• 한국지형학회지
• /
• 제23권3호
• /
• pp.67-78
• /
• 2016

Soil carbon(C) is an essential property for characterizing soil quality. Understanding spatial patterns of soil C is particularly limited for mountain areas. This study aims to predict the spatial pattern of soil C using terrain analysis in a steep mountainous area. Specifically, model performances and prediction uncertainties were investigated based on the number of resampling repetitions. Further, important predictors for soil C were also identified. Finally, the spatial distribution of uncertainty was analyzed. A total of 91 soil samples were collected via conditioned latin hypercube sampling and a digital soil C map was developed using support vector regression which is one of the powerful machine learning methods. Results showed that there were no distinct differences of model performances depending on the number of repetitions except for 10-fold cross validation. For soil C, elevation and surface curvature were selected as important predictors by recursive feature elimination. Soil C showed higher values in higher elevation and concave slopes. The spatial pattern of soil C might possibly reflect lateral movement of water and materials along the surface configuration of the study area. The higher values of uncertainty in higher elevation and concave slopes might be related to geomorphological characteristics of the research area and the sampling design. This study is believed to provide a better understanding of the relationship between geomorphology and soil C in the mountainous ecosystem.

• 한국공간구조학회논문집
• /
• 제20권2호
• /
• pp.51-58
• /
• 2020

Recently, deep learning that is the most popular and effective class of machine learning algorithms is widely applied to various industrial areas. A number of research on various topics about structural engineering was performed by using artificial neural networks, such as structural design optimization, vibration control and system identification etc. When nonlinear semi-active structural control devices are applied to building structure, a lot of computational effort is required to predict dynamic structural responses of finite element method (FEM) model for development of control algorithm. To solve this problem, an artificial neural network model was developed in this study. Among various deep learning algorithms, a recurrent neural network (RNN) was used to make the time history response prediction model. An RNN can retain state from one iteration to the next by using its own output as input for the next step. An eleven-story building structure with semi-active tuned mass damper (TMD) was used as an example structure. The semi-active TMD was composed of magnetorheological damper. Five historical earthquakes and five artificial ground motions were used as ground excitations for training of an RNN model. Another artificial ground motion that was not used for training was used for verification of the developed RNN model. Parametric studies on various hyper-parameters including number of hidden layers, sequence length, number of LSTM cells, etc. After appropriate training iteration of the RNN model with proper hyper-parameters, the RNN model for prediction of seismic responses of the building structure with semi-active TMD was developed. The developed RNN model can effectively provide very accurate seismic responses compared to the FEM model.

• 정보교육학회논문지
• /
• 제6권1호
• /
• pp.64-74
• /
• 2002

본 연구에서는 외국어 학습에서 상황인지(Situated Cognition)의 중요성을 탐색해 보고 상황인지 원리가 반영된 학습환경 중의 하나로 MOO(Multi-user Object Oriented)의 특성을 살펴보고자 하였다. 다른 분야에서도 그러하겠지만, 외국어 학습은 특히 학습해야 할 어휘 또는 표현법의 개념 이해를 넘어 이를 실제 활용할 수 있는 고차원적 수준으로 전개되어야 한다. 어린이가 실제 생활 속에서 주변 사람들과 상호작용하는 가운데 자연스럽게 모국어를 습득하듯이, 상황적 맥락이 충분히 제시되는 환경 속에서 외국어를 학습해야 이를 실제상황에서 십분 적용할 수 있는 가능성이 높아지는 것이다. 바로 이런 점에서 상황인지의 교육적 의의가 있다고 할 수 있다. 최근 교육 분야에서 관심을 모으고 있는 MOO는 텍스트 기반의 공간적 메타포(Spatial Metaphor)를 적용한 가상현실로서, 학습과정에 상황적 맥락을 제공하고 학습자의 상호작용을 촉진할 수 있다는 점에서 시사점이 매우 크다. 이에 본 연구에서는 MOO의 특성들을 활동중심, 맥락중심, 상호작용 측면에서 접근하여 외국어 학습환경으로서의 적용가능성을 제안하였다.

• 한국측량학회지
• /
• 제38권3호
• /
• pp.269-279
• /
• 2020

교통량 산정은 주로 교통량조사시스템, 차량검지시스템, 통행료징수시스템 등과 같은 조사 장비와 CCTV를 통한 인력 조사를 병행하고 있으나 이는 많은 인력과 비용이 발생한다. 본 연구에서는 단일 CCTV의 경우 전체 차량을 탐지하지 못하는 한계를 극복하기 위해서, 딥러닝과 스테레오 CCTV를 이용하여 교통량을 산정하는 방법을 제안하였다. 차량을 탐지하기 위한 딥러닝 모델을 학습하기 위해 COCO 데이터셋을 사용하고, 실시간으로 좌우 CCTV 영상에서 각각 차량을 탐지하였다. 그리고 나서, 각 영상에서 추출하지 못한 차량을 부등각사상변환을 이용하여 추가적으로 차량을 탐지하여 교통량 산정의 정확도를 개선하였다. 실험은 평상시 도로 환경과 안개가 발생한 기상 상황의 경우에 대해서 각각 수행하였다. 평상시 도로 환경의 경우 단일 CCTV 영상을 사용할 때보다 좌우 영상에서 각각 6.75%, 5.92%의 차량 탐지의 개선효과가 있었다. 또한, 안개가 발생한 도로 환경의 경우 좌우 영상에서 각각 10.79%, 12.88%의 차량 탐지의 개선효과가 있었다.

• The Korean Journal of Physiology and Pharmacology
• /
• 제13권2호
• /
• pp.85-89
• /
• 2009

Puerariae flos (PF) is a traditional oriental medicinal plant and has clinically been prescribed for a long time. The purpose of the present study was to examine the effect of PF on repeated stress-induced alterations of learning and memory on a Morris water maze (MWM) test in ovariectomized (OVX) female rats. The changes in the reactivity of the cholinergic system were assessed by measuring the immunoreactive neurons of choline acetyltransferase (ChAT) in the hippocampus after behavioral testing. The female rats were randomly divided into four groups: the nonoperated and nonstressed group (normal), the sham-operated and stressed group (control), the ovariectomized and stressed group (OS), and the ovariectomized, stressed and PF treated group (OSF). Rats were exposed to immobilization stress (IMO) for 14 d (2 h/d), and PF (400 mg/kg, p.o.) was administered 30 min before IMO stress. Results showed that treatments with PF caused significant reversals of the stress-induced deficits in learning and memory on a spatial memory task, and also increased the ChA T immunoreactivities. In conclusion, administration of PF improved spatial learning and memory in OVX rats, and PF may be useful for the treatment of postmenopausal-related dementia.

• 한국경제지리학회지
• /
• 제25권1호
• /
• pp.171-181
• /
• 2022

부동산 시장 분석에 있어 기본이 되는 정량적 데이터는 부동산 가격 지수이다. OECD와 같은 국제기구에서는 국가별 부동산 가격 지수를 공표하고, 한국부동산원에서는 광역시 단위와 시군구 단위의 지수를 산출한다. 그런데 공간단위를 시군구보다 정교한 동단위, 아파트 단지 단위로 설정하는 경우, 여러 문제점을 맞이하게 된다. 대표적인 문제는 결측치이다. 공간적 범위를 좁힐수록 단위 기간에 따라 거래가 적거나 아예 존재하지 않는 경우가 존재하기에 이 경우에는 지수의 산출이 불가능한 결측치가 발생할 수 있다. 본 연구에서는 지도학습 기반의 머신러닝 기법을 활용하여 특정 범위와 기간에 거래가 존재하지 않아 발생할 수 있는 결측치를 보완하는 기법을 제안한다. 본 모형을 통해 부동산 매매 지수의 실제값이 존재하는 것들의 예측을 통해 그 정확도를 검증하고 결측치가 발생한 것들의 예측도 해 볼 수 있었다.

• 한국초등수학교육학회지
• /
• 제16권3호
• /
• pp.359-388
• /
• 2012

본 연구는 공간 감각의 하위 요인 틀을 추출하고, 이를 기초로 초등학교 4, 5, 6학년 학생들의 공간 감각 실태를 조사하고자 하였다. 이를 위해 이론적 고찰을 바탕으로 공간 감각을 정신적 회전, 정신적 변환, 도형 배경 지각으로 이루어진 공간 시각화 능력과 방향 감각, 거리 감각, 위치 감각으로 이루어진 공간 방향 능력으로 구분하고, 공간 감각 검사 도구를 개발하여, 수도권에 소재한 5개 초등학교 4, 5, 6학년 423명을 대상으로 학생들의 실태를 조사하고, 하위 요인별 및 문항별 정답률 및 정답과 오답에 대한 반응 분포를 제시하고, 대응 표본-t 검정, ANOVA 분석과 다중 비교 분석을 통해 학년 간 및 학년별 차이를 분석하였다. 분석 결과는 첫째, 학년에 따른 공간 감각은 향상되나 공간 시각화 능력의 상승폭이 공간 방향 능력보다 훨씬 크고 그 순위가 역전되고, 둘째, 공간 감각 하위 요인 중 특히 부족한 부분은 정신적 변환과 위치 감각이며, 셋째, 요인별 및 문항별 학년 간 유의미한 차이는 대부분 학습 경험에 기인하지만, 자연적 인지 발달 능력 및 문항의 복합성에도 영향을 받는 것으로 나타났다. 이를 기초로 공간 감각 교수 학습에의 시사점을 제안하였다.

• 디지털융복합연구
• /
• 제9권4호
• /
• pp.267-279
• /
• 2011

인터넷의 발전에 힘입어 다양한 형태의 웹서비스가 출현하고 있다. 특히, 대학에서 e-러닝 서버스는 시간적, 공간적 제약의 한계를 극복해 주고, 여러 가지 편리성과 유용성을 제공해 학생들에게 큰 인기를 얻고 있다. e-러닝 확산에 힘입어 e-러닝 수용 연구는 매우 활발하게 이루어졌다. 많은 연구들은 기술수용모델 연구를 응용해 e-러닝 확산방안을 제시하고 있다. 이러한 연구들의 e-러닝의 이용 용이성과 유용성에 중점을 맞추고 있다. 그렇기 때문에 e-러닝의 핵심이 되는 교육 컨텐츠 측면에서의 e-러닝 활성화를 위한 설명이 미약한 측면이 존재한다. 이에 본 연구에서는 e-러닝 수용에 있어 e-러닝 컨텐츠 품질과 e-러닝 신뢰 측면에서의 접근을 통해 e-러닝 수용 확산 방안을 제시하였다. 본 연구 결과는 대학 당국에 e-러닝 수용 확산에 있어 컨텐츠 측면에서의 전략 수립에 유용한 시사점을 제공해 줄 것이다.

• 한국인터넷방송통신학회논문지
• /
• 제13권6호
• /
• pp.187-193
• /
• 2013

다중 에이전트 시스템에서 학습을 통해 여러 에이전트들의 행동을 어떻게 조절할 것인가는 매우 중요한 문제이다. 가장 중요한 문제는 여러 에이전트가 서로 효율적인 협동을 통해 목표를 성취하는 것과 다른 에이전트들과 충돌을 방지하는 것이다. 본 논문에서는 혼성 학습 전략을 제안하였다. 제안된 방법은 다중에이전트를 효율적으로 제어하기 위해 에이전트들 사이의 공간적 관계를 이용하였다. 실험을 통해 제안된 방법은 에이전트들과 충돌을 피하면서 에이전트들의 목표에 빠르게 수렴함을 알 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권8호
• /
• pp.3966-3991
• /
• 2018

Due to the lack of visualization services and organic combinations between public and private buildings data, the usability of the basic map has remained low. To address this issue, this paper reports on a solution that organically combines public and private data while providing visualization services to general users. For this purpose, factors that can affect building prices first were examined in order to define the related data attributes. To extract the relevant data attributes, this paper presents a method of acquiring public information data and real estate-related information, as provided by private real estate portal sites. The paper also proposes a pretreatment process required for intelligent machine learning. This report goes on to suggest an intelligent machine learning algorithm that predicts buildings' value pricing and future value by using big data regarding buildings' spatial information, as acquired from a database containing building value attributes. The algorithm's availability was tested by establishing a prototype targeting pilot areas, including Suwon, Anyang, and Gunpo in South Korea. Finally, a prototype visualization solution was developed in order to allow general users to effectively use buildings' value ranking and value pricing, as predicted by intelligent machine learning.