• Journal of Korean Neurosurgical Society
• /
• 제53권3호
• /
• pp.139-144
• /
• 2013

Objective : Transient anterograde amnesia is occasionally observed in a number of conditions, including migraine, focal ischemia, venous flow abnormalities, and after general anesthesia. The inhalation anesthetic, isoflurane, is known to induce transient anterograde amnesia. We examined the involvement of brain-derived neurotrophic factor (BDNF) and its receptor tyrosine kinase B (TrkB) in the underlying mechanisms of the isoflurane-induced transient anterograde amnesia. Methods : Adult male Sprague-Dawley rats were divided into three groups : the control group, the 10 minutes after recovery from isoflurane anesthesia group, and the 2 hours after recovery from isoflurane anesthesia group (n=8 in each group). The rats in the isoflurane-exposed groups were anesthetized with 1.2% isoflurane in 75% nitrous oxide and 25% oxygen for 2 hours in a Plexiglas anesthetizing chamber. Short-term memory was determined using the step-down avoidance task. BDNF and TrkB expressions in the hippocampus were evaluated by immunofluorescence staining and western blot analysis. Results : Latency in the step-down avoidance task was decreased 10 minutes after recovery from isoflurane anesthesia, whereas it recovered to the control level 2 hours after isoflurane anesthesia. The expressions of BDNF and TrkB in the hippocampus were decreased immediately after isoflurane anesthesia but were increased 2 hours after isoflurane anesthesia. Conclusion : In this study, isoflurane anesthesia induced transient anterograde amnesia, and the expressions of BDNF and TrkB in the hippocampus might be involved in the underlying mechanisms of this transient anterograde amnesia.

• Molecules and Cells
• /
• 제26권6호
• /
• pp.611-615
• /
• 2008

DNA methylation is an epigenetic mechanism for gene silencing. In Arabidopsis, MET1 is the primary DNA methyltransferase that maintains CG DNA methylation. Plants having an overall reduction of MET1 activity, caused by a met1 mutation or a constitutively expressed MET1 antisense gene, display genome hypomethylation, inappropriate gene and transposon transcription, and developmental abnormalities. However, the effect of a transient reduction in MET1 activity caused by inhibiting MET1 expression in a restricted set of cells is not known. For this reason, we generated transgenic plants with a MET1 antisense gene fused to the DEMETER (DME) promoter (DME:MET1 a/s). Here we show that DME is expressed in leaf primordia, lateral root primoridia, in the region distal to the primary root apical meristem, which are regions that include proliferating cells. Endogenous MET1 expression was normal in organs where the DME:MET1 a/s was not expressed. Although DME promoter is active only in a small set of cells, these plants displayed global developmental abnormalities. Moreover, centromeric repeats were hypomethylated. The developmental defects were accumulated by the generations. Thus, not maintaining CG methylation in a small population of proliferating cells flanking the meristems causes global developmental and epigenetic abnormalities that cannot be rescued by restoring MET1 activity. These results suggest that during plant development there is little or no short-term molecular memory for reestablishing certain patterns of CG methylation that are maintained by MET1. Thus, continuous MET1 activity in dividing cells is essential for proper patterns of CG DNA methylation and development.

• 한국컴퓨터정보학회논문지
• /
• 제24권12호
• /
• pp.209-216
• /
• 2019

소프트웨어 교육이 가지는 교육적 효과와 사회적 변화로 미루어 볼 때 일반 학생, 장애 학생 구분 없이 소프트웨어 교육에 대한 평등한 기회가 필요하다. 그러나 현재 일반 학생을 대상으로 한 소프트웨어 교육 관련 연구는 활발하게 이뤄지고 있으나, 장애 학생을 대상으로 한 소프트웨어 교육 관련 연구는 미비하다. 이에 본 연구에서는 발달 장애 학생을 대상으로 한 로봇 활용 소프트웨어 교육 프로그램을 개발하였다. 발달 장애 학생을 대상으로 한 로봇 활용 소프트웨어 교육 프로그램 개발은 모두를 위한 소프트웨어 교육 기회 확대라는 측면에서 의미가 있다. 또한 과제 집중력이 낮고 단기 기억력이 부족하며 사회성이 다소 떨어지는 특성을 가진 발달 장애 학생들에게 로봇을 활용한 소프트웨어 교육 프로그램은 교구를 활용한다는 점에서 동기 유발이 용이하며, 발달 장애 학생들의 학업 성취도 개선 및 자기 관리 능력 신장 뿐 아니라 자아 효능감, 자신감 등 정의적인 부분에서도 유의미한 변화가 있을 것이다.

• 한국공간정보시스템학회 논문지
• /
• 제8권2호
• /
• pp.39-52
• /
• 2006

최근 들어 이동 객체의 이력 (history) 데이타에서 이동 객체의 이동 패턴, 즉 연속되는 시간 영역에서 반복적으로 발생되는 공간 이동 경로와 같은 다양한 지식을 추출하여 활용하는 응용 서비스의 활용성이 점점 증대되고 있다. 그러나 기존의 이동 패턴 추출 방법은 최소지지도(minimum support)가 낮은 경우에 많은 수의 후보 이동 패턴이 생성되고 이로 인하여 수행 시간과 소요 메모리가 급격히 증가하게 되는 단점이 있다. 본 논문에서는 대용량의 시공간 데이타 집합으로부터 이동 객체의 이동 패턴을 효율적으로 추출하기 위한 STMPE(Spatio-Temporal Moving Pattern Extracting) 알고리즘을 제안한다. STMPE 알고리즘은 시공간 데이타를 일반화시킴으로서 메모리 사용량을 최소화할 수 있으며, 단기 이동 패턴을 작성하여 유지하기 때문에 데이타베이스 스캔 횟수를 최소화할 수 있다. STMPE 알고리즘은 모든 부분에서 시간 정보를 갖는 다른 시공간 이동 패턴 추출 알고리즘보다 최소지지도가 낮아질수록, 이동 객체의 수가 증가할수록, 시간 분할 횟수가 많아질수록 더욱 뛰어난 성능을 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권2호
• /
• pp.45-52
• /
• 2020

청와대 국민 청원 사이트가 개설된 이래로 많은 관심을 받고 있다. 본 논문에서는 국민 청원의 주제를 분석하고 딥러닝을 활용하여 답변 가능한 청원을 예측하는 모델을 제안하였다. 먼저, 추천순으로 1,500개의 청원글을 수집하였고, K-means 클러스터링을 적용하여 청원글을 군집하여 대주제를 정의하고, 보다 구체적인 세부 주제를 정의하기 위히여 토픽 모델링을 실시하였다. 다음으로는 LSTM을 활용한 답변 가능한 청원 예측 모델을 생성하여, 20만의 청원동의를 얻는 청원을 예측하기 위한 모델을 개발하였다. 이를 위해 글의 주제와 본문뿐만 아니라 글의 길이, 카테고리, 특정 품사의 비율이 영향을 미칠 수 있는지를 살펴보았다. 그 결과, 본문과 함께 글의 길이, 카테고리, 체언, 용언, 독립언, 수식언의 품사의 비율을 변수로 추가한 모델의 f1-score가 0.9 이상으로 글의 제목과 본문을 변수로 하는 모델보다 예측력이 높음을 알 수 있었다.

• 디지털융복합연구
• /
• 제13권3호
• /
• pp.295-304
• /
• 2015

지금까지의 읽기장애 연구에서는 문자언어 음독의 정확성과 속도 즉 해독(음독)능력에 어려움을 가진 난독증(dyslexia)을 대상으로 한 연구에 초점이 맞추어져 있었으나 최근의 보고에 따르면 음독능력에는 어려움을 가지지 않음에도 불구하고 특수하게 읽기 이해력만이 저하되는 특정 읽기이해부진아동의 사례가 보고되고 있다. 이에 본 연구에서는 음독능력은 저하되지 않으나 읽기 이해력만이 특수하게 저하되는 읽기이해부진 아동과, 음독능력과 읽기 이해력 모두 저하되는 읽기부진 아동의 특징을 비교검토 하였다. 그 결과 읽기부진아동이 음운인식 과제와 음운 작업기억 과제 모두에서 유의하게 낮은 수행을 보인 반면 특정 읽기이해부진아동 집단의 경우 음운 작업기억의 유의한 저하만이 나타나는 것을 확인할 수 있었다. 본 연구결과를 토대로 읽기 이해력 장애아동의 특성에 대한 시사점을 논하였다.

• 디지털융복합연구
• /
• 제11권3호
• /
• pp.363-369
• /
• 2013

본 논문은 뇌에서 발생하는 언어와 관련된 현상들을 모델링하여 외국어 능숙도 측정 방법을 설계 및 개발하였다. 이 방법은 인지 심리학에서 인지능력을 측정하는 방법에 기반하며, 어휘 판단 과제, 언어 점화 과제, 구어 작업 기억 능력 측정 과제로 나뉜다. 어휘 판단 과제는 자극에 대해 단어인지 비 단어인지를 얼마나 빠르게 판단하는 지를 측정한다. 어휘 판단 과제는 세부적으로 자극의 형태에 따라 읽기와 듣기로 나뉜다. 언어 점화 과제는 언어의 산출 능력을 측정한다. 언어 점화 과제는 자극에 따라 의미적 점화 과제, 번역 점화 과제로 나뉜다. 구어 작업 기억 능력은 학습자의 단기 기억력을 측정한다. 본 논문에서는 제2외국어에 대한 학습자의 언어 인지능력을 사용하여 외국어 능숙도를 측정하는 방법을 제안한다.

• 한국전자통신학회논문지
• /
• 제15권4호
• /
• pp.725-732
• /
• 2020

본 논문은 소외계층 아동의 운동학습프로그램에서 체력 활동 중 나를 잘 따른다(0-9), 마음의 결정을 내리는데 많은 시간이 걸린다(0-9), 맥빠진(0-9) 등을 변수로 사용하여 '성별', '체육교실', 나이의 '상중하'를 분류하고 스포츠 재활치료를 통한 자아 탄력(ego-resiliency)과 자아 통제(self-control)의 변화를 관찰하여 정신 건강 변화를 알아본다. 이를 위해 취득한 데이터를 병합하고 Label encoder와 One-hot encoding을 사용하여 숫자의 크고 작음의 특성을 제거한 후 MLP, SVM, Dicesion tree, RNN, LSTM의 각각의 알고리즘을 적용하여 성능을 평가하기 위해 Train, Test 데이터를 75%, 25% 스플릿 한 뒤 Train 데이터로 알고리즘을 학습하고 Test 데이터로 알고리즘의 정확성을 측정한다. 측정 결과 성별에서는 LSTM, 체육 교실은 MLP와 LSTM, 나이는 SVM이 가장 우수한 결과를 보임을 확인하였다.

• 한국가스학회지
• /
• 제23권5호
• /
• pp.52-58
• /
• 2019

본 연구에서는 국내 도시가스 인수량에 대한 예측 모델을 개발하였다. 국내의 도시가스 회사는 KOGAS에 차년도 수요를 예측하여 보고해야 하므로 도시가스 인수량 예측은 도시가스 회사에 중요한 사안이다. 도시가스 사용량에 영향을 미치는 요인은 용도구분에 따라 다소 상이하나, 인수량 데이터는 용도별 구분이 어렵기 때문에 특정 용도에 관계없이 영향을 주는 요인으로 외기온도를 고려하여 모델개발을 실시하였다.실험 및 검증은 JB주식회사의 2008년부터 2018년까지 총 11년 치 도시가스 인수량 데이터를 사용하였으며, 전통적인 시계열 분석 중 하나인 ARIMA(Auto-Regressive Integrated Moving Average)와 딥러닝 기법인 LSTM(Long Short-Term Memory)을 이용하여 각각 예측 모델을 구축하고 두 방법의 단점을 최소화하기 위하여 다양한 앙상블(Ensemble) 기법을 사용하였다. 본 연구에서 제안한 일별 예측의 오차율 절댓값 평균은 Ensemble LSTM 기준 0.48%, 월별 예측의 오차율 절댓값 평균은 2.46%, 1년 예측의 오차율 절댓값 평균은 5.24%임을 확인하였다.

• 스마트미디어저널
• /
• 제6권3호
• /
• pp.41-48
• /
• 2017

Event detection using social media has been widespread since social network services have been an active communication channel for connecting with others, diffusing news message. Especially, the real-time characteristic of social media has created the opportunity for supporting for real-time applications/systems. Social network such as Twitter is the potential data source to explore useful information by mining messages posted by the user community. This paper proposed a novel system for temporal event detection by analyzing social data. As a result, this information can be used by first responders, decision makers, or news agents to gain insight of the situation. The proposed approach takes advantages of deep learning methods that play core techniques on the main tasks including informative data identifying from a noisy environment and temporal event detection. The former is the responsibility of Convolutional Neural Network model trained from labeled Twitter data. The latter is for event detection supported by Recurrent Neural Network module. We demonstrated our approach and experimental results on the case study of earthquake situations. Our system is more adaptive than other systems used traditional methods since deep learning enables to extract the features of data without spending lots of time constructing feature by hand. This benefit makes our approach adaptive to extend to a new context of practice. Moreover, the proposed system promised to respond to acceptable delay within several minutes that will helpful mean for supporting news channel agents or belief plan in case of disaster events.