한 학생들의 참여를 유도 할 수 없는 단방향의 강의가 문제이다. 본 논문에서는 이러한 이론중심 및 단방향 강의 시스템을 극복하고자 실습 형 프로그래밍 언어 e-learning 콘텐츠를 개발할 것이다. 소켓통신과 멀티스레드를 이용하여 웹 브라우저 환경에서 서버 측 컴파일러를 통해 클라이언트 측에 별도로 프로그램 설치 및 환경 설치 없이 환경 제약이 없는 학습이 가능하다. 실습 형 콘텐츠는 프로그래밍 언어를 학습자로 하여금 직접 클라이언트 측 웹 브라우저에서 소스 코드를 입력하여 강의를 이끌어가는 방식이다. 학습자가 입력한 소스 코드에 대한 컴파일은 서버 측 컴파일러에서 실행하여 결과를 학습자에게 제공한다. 때문에 실습 형 e-learning 콘텐츠는 향후 e-learning 시스템 발전에 큰 기여를 할 것이다.

• 융합보안논문지
• /
• 제22권3호
• /
• pp.25-32
• /
• 2022

최근 이미지 인식 및 탐지 분야에 딥러닝 기반의 기술이 도입되면서 영상 처리 산업이 활성화되고 있다. 딥러닝 기술의 발전과 함께 적대적 공격에 대한 학습 모델 취약점이 계속해서 보고되고 있지만, 학습 시점에 악의적인 데이터를 주입하는 포이즈닝 공격의 대응 방안에 대한 연구가 미흡한 실정이다. 종래 포이즈닝 공격의 대응 방안은 매번 학습 데이터를 검사하여 별도의 탐지 및 제거 작업을 수행해야 한다는 한계가 있었다. 따라서, 본 논문에서는 포이즌 데이터에 대해 별도의 탐지 및 제거과정 없이 학습 데이터와 추론 데이터에 약간의 변형을 가함으로써 공격 성공률을 저하시키는 기법을 제안한다. 선행연구에서 제안된 클린 라벨 포이즌 공격인 원샷킬 포이즌 공격을 공격 모델로 활용하였고, 공격자의 공격 전략에 따라 일반 공격자와 지능형 공격자로 나누어 공격 성능을 확인하였다. 실험 결과에 따르면 제안하는 방어 메커니즘을 적용하면 종래 방법 대비 최대 65%의 공격 성공률을 저하시킬 수 있었다.

• 한국간호교육학회지
• /
• 제7권1호
• /
• pp.94-112
• /
• 2001

The main purpose of this study was to investigate the effectiveness of a standardized patients managed instruction program for a fundamentals of nursing. The standardized patients managed instruction was evaluated by using a quasi-experimental, nonequivalent control group posttest design with two separate classes of sophomore students attending fundamentals of nursing classes at one baccaleureate nursing school in Korea. Control group was taught by traditional lecture/model instruction and experimental group was taught by standardized patient managed instruction. Data were collected from December, 1999 to July, 2000 using checklist developed by researcher on following areas; clinical nursing performance, communication skills, and learning motivation. There were 36 students in the experimental group and 40 students in the control group. Data analysis was done using SPSS WINDOW. The results were summarized as follows ; 1. Clinical nursing performances were evaluated by change position, back care and hot bag apply. The total score was statistically significant higher in the experimental group than the control group(t=3.325, p=.000). Thus hypothesis 1 was supported. 2. Communication skill was evaluated by professional attitude and ability to explain to patients. There was a statistically significant difference between the experimental group and the control group (t=4.232, p=.000). Thus hypothesis 2 was supported. 3. Learning motivation was evaluated by self-reported questionnaires. There was statistically a significant difference between the experimental group and the control group(t=3.024, p=.004). Thus hypothesis 3 was supported. In conclusion, this study suggests that standardized patients managed instruction is an effective learning method to nursing students. By utilizing a standardized patient managed instruction, learning can proceed in a more relaxed environment and reduce the risks to patients because student inexperience are avoided. It is recommended to develop more standardized patients cases for wider areas of nursing educational and evaluate the program with more students using logitudinal method.

• 한국항행학회논문지
• /
• 제21권4호
• /
• pp.365-370
• /
• 2017

본 연구는 전력수요 패턴이 다른 평일과 특수일 데이터가 가지는 상관관계를 분석하여, 별도의 데이터 셋을 구축하고, 각 데이터 셋에 적합한 딥 러닝 네트워크를 이용하여, 전력수요예측 오차를 감소하는 방안을 제시하였다. 또한, 기본적인 전력수요 예측요소인 기상요소에 환경요소, 구분요소 등 다양한 예측요소를 추가하여 예측율을 향상하는 방안을 제시하였다. 전체데이터는 시계열 데이터 학습에 적합한 LSTM을 이용하여 전력수요예측을 하였으며, 특수일 데이터는 DNN을 이용하여 전력수요예측을 하였다. 실험결과 기상요소 이외의 예측요소 추가를 통해 예측율이 향상되었다. 전체 데이터 셋의 평균 RMSE는 LSTM이 0.2597이며, DNN이 0.5474로 LSTM이 우수한 예측율을 보였다. 특수일 데이터 셋의 평균 RMSE는 0.2201로 DNN이 LSTM보다 우수한 예측율을 보였다. 또한, 전체 데이터 셋의 LSTM의 MAPE는 2.74 %이며, 특수 일의 MAPE는 3.07 %를 나타냈다.

• 인터넷정보학회논문지
• /
• 제16권3호
• /
• pp.33-41
• /
• 2015

본 논문에서는 디지털논리회로의 설계에 있어 필수적인 카르노 맵 간략화 과정을 교육용 자바 애플릿의 형태로 구현하였다. 학습자는 구현된 자바 애플릿으로부터 흥미로운 학습을 경험할 수 있으며, 자바 애플릿 설계과정에서 교육공학적인 요소를 단계별로 고려하였기 때문에 학습 효율의 극대화가 가능하다. 학습자는 구현된 자바 애플릿으로부터 디지털 논리회로의 간략화 과정을 마우스로 버튼을 클릭하거나 텍스트를 채워가면서 웹상에서 가상실험을 진행한다. 또한, 간략화 과정에서 발생되는 논리식과 논리회로도는 학습자가 효율적으로 학습할 수 있도록 서로 다른 프레임으로 구성하였으며, 학습자가 구성한 논리회로도가 올바르게 구성되었는지 확인할 수 있도록 하였다. 마지막으로 본 논문에서는 수정된 Quine-McCluskey 간략화 기법에 기초하여 자바 애플릿을 구현하였기 때문에 오프라인 교육의 보조도구로서 사용된다면 학습효율의 향상에 기여할 수 있다는 것을 입증하였다.