• International Journal of Advanced Culture Technology
• /
• 제7권2호
• /
• pp.60-66
• /
• 2019

The purpose of this study was to compare the effect of educational smartphone app with the effect of learning using conventional paper material. We developed an educational app for nursing students to learn how to read blood pressure and how to take a pulse. Evaluated was the effect of the app-based education by measuring the short term memory (right after the education), the long term memory (a week later) and the satisfaction. 25 college nursing students participated for the experiment group using the app-based education and 25 for the control group using paper-based education. We applied for statistical analysis Fisher's exact test and Independent t-test. The satisfaction of the app user's appeared significantly higher than that of the paper material user's (t=2.322, p=0.024). The short term memory score was 0.23 points higher in the experimental group (6.46 points) than in the control group (6.23 points), which was not statistically significant (t =0.422, p =0.675). Similar result came for the long term memory (t=1.006, p=0.320). After adjusting for the effect of a college grade using ANCOVA, the effect on memory was significantly higher in the experiment group. There might be differences in learning ability between the experimental and the control groups.

• 인지과학
• /
• 제23권2호
• /
• pp.225-248
• /
• 2012

시각단기재인 과정에 대한 유사성 합산 모형은 단기기억에 저장된 기억 표상들과 재인검사 자극간 유사성의 합산치가 재인의사결정을 좌우한다고 제안한다[1]. 본 연구는 수직 공간주파수를 달리하는 두 Gabor 자극에 대한 공간주파수 재인 과제에서 과제와 무관한 기억자극의 위치 정보가 재인 반응에 미치는 영향을 조사하였다. 실험의 매 시행에서 참가자는 시야 좌우에 제시된 서로 다른 두 Gabor 자극의 공간주파수를 기억하고 약 1초 뒤에 제시된 재인검사 자극과의 동일성 여부를 보고하였다. 재인검사 자극은 기억 항목과 동일하거나 기억된 항목을 기준으로 공간주파수 차원에서 1 또는 4 최소식별단위 만큼 표적과 유사한 미끼자극이었다. 또한 재인검사항목이 제시되는 위치는 재인이 요구된 기억항목의 위치를 기준으로 동일하거나 혹은 반대편 시야 위치에 제시되었으며, 참가자는 검사자극의 위치변화를 무시하고 공간주파수 차원의 재인 반응만을 요구받았다. 실험 결과 미끼자극에 대한 오인반응(false recognition)은 기억항목과 미끼자극 간 유사성 합산치가 커짐에 따라 증가했다. 아울러 과제와는 무관하게 검사항목의 위치 변화가 있었던 조건의 경우 없었던 조건에 비해 이러한 오인 반응의 빈도가 감소한 것으로 나타났다. 과제 무관련 위치 변화에 의한 미끼자극에 대한 오인 반응의 감소는 재인과제의 요구와는 관계없이 무관련 세부특징이 과제 관련 세부특징에 대한 재인 반응에 영향을 미칠 수 있음을 보여주며, 시각단기기억에 저장되는 정보가 세부특징들의 독립적 표상이 아닌 세부특징 간 공고한 결합에 의해 표상될 가능성을 시사한다.

• Communications for Statistical Applications and Methods
• /
• 제26권5호
• /
• pp.497-506
• /
• 2019

Forecasting the U.S. employment level is made using machine learning methods of the artificial neural network: deep neural network, long short term memory (LSTM), gated recurrent unit (GRU). We consider the big data of the federal reserve economic data among which 105 important macroeconomic variables chosen by McCracken and Ng (Journal of Business and Economic Statistics, 34, 574-589, 2016) are considered as predictors. We investigate the influence of the two statistical issues of the dimension reduction and time series differencing on the machine learning forecast. An out-of-sample forecast comparison shows that (LSTM, GRU) with differencing performs better than the autoregressive model and the dimension reduction improves long-term forecasts and some short-term forecasts.

• 한국식품영양과학회지
• /
• 제39권3호
• /
• pp.376-382
• /
• 2010

본 연구는 BF-7이 어린이의 장기 및 단기 기억을 현저하게 촉진시킴을 보여주었다. 기존 임상 시험 결과를 통해 입증된 바와 같이 천연 소재인 BF-7의 안전성을 고려할 때, BF-7은 어린이 장기 및 단기 기억력, 기억유지도 및 기억의 효과적 활용 등 전반적인 기억 수행 능력 향상에 도움을 주는 매우 안전하면서 효과가 탁월한 천연소재임을 확인하였다.

• 한국음향학회지
• /
• 제39권2호
• /
• pp.137-142
• /
• 2020

문장 종속 짧은 발화에서 문장 독립 긴 발화까지 다양한 환경에서 I-vector 특징에 기반을 둔 많은 연구가 수행되었다. 본 논문에서는 원거리 잡음 환경에서 녹음한 데이터에서 Probabilistic Linear Discriminant Analysis(PLDA)를 적용한 I-vector와 주의 집중 기법을 접목한 Long Short Term Memory(LSTM) 기반의 화자 임베딩을 추출하여 결합한 화자 검증 알고리즘을 소개한다. LSTM 모델의 Equal Error Rate(EER)이 15.52 %, Attention-LSTM 모델이 8.46 %로 7.06 % 성능이 향상되었다. 이로써 본 논문에서 제안한 기법이 임베딩을 휴리스틱 하게 정의하여 사용하는 기존 추출방법의 문제점을 해결할 수 있는 것을 확인하였다. PLDA를 적용한 I-vector의 EER이 6.18 %로 결합 전 가장 좋은 성능을 보였다. Attention-LSTM 기반 임베딩과 결합하였을 때 EER이 2.57 %로 기존보다 3.61 % 감소하여 상대적으로 58.41 % 성능이 향상되었다.

• 품질경영학회지
• /
• 제47권3호
• /
• pp.497-508
• /
• 2019

Purpose: The purpose of this study is to overcome limitations of conventional studies that to predict Baltic Dry Index (BDI). The study proposed applications of Artificial Neural Network (ANN) named Long Short-Term Memory (LSTM) to predict BDI. Methods: The BDI time-series prediction was carried out through eight variables related to the dry bulk market. The prediction was conducted in two steps. First, identifying the goodness of fitness for the BDI time-series of specific ANN models and determining the network structures to be used in the next step. While using ANN's generalization capability, the structures determined in the previous steps were used in the empirical prediction step, and the sliding-window method was applied to make a daily (one-day ahead) prediction. Results: At the empirical prediction step, it was possible to predict variable y(BDI time series) at point of time t by 8 variables (related to the dry bulk market) of x at point of time (t-1). LSTM, known to be good at learning over a long period of time, showed the best performance with higher predictive accuracy compared to Multi-Layer Perceptron (MLP) and Recurrent Neural Network (RNN). Conclusion: Applying this study to real business would require long-term predictions by applying more detailed forecasting techniques. I hope that the research can provide a point of reference in the dry bulk market, and furthermore in the decision-making and investment in the future of the shipping business as a whole.

• 충청수학회지
• /
• 제34권2호
• /
• pp.157-168
• /
• 2021

This study uses the benchmark interest rate of the Federal Open Market Committee (FOMC) to predict gold futures prices. For the predictions, we used the support vector machine (SVM) (a machine-learning model) and the long short-term memory (LSTM) deep-learning model. We found that the LSTM method is more accurate than the SVM method. Moreover, we applied the Boruta algorithm to demonstrate that the FOMC benchmark interest rates correlate with gold futures.

• 커뮤니케이션학 연구
• /
• 제18권1호
• /
• pp.165-193
• /
• 2010

본 연구는 단기 기억과 피험자 위주의 분석이 주를 이루는 기존 연구의 방향에 장기 기억과 BPL 단위의 분석을 추가하고 있다는 점에서 의의를 갖는다. 본 연구 결과, BPL은 단기재인(52.8%의 BPL), 장기재인(44.4%의 BPL), 장기회상(30.6%의 BPL)에서 효과적인 것으로 나타났다. BPL의 표현 방식에 따른 차이를 보면, 공감각적 BPL, 클로즈업된 BPL, 노출 시간이 긴 BPL, 주연 배우가 브랜드를 사용하는 BPL이 다른 경우의 BPL보다 효과적인 것으로 나타났다. 반면, 영화에 대한 선호도나 등장인물에 대한 선호도는 BPL 브랜드의 기억에 커다란 영향을 미치는 요소가 아니었다. 차후 연구자들은 더욱 정교한 실험 디자인을 개발하고, 매개 변인과 조절 변인의 효과를 탐구하여 현재 이 분야에 존재하는 혼란스러움을 해소해야 할 것이다.

• 수면정신생리
• /
• 제4권1호
• /
• pp.1-14
• /
• 1997

This paper reviewed models to explain memory and neuropsychological tests to assess memory. Memory was explained in cognitive and neuroanatomical perspectives, Cognitive model describes memory as structure and process. In structure model, memory is divided into three systems: sensory memory, short-term memory(working memory), and long-term memory. In process model, there are broadly three categories of memory process: encoding, storage, and retrieval. Memory process work in memory structure. There are two prominent models of the neuroanatomy of memory, derived from the work of Mishkin and Appenzeller and that of Squire and Zola-Morgan. These two models are the most useful for the clinician in part because they take into account the connections between the limbic and frontal cortical regions. The major difference between the two models concerns the role of the amygdala in memory processess. Mishkin and his colleagues believe that the amygdala plays a significant role while Squire and his colleagues do not. The most popular and widely used tests of memory ability such as WMS-R, AVLT, CVLT, HVLT. RBMT, CFT, and BVRT-R, were reviewed.

• Nuclear Engineering and Technology
• /
• 제55권5호
• /
• pp.1630-1643
• /
• 2023

The correct situation awareness (SA) of operators is important for managing nuclear power plants (NPPs), particularly in accident-related situations. Among the three levels of SA suggested by Ensley, Level 3 SA (i.e., projection of the future status of the situation) is challenging because of the complexity of NPPs as well as the uncertainty of accidents. Hence, several prediction methods using artificial intelligence techniques have been proposed to assist operators in accident prediction. However, these methods only predict short-term plant status (e.g., the status after a few minutes) and do not provide information regarding the uncertainty associated with the prediction. This paper proposes an algorithm that can predict the multivariate and long-term behavior of plant parameters for 2 h with 120 steps and provide the uncertainty of the prediction. The algorithm applies bidirectional long short-term memory and an attention mechanism, which enable the algorithm to predict the precise long-term trends of the parameters with high prediction accuracy. A conditional variational autoencoder was used to provide uncertainty information about the network prediction. The algorithm was trained, optimized, and validated using a compact nuclear simulator for a Westinghouse 900 MWe NPP.