• 지역사회간호학회지
• /
• 제30권1호
• /
• pp.57-68
• /
• 2019

Purpose: This study was performed to determine effects of a structure-centered cooperative learning safety education program based on blended learning for elementary school students. Methods: The study is developed in nonequivalent control group non-synchronized design. The subjects included 24 sixth grade students in the experimental group and 23 sixth grade students in the control group, respectively. To prevent diffusion of the experiment, it was carried out from May 20th to June 24th in 2015 with the control group and the other from August 26th to September 30th in 2015 with the experimental group. It was performed on experimental group after the structure-centered cooperative learning safety education program based on blended learning once a week for 6weeks. Data were analyzed by using descriptive statistics, paired t-test and independent t-test. Results: After the intervention, the experimental group showed significant increases in the self-directed learning attitudes and safety behavior compared to the control group except for the academic self-efficacy. Conclusion: The results indicate that the structure-centered cooperative learning safety education program based on blended learning program is effective in safety education for 6th graders.

• 컴퓨터교육학회논문지
• /
• 제11권6호
• /
• pp.85-94
• /
• 2008

이 연구는 온라인을 기반으로 한 원격교육의 학습효과를 증진시키기 위한 방안으로 학습자들이 지각하는 교류거리의 구조지각수준에 따른 성별, 학습만족도, 학습지속성, 학업성취도와의 관계를 알아보았다. 연구결과 학습자의 일반적 특성인 성별에 따른 교류거리의 구조지각수준은 의의 있는 차이가 없었다(p>.05). 교류거리의 구조지각수준과 학습자가 지각하는 수업만족도와 학습지속성과는 통계적으로 의의 있는 상관이 있는 것으로 나타났지만 학업성취도와는 유의한 차이가 발견되지 않았다(p>.05). 교류거리의 구조하위영역 중 수업만족도에 대한 영향력이 큰 하위영역은 과정 상호작용이며, 학습지속성에 대한 영향력이 큰 하위영역은 내용구성으로 나타났다.

• 한국공간구조학회논문집
• /
• 제24권2호
• /
• pp.83-90
• /
• 2024

Machine learning is widely applied to various engineering fields. In structural engineering area, machine learning is generally used to predict structural responses of building structures. The aging deterioration of reinforced concrete structure affects its structural behavior. Therefore, the aging deterioration of R.C. structure should be consider to exactly predict seismic responses of the structure. In this study, the machine learning based seismic response prediction model was developed. To this end, four machine learning algorithms were employed and prediction performance of each algorithm was compared. A 3-story coupled shear wall structure was selected as an example structure for numerical simulation. Artificial ground motions were generated based on domestic site characteristics. Elastic modulus, damping ratio and density were changed to considering concrete degradation due to chloride penetration and carbonation, etc. Various intensity measures were used input parameters of the training database. Performance evaluation was performed using metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analysis results show that neural networks and extreme gradient boosting algorithms present good prediction performance.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권12호
• /
• pp.804-810
• /
• 2004

There are two important things for the general purpose neural network processor. The first is a capability to build various structures of neural network, and the second is to be able to support suitable learning method for that neural network. Some way to process various learning algorithms is required for on-chip learning, because the more neural network types are to be handled, the more learning methods need to be built into. In this paper, an improved hardware structure is proposed to compute various kinds of learning algorithms flexibly. The hardware structure is based on the existing modular neural network structure. It doesn't need to add a new circuit or a new program for the learning process. It is shown that rearrangements of the existing processing elements can produce several neural network learning modules. The performance and utilization of this module are analyzed by comparing with other neural network chips.

• International journal of advanced smart convergence
• /
• 제10권3호
• /
• pp.51-58
• /
• 2021

In this paper, we propose a deep learning classifier for estimating the number of layers in the Earth's structure. When installing a grounding system, knowledge of the subsurface in the area is absolutely necessary. The subsurface structure can be modeled by the earth parameters. Knowing the exact number of layers can significantly reduce the amount of computation to estimate these parameters. The classifier consists of a feedforward neural network. Apparent resistivity curves were used to train the deep learning classifier. The apparent resistivity at 20 equally spaced log points in each curve are used as the features for the input of the deep learning classifier. Apparent resistivity curve data sets are collected either by theoretical calculations or by Wenner's measurement method. Deep learning classifiers are coded by Keras, an open source neural network library written in Python. This model has been shown to converge with close to 100% accuracy.

• 컴퓨터교육학회논문지
• /
• 제10권6호
• /
• pp.79-89
• /
• 2007

지식정보 사회의 도래는 새로운 교육 패러다임에 적합한 교수-학습 과정을 지원하기 위해 다양한 형태의 e-러닝의 모형과 시스템을 요구하며, 이에 따라 인터넷과 지능형 교육 시스템(ITS; intelligent tutoring system)을 적용한 e-러닝 환경의 교수-학습 시스템에 대한 연구가 지속적으로 진행되어 왔다. 그러나 현재 운영되고 있는 교육 현장의 인프라와 u-러닝의 개념 사이에는 상당한 격차가 존재한다. 이에 따라 본 연구에서는 현재 구축된 교육 현장의 인프라에서 u-러닝의 개념을 적용할 수 있는 학습자의 인지구조에 기반한 ITS 교수-학습 모형과 시스템을 개발하고, 타당성을 검증하였다. 또한 본 연구에서 제안하는 지식표현기법을 통해 개별화 학습이 효과적으로 적용될 수 있도록 학습자 인지구조를 표현하였다.

• 인터넷정보학회논문지
• /
• 제4권5호
• /
• pp.69-76
• /
• 2003

본 논문에서는 패턴 분류를 위한 새로운 학습 알고리즘을 소개한다. 이 알고리즘은 학습 데이터 집합에 포함된 오류 때문에 네트워크 구조가 너무 복잡하게 되는 점증적 학습 알고리즘의 문제를 해결하기 위해 고안되었다. 이 문제를 위한 접근 방법으로 미리 정의된 판단기준을 가지고 학습 과정을 중단하는 전지 방법을 사용한다. 이 과정에서 적절한 처리과정에 의해 3층 전향구조를 가지는 반복적 모델이 점증적 모델로부터 유도된다 여기서 이 네트워크 구조가 위층과 아래층 사이에 완전연결이 아니라는 점을 주목한다. 전지 방법의 효율성을 확인하기 위해 이 네트워크는 EBP로 다시 학습한다. 이 결과로부터 제안된 알고리즘이 시스템 성능과 네트워크 구조를 이루는 노드의 수 면에서 효과적임을 발견할 수 있다.

• 컴퓨터교육학회논문지
• /
• 제7권3호
• /
• pp.57-66
• /
• 2004

이 연구는 하이퍼미디어 학습 환경에서 프로그램의 구조와 학습자의 인지양식이 초등학생의 학업성취도에 미치는 효과를 알아보기 위한 것이다. 이를 위해 초등학교 4학년 128명(장독립적, 장의존적 학습자)을 대상으로 망상형과 위계형 구조의 하이퍼미디어 학습 프로그램을 학습하게 한 후 학업성취도를 검사하였다. 이 연구의 결과는 다음과 같다. 첫째, 하이퍼미디어 학습 프로그램의 구조와 학습자 인지양식은 초등학생의 학업성취도에 대해 상호작용의 효과가 나타나지 않았다. 둘째, 하이퍼미디어 학습 프로그램의 구조 간에 초등학생의 학업성취도가 통계적으로 유의미한 차이를 나타냈다. 특히, 위계적 구조의 학습자 집단이 망상형 구조의 학습자 집단보다 사실과 원리 영역에 있어서 더 높은 학업성취도를 나타냈다. 셋째, 하이퍼미디어 학습 프로그램에서 초등학생의 인지양식 간에 학업성취도가 통계적으로 유의미한 차이를 보였다. 장독립적 인지양식의 학습자 집단이 장의존적 인지양식의 학습자 집단 보다 사실, 개념, 절차, 원리 영역 등 모든 지식영역에 있어서 더 높은 학업성취도를 보여주었다. 이상의 연구 결과를 통해 다음과 같은 결론을 내릴 수 있다. 교수설계자는 하이퍼미디어 학습 프로그램을 설계할 때 프로그램 구조, 학습자의 인지양식과 학습내용의 지식영역을 충분히 고려해야 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (D)
• /
• pp.105-108
• /
• 2007

Bayesian 학습 네트워크는 여러 가지의 다양한 응용 분야에 적용된다. 본 논문은 다양한 무선 센서 네트워크 환경에 적용될 수 있는 온라인 Bayesian 학습 네트워크의 추론 알고리즘 구조에 대하여 논의한다. 첫째, 논문은 Bayesian 파라메타 학습과 Bayesian DAG 구조 학습을 논의하고, 다음에 무선 센서 네트워크의 특징과 무선 환경에서의 데이터 수집에 대하여 논의한다. 둘째, 논문은 온라인 Bayesian 학습 네트워크에서의 중요한 고려 사항과 네트워크 학습 알고리즘의 개념적 구조에 대하여 논의한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.97-97
• /
• 2021

Hydrometeorological variables contain highly complex system for temporal revolution and it is quite challenging to illustrate the system with a temporal linear and nonlinear models. In recent years, deep learning algorithms have been developed and a number of studies has focused to model the complex hydrometeorological system with deep learning models. In the current study, we investigated the temporal structure inside deep learning models for the hydrometeorological variables such as streamflow and climate indices. The results present a quite striking such that each hidden unit of the deep learning model presents different dependence structure and when the number of hidden units meet a proper boundary, it reaches the best model performance. This indicates that the deep dependence structure of deep learning models can be used to model selection or investigating whether the constructed model setup present efficient or not.