• 스마트미디어저널
• /
• 제11권1호
• /
• pp.46-57
• /
• 2022

본 논문에서는 딥러닝을 기반으로 입력영상의 옵티컬 플로우(optical flow)와 그래디언트(gradient)를 이용하여 종단간 행동인식이 가능한 다중영역 기반 방사성 GCN(MRGCN: Multi-region based Radial Graph Convolutional Network) 알고리즘에 대해 기술한다. 이 방법은 데이터 취득이 어렵고 계산이 복잡한 스켈레톤 정보를 사용하지 않기 때문에 카메라만을 주로 사용하는 일반 CCTV 환경에도 활용이 가능하다. MRGCN의 특징은 입력영상의 옵티컬플로우와 그래디언트를 방향성 히스토그램으로 표현한 후 계산량 축소를 위해 6개의 특징 벡터로 변환하여 사용한다는 것과 시공간 영역에서 인체의 움직임과 형상변화를 계층적으로 전파시키기 위해 새롭게 고안한 방사형 구조의 네트워크 모델을 사용한다는 것이다. 또 데이터 입력 영역을 서로 겹치도록 배치하여 각 노드 간에 공간적으로 단절이 없는 정보를 입력으로 사용한 것도 중요한 특징이다. 30가지의 행동에 대해 성능평가 실험을 수행한 결과 스켈레톤 데이터를 입력으로 사용한 기존의 GCN기반 행동인식과 동등한 84.78%의 Top-1 정확도를 얻을 수 있었다. 이 결과로부터 취득이 어려운 스켈레톤 정보를 사용하지 않는 MRGCN이 복잡한 행동인식이 필요한 실제 상황에서 더욱 실용적인 방법임을 알 수 있었다.

• Smart Structures and Systems
• /
• 제32권5호
• /
• pp.319-338
• /
• 2023

The study presents a new hybrid data-driven method by combining radial basis functions neural networks (RBF-NN) with the Jaya algorithm (JA) to provide effective structural health monitoring of arch dams. The novelty of this approach lies in that only one user-defined parameter is required and thus can increase its effectiveness and efficiency, as compared to other machine learning techniques that often require processing a large amount of training and testing model parameters and hyper-parameters, with high time-consuming. This approach seeks rapid damage detection in arch dams under dynamic conditions, to prevent potential disasters, by utilizing the RBF-NNN to seamlessly integrate the dynamic elastic modulus (DEM) and modal parameters (such as natural frequency and mode shape) as damage indicators. To determine the dynamic characteristics of the arch dam, the JA sequentially optimizes an objective function rooted in vibration-based data sets. Two case studies of hyperbolic concrete arch dams were carefully designed using finite element simulation to demonstrate the effectiveness of the RBF-NN model, in conjunction with the Jaya algorithm. The testing results demonstrated that the proposed methods could exhibit significant computational time-savings, while effectively detecting damage in arch dam structures with complex nonlinearities. Furthermore, despite training data contaminated with a high level of noise, the RBF-NN and JA fusion remained the robustness, with high accuracy.

• 한국콘텐츠학회논문지
• /
• 제17권2호
• /
• pp.13-25
• /
• 2017

본 연구에서는 스마트 교육 환경에서 디지털교과서의 활용이 학습자의 학업 성취도 이외 요인으로 학습자 역량 중 자기조절학습과 문제해결능력에 미치는 효과에 대하여 살펴보고자 한다. 이를 위해 연구학교로 지정된 29개 학교에 초등학교 3,4학년과 중학교 1학년을 대상으로 단일집단 사전 사후 검사 설계법(One-Group Pretest-Posttest Design)을 활용하여 2014년 디지털교과서를 활용한 과학 수업에서 자기조절학습능력과 문제해결능력에 미치는 영향을 분석하였다. 또한, 실제적인 효과를 측정하기 위해 Cohen's d를 제시하였다. 연구결과는 디지털교과서의 활용이 학생들의 자기조절학습과 문제해결능력에 약 0.2 정도의 효과크기로 적지만 긍정적인 영향을 미치는 것으로 나타났다. 배경변인(학교급, 학년, 성별)에 따른 학생들의 변화의 차이를 비교하기 위하여 공분산분석(ANCOVA)을 실시하였다. 그 결과 학년별, 학교급별 디지털교과서의 활용이 학생들의 자기조절학습과 문제해결능력에 미치는 영향의 차이가 있음을 보여주었다. 자기조절학습에서는 4학년과 중 1 학생 모두 똑같이 3학년보다 좀 더 많은 변화를 보여주었고, 문제해결능력에서는 4학년이 가장 많은 변화를 보여주었다.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.59-66
• /
• 2021

인간은 오감 (시각, 청각, 후각, 촉각, 미각) 중 시각 및 청각 정보를 위주로 사용하여 주변 물체를 인식한다. 최신의 객체 인식과 관련한 주요 연구에서는 주로 이미지센서 정보를 이용한 분석에 초점이 맞추어져 있다. 본 논문에서는 다양한 chirp 오디오 신호를 관측공간에 방출하고 2채널 수신센서를 통해 echo를 수집하여 스펙트럼 이미지로 변화시킨 후 딥러닝을 기반으로 이미지 학습 알고리즘을 이용하여 3D 공간상의 객체 인식 실험을 진행하였다. 본 실험은 무향실의 이상적 조건이 아닌 일반적인 실내 환경에서 발생하는 잡음 및 echo가 있는 환경에서 실험을 진행하였고 echo를 통해 객체 인식률을 83% 정확도로 물체의 위치 추정할 수 있었다. 또 한 추론 결과를 관측공간과 3D Sound 공간 신호로 mapping 하여 소리로 출력하여 3D 사운드의 학습을 통해 소리를 통한 시각 정보를 얻을 수 있었다. 이는 객체 인식 연구를 위해서 이미지 정보와 함께 다양한 echo 정보의 활용이 요구된다는 의미이며 이런 기술을 3D 사운드를 통한 증강현실 등에 활용 가능할 것이다.

• 디지털융복합연구
• /
• 제12권6호
• /
• pp.587-595
• /
• 2014

최근 SNS(Social Network Service) 및 스마트기기의 이용자가 급속히 증가하고 있는 시점에서 SNS를 교육에 활용하기 위한 다양한 교수학습 모형 및 교수 방법에 대한 연구가 진행되고 있다. 대학 교육에서 학습 환경으로서의 소셜미디어를 고찰하고 학업성취도와의 관계를 실증적으로 분석한 연구는 미비하다. 창의인재 양성을 위해 여러 종류의 학습경험이 요구되는 시점에서 SNS를 활용한 정보 공유, 토론, 정보교환이 필요하다. 대학의 교양 컴퓨터 교육에 SNS를 활용하면 학습자들의 생각과 의견을 보다 다양하고 효과적으로 파악이 가능하다. SNS를 통하여 각자 개인적인 공간에서 학습자와 교수자간 혹은 학습자와 학습자간 활동과 관련된 정보를 공유하고 의견을 나누는 활동을 함으로써 실시간으로 피드백을 줄 수 있어서 학습자의 컴퓨터를 활용하는 능력이 향상될 수가 있다. 특히 학습이 부진한 학생들에게 SNS를 이용하여 실시간으로 문제를 해결 할 수 있도록 도움을 줄 수 있어서 학업성취도 향상 기회를 제공할 수가 있다.

• 한국융합학회논문지
• /
• 제11권11호
• /
• pp.41-46
• /
• 2020

4차산업혁명의 시작은 국내 산업 전반에 다양한 변화를 가져오고 있으며, 생산 제조 및 물류 분야의 기업에 스마트 팩토리가 확산되면서, 자동화 설비를 사용하고 있다. 특히 물류 자동화 현장에서는 AGV가 널리 사용되고 있으며, 전통적인 AGV의 구동 방식인 라인 유도 방식의 사용이 대부분이다. 또한 AGV 시스템 개발자 및 시스템 운영자 및 관리자, 유지보수 인력의 수요도 증가하고 있는 추세이나, 교육을 위한 시스템의 설치에 고가의 비용이 소요되고, 넓은 공간을 필요로 하는 특성을 가지고 있어, 체계적인 교육이 어려운 상황이다. 본 논문에서는 교육생들의 원활한 실습을 위하여 가상 시뮬레이션 기반의 AGV 원격 교육 모델을 제안한다. 제안 모델은 기존 기술인 라인 유도 방식이 아닌 영상 정보를 분석하여 AGV를 구동할 수 있는 모델로 구성하였으며, 자가진단 평가 결과 기존 기자재를 활용한 통제 집단 보다 온라인 교육을 통한 실험 집단이 평균 0.65의 만족도가 상승하여, 온라인 교육 환경에서 활용할 수 있는 가능성을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제19권1호
• /
• pp.203-213
• /
• 2014

본 논문에서는 곤충 종의 외관구조인 머리, 몸통, 날개, 다리에 대한 관찰자의 일반적이고 수평적인 관찰특성에 따라 자유롭게 곤충 종을 관찰함으로써 관찰 곤충 검색엔진에서의 사용자 만족도 제고와 보다 효율적인 관찰학습의 방법을 제안한다. 자연생태 환경에서 초보 학습자의 효율적인 관찰검색과 효과적 학습을 위해서는 생물학적 분류체계가 아닌 곤충 종의 외관구조 즉, 외부 신체구조의 모양과 특성 중심의 곤충관찰 기반의 검색(Insect Search by Observation based on Insect Appearance: ISOIA)이 필요하다. 그러므로 본 연구에서는 곤충의 외관구조인 머리, 몸통, 날개, 다리에 대한 관찰자의 일반적인 관찰방법에 따른ISOIA 검색방식을 제안하고, 기존의 ISBC와 ISOBC 검색체계에 대한 사용 만족도를 비교 분석하여 본 논문에서 제안하는 ISOIA 검색 방안이 우수함을 보이고자 한다.

• Smart Structures and Systems
• /
• 제24권2호
• /
• pp.243-256
• /
• 2019

Determination of the most meaningful structural modes and gaining insight into how these modes evolve are important issues for long-term structural health monitoring of the long-span bridges. To address this issue, modal parameters identified throughout the life of the bridge need to be compared and linked with each other, which is the process of mode tracking. The modal frequencies for a long-span bridge are typically closely-spaced, sensitive to the environment (e.g., temperature, wind, traffic, etc.), which makes the automated tracking of modal parameters a difficult process, often requiring human intervention. Machine learning methods are well-suited for uncovering complex underlying relationships between processes and thus have the potential to realize accurate and automated modal tracking. In this study, Gaussian mixture model (GMM), a popular unsupervised machine learning method, is employed to automatically determine and update baseline modal properties from the identified unlabeled modal parameters. On this foundation, a new mode tracking method is proposed for automated mode tracking for long-span bridges. Firstly, a numerical example for a three-degree-of-freedom system is employed to validate the feasibility of using GMM to automatically determine the baseline modal properties. Subsequently, the field monitoring data of a long-span bridge are utilized to illustrate the practical usage of GMM for automated determination of the baseline list. Finally, the continuously monitoring bridge acceleration data during strong typhoon events are employed to validate the reliability of proposed method in tracking the changing modal parameters. Results show that the proposed method can automatically track the modal parameters in disastrous scenarios and provide valuable references for condition assessment of the bridge structure.

• 한국IT서비스학회지
• /
• 제20권1호
• /
• pp.67-79
• /
• 2021

The advent of the 4th Industrial Revolution is also causing many changes in defense operations. Defense reform and the fourth industrial revolution promoted smart defense innovation, and attempts are being made to incorporate cutting-edge science and technology into various fields such as weapons systems and defense operations. Education and training is one of the areas in which information and intelligence are urgently needed in the spirit of defense operations. Due to the nature of defense education and training, which aims to fight against the enemy, there is no emphasis on psychological training in the field rather than informatization, but in developed countries with various experiences of modern warfare, investment and vitalization of education and training are vital. Through this, efforts are being made to foster soldiers with problem-solving skills in uncertain battlefields. The informatization and intelligence of defense education and training is no longer a matter that can be delayed, and the innovation of education and training using cutting-edge science and technology can be said to be an age-old task to improve the results of education and training in the fourth industrial revolution. The purpose of this is because the application of related technologies is not the goal itself as the 4th Industrial Revolution arrives, but it has been made possible through the rapid advancement of science and technology that has made it difficult to realize education and training, even though it has long been desired. Ultimately, education and training data will be integrated and artificial intelligence-based intelligent learning systems will maximize the performance of education and training, thereby improving the combat readiness.

• Smart Structures and Systems
• /
• 제30권6호
• /
• pp.613-626
• /
• 2022

Guaranteeing the quality and integrity of structural health monitoring (SHM) data is very important for an effective assessment of structural condition. However, sensory system may malfunction due to sensor fault or harsh operational environment, resulting in multiple types of data anomaly existing in the measured data. Efficiently and automatically identifying anomalies from the vast amounts of measured data is significant for assessing the structural conditions and early warning for structural failure in SHM. The major challenges of current automated data anomaly detection methods are the imbalance of dataset categories. In terms of the feature of actual anomalous data, this paper proposes a data anomaly detection method based on data-level and deep learning technique for SHM of civil engineering structures. The proposed method consists of a data balancing phase to prepare a comprehensive training dataset based on data-level technique, and an anomaly detection phase based on a sophisticatedly designed network. The advanced densely connected convolutional network (DenseNet) and Transformer encoder are embedded in the specific network to facilitate extraction of both detail and global features of response data, and to establish the mapping between the highest level of abstractive features and data anomaly class. Numerical studies on a steel frame model are conducted to evaluate the performance and noise immunity of using the proposed network for data anomaly detection. The applicability of the proposed method for data anomaly classification is validated with the measured data of a practical supertall structure. The proposed method presents a remarkable performance on data anomaly detection, which reaches a 95.7% overall accuracy with practical engineering structural monitoring data, which demonstrates the effectiveness of data balancing and the robust classification capability of the proposed network.