• 한국콘텐츠학회논문지
• /
• 제20권7호
• /
• pp.282-291
• /
• 2020

본 연구는 PBL 활동에서 교육과정 편성 과제의 구조화 정도에 따라 학생들의 문제해결력에 미치는 영향을 탐색하기 위해서 수행되었다. 연구는 교육과정 수업을 수강하는 대학생 60명을 대상으로 하였다. 학기 초 문제 해결력을 측정하였고, 중간고사 실시 이후에 PBL활동을 수행하였다. 실험집단 30명은 비구조화 된 PBL 형태의 과제를 수행하였고, 비교집단 30명은 반 구조화된 문제를 수행하였다. 과제 종료 후 학기 말에 문제해결력을 측정하였다. 사전·사후 검사 자료의 분석을 위해서 ANCOVA를 사용하였다. 그 결과 실험집단은 비교집단 보다 정보수집요인과 확산적 사고 그리고 평가 및 피드백 수준이 통계적으로 유의미하게 향상되었다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1992년도 한국자동제어학술회의논문집(국제학술편); KOEX, Seoul; 19-21 Oct. 1992
• /
• pp.79-84
• /
• 1992

Path planning is an important task for optimal motion of a robot in structured or unstructured environment. The goal of this paper is to plan the optimal collision-free path in 3D, when a robot is navigated to pick up some tools or to repair some parts from various locations. To accomplish the goal, the Path Coordinator is proposed to have the capabilities of an obstacle avoidance strategy and a traveling salesman problem strategy (TSP). The obstacle avoidance strategy is to plan the shortest collision-free path between each pair of n locations in 2D or in 3D. The TSP strategy is to compute a minimal system cost of a tour that is defined as a closed path navigating each location exactly once. The TSP strategy can be implemented by the Hopfield Network. The obstacle avoidance strategy in 2D can be implemented by the VGraph Algorithm. However, the VGraph Algorithm is not useful in 3D, because it can't compute the global optimality in 3D. Thus, the Path Coordinator is used to solve this problem, having the capabilities of selecting the optimal edges by the modified Genetic Algorithm and computing the optimal nodes along the optimal edges by the Recursive Compensation Algorithm.

• 디지털산업정보학회논문지
• /
• 제15권4호
• /
• pp.103-110
• /
• 2019

A patent contains detailed information of the developed technology and is published to the public. Thus, patents can be used to overcome the limitations of traditional technology trend research and prediction techniques. Recently, due to the advantages of patented analytical methodology, IP R&D is carried out worldwide. The patent is big data and has a huge amount, various domains, and structured and unstructured data characteristics. For this reason, there are many difficulties in collecting and researching patent information. Patent research generally writes the Search formula to collect patent documents from DB. The collected patent documents contain some noise patents that are irrelevant to the purpose of analysis, so they are removed. However, eliminating noise patents is a manual task of reading and classifying technology, which is time consuming and expensive. In this study, we propose a model that automatically classifies The Noise patent for efficient patent information research. The proposed method performs Patent Embedding using Word2Vec and generates Noise seed label. In addition, noise patent classification is performed using the Random forest. The experimental data is published and registered with the USPTO among the patents related to Ocean Surveillance & Tracking Network technology. As a result of experimenting with the proposed model, it showed 73% accuracy with the label actually given by experts.

• Journal of Information Processing Systems
• /
• 제7권4호
• /
• pp.717-732
• /
• 2011

Classification in biomedical applications is an important task that predicts or classifies an outcome based on a given set of input variables such as diagnostic tests or the symptoms of a patient. Traditionally the classification algorithms would have to digest a stationary set of historical data in order to train up a decision-tree model and the learned model could then be used for testing new samples. However, a new breed of classification called stream-based classification can handle continuous data streams, which are ever evolving, unbound, and unstructured, for instance--biosignal live feeds. These emerging algorithms can potentially be used for real-time classification over biosignal data streams like EEG and ECG, etc. This paper presents a pioneer effort that studies the feasibility of classification algorithms for analyzing biosignals in the forms of infinite data streams. First, a performance comparison is made between traditional and stream-based classification. The results show that accuracy declines intermittently for traditional classification due to the requirement of model re-learning as new data arrives. Second, we show by a simulation that biosignal data streams can be processed with a satisfactory level of performance in terms of accuracy, memory requirement, and speed, by using a collection of stream-mining algorithms called Optimized Very Fast Decision Trees. The algorithms can effectively serve as a corner-stone technology for real-time classification in future biomedical applications.

• 로봇학회논문지
• /
• 제17권4호
• /
• pp.455-462
• /
• 2022

Since electric connectors such as power connectors have a small assembly tolerance and have a complex shape, the assembly process is performed manually by workers. Especially, it is difficult to overcome the assembly error, and the assembly takes a long time due to the error correction process, which makes it difficult to automate the assembly task. To deal with this problem, a reinforcement learning-based assembly strategy using contact states was proposed to quickly perform the assembly process in an unstructured environment. This method learns to generate a search trajectory to quickly find a hole based on the contact state obtained from the force/torque data. It can also learn the stiffness needed to avoid excessive contact forces during assembly. To verify this proposed method, power connector assembly process was performed 200 times, and it was shown to have an assembly success rate of 100% in a translation error within ±4 mm and a rotation error within ±3.5°. Furthermore, it was verified that the assembly time was about 2.3 sec, including the search time of about 1 sec, which is faster than the previous methods.

• 대한임베디드공학회논문지
• /
• 제17권5호
• /
• pp.265-272
• /
• 2022

As the risk of lung cancer has increased, early-stage detection and treatment of cancers have received a lot of attention. Among various medical imaging approaches, computer tomography (CT) has been widely utilized to examine the size and growth rate of lung nodules. However, the process of manual examination is a time-consuming task, and it causes physical and mental fatigue for medical professionals. Recently, many computer-aided diagnostic methods have been proposed to reduce the workload of medical professionals. In recent studies, encoder-decoder architectures have shown reliable performances in medical image segmentation, and it is adopted to predict lesion candidates. However, localizing nodules in lung CT images is a challenging problem due to the extremely small sizes and unstructured shapes of nodules. To solve these problems, we utilize atrous spatial pyramid pooling (ASPP) to minimize the loss of information for a general U-Net baseline model to extract rich representations from various receptive fields. Moreover, we propose mixed-up attention mechanism of reverse, boundary and convolutional block attention module (CBAM) to improve the accuracy of segmentation small scale of various shapes. The performance of the proposed model is compared with several previous attention mechanisms on the LIDC-IDRI dataset, and experimental results demonstrate that reverse, boundary, and CBAM (RB-CBAM) are effective in the segmentation of small nodules.

• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.245-252
• /
• 2022

Risk identification for bridge projects is a knowledge-based and labor-intensive task involving several procedures and stakeholders. Presently, risk information of bridge projects is unstructured and stored in different sources and formats, hindering knowledge sharing, reuse, and automation of the risk identification process. Consequently, there is a need to develop structured and formalized risk information for bridge projects to aid effective risk identification and automation of the risk management processes to ensure project success. This study proposes a semantic risk breakdown structure (SRBS) to support risk identification for bridge projects. SRBS is a searchable hierarchical risk breakdown structure (RBS) developed with python programming language based on a semantic modeling approach. The proposed SRBS for risk identification of bridge projects consists of a 4-level tree structure with 11 categories of risks and 116 potential risks associated with bridge projects. The contributions of this paper are threefold. Firstly, this study fills the gap in knowledge by presenting a formalized risk breakdown structure that could enhance the risk identification of bridge projects. Secondly, the proposed SRBS can assist in the creation of a risk database to support the automation of the risk identification process for bridge projects to reduce manual efforts. Lastly, the proposed SRBS can be used as a risk ontology that could aid the development of an artificial intelligence-based integrated risk management system for construction projects.

• 정보기술응용연구
• /
• 제2권1호
• /
• pp.1-24
• /
• 2000

건설업에 있어서의 프로젝트 관리 즉, 사업 관리는 다른 분야에 비해 여러 가지 요인들로 인해 상대적으로 매우 높은 불확실성과 위험을 수반하게 되며, 이러한 불확실성과 위험으로 인해 건설업에서의 사업관리의 중요성이 매우 크게 인식되고 있다. 사업관리 단계에 있어 사업 정의 및 사업 계획 단계와 사업 설게 및 사업 수행 단계를 자동 또는 반자동적으로 동시에 일관성을 유지시킬 수 있는 체제의 확립이 절실하다고 판단되며, 이를 지원할 수 있는 지원시스템의 필요성이 부각되고 있다. 그러나 이들 초기 단계의 업무는 사업 설계 및 사업 수행 단계와 비교해 상대적으로 비정형적으며, 해당 기업의 축적된 노하우나 전문적 지식에 대한 의존성이 강함으로 인해 쉽게 시스템적 지원을 제공하는데 어려움을 가지고 있다. 특히 이러한 문제는 본 연구에서 대상으로 하고 있는 플랜트 건설 분야에서는 매우 두드러지게 나타나고 있다. 따라서 본 연구에서는 이러한 사업 관리 시스템과 연계될 수 있도록 할 수 있는 체계적 접근 방법을 제시하고 이를 구현함으로써 이상의 문제에 대한 하나의 해결 방법을 제시하고 있다. 이러한 해결 방안을 위한 주요 방법론으로서는 지식 기반 추론과 사례기반 추론 및 신경회로망 기법을 체택하고 있으며 덧붙여, 본 연구에서 개발된 사업 관리 전문가 시스템은 국내 굴지의 건설 회사의 열병 합발전소와 하수처리장 건설을 위한 실제 사업 관리 업무에 적용되어 그 성과를 경험적으로 검증하고 있다. 나아가 이러한 실제 적용 사례는 본 방법론 및 시스템이 다른 플랜트 건설 분야에서도 성공적으로 적용될 수 있으며, 따라서 플랜트 건설 분야에서의 사업 관리 업무의 질적 향상과 생산성의 제고에 기여할 수 있음을 시사하고 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권12호
• /
• pp.485-496
• /
• 2018

지금까지 인공지능의 한 분야인 딥러닝 방법은 구조화되지 않은 데이터로부터 문제를 해결하는 놀라울만한 성과를 이루어왔지만, 인간처럼 여러 상황들을 종합적으로 판단, 그것들의 연관성을 추론하고, 그 다음 상황을 예측하는 수준의 지능을 갖는데 도달하지 못하였다. 최근 발표된 복잡한 관계 추론을 수행하는 심층 신경망은 인공지능이 인간의 핵심 지적 능력인 관계 추론을 보유할 수 있다는 것을 증명하였다. 본 논문에서는 관계 추론 심층 신경망 중에서 Relation Networks (RN)의 성능을 분석 및 관찰해 보고자 Sort-of-CLEVR 데이터 셋을 사용한 시각적 질의응답과 bAbI task를 사용한 텍스트 기반 질의응답 두 유형의 RN 기반 심층 신경망 모델을 구축하여 baseline 모델과의 비교를 통한 성능검증을 하였다. 또한 모델의 성능을 극대화하기 위하여 하이퍼 파라미터 튜닝 등 다양각도의 성능개선 실험으로 관계 추론을 위한 RN 기반 심층 신경망 모델의 성능개선 방법을 제안하였다. 제안한 성능개선 방법은 시각적 질의응답 모델과 텍스트 기반 질의응답 모델에 적용하여 그 효과를 검증하였고, 기존의 RN 모델에서 사용해보지 않았던 Dialog-based LL 데이터 셋을 사용하여 새로운 도메인에서의 제안한 성능개선 방법의 효과를 다시 한 번 검증하였다. 실험 결과 두 유형의 RN 모델 모두에서 초기 학습률이 모델의 성능을 결정하는 핵심 요인임을 알 수 있었고, 제안한 random search 방법에 의해 찾은 최적의 초기 학습률 설정이 모델의 성능을 최고 99.8%까지 향상 시킬 수 있다는 것을 확인하였다.

• 지능정보연구
• /
• 제29권4호
• /
• pp.165-184
• /
• 2023

최근 구글의 BERT, OpenAI의 GPT 등, 언어모델(Language Model)을 사용한 비정형 텍스트 데이터에 대한 딥러닝(Deep Learning) 분석이 다양한 응용에서 괄목할 성과를 나타내고 있다. 대부분의 언어모델은 사전학습 데이터로부터 범용적인 언어정보를 학습하고, 이후 미세 조정(Fine-Tuning) 과정을 통해 다운스트림 태스크(Downstream Task)에 맞추어 갱신되는 방식으로 사용되고 있다. 하지만 최근 이러한 언어모델을 사용하는 과정에서 프라이버시가 침해될 수 있다는 우려가 제기되고 있다. 즉 데이터 소유자가 언어모델의 미세 조정을 수행하기 위해 다량의 데이터를 모델 소유자에게 제공하는 과정에서 데이터의 프라이버시가 침해될 수 있으며, 반대로 모델 소유자가 모델 전체를 데이터 소유자에게 공개하면 모델의 구조 및 가중치가 공개되어 모델의 프라이버시가 침해될 수 있다는 것이다. 이러한 상황에서 프라이버시를 보호하며 언어모델의 미세 조정을 수행하기 위해 최근 오프사이트 튜닝(Offsite Tuning)의 개념이 제안되었으나, 해당 연구는 제안 방법론을 텍스트 분류 모델에 적용하는 구체적인 방안을 제시하지 못했다는 한계를 갖는다. 이에 본 연구에서는 한글 문서에 대한 다중 분류 미세 조정 수행 시, 모델과 데이터의 프라이버시를 보호하기 위해 분류기를 추가한 오프사이트 튜닝을 적용하는 구체적인 방법을 제시한다. 제안 방법론의 성능을 평가하기 위해 AIHub에서 제공하는 ICT, 전기, 전자, 기계, 그리고 의학 총 5개의 대분야로 구성된 약 20만건의 한글 데이터에 대해 실험을 수행한 결과, 제안하는 플러그인 모델이 제로 샷 모델 및 오프사이트 모델에 비해 분류 정확도 측면에서 우수한 성능을 나타냄을 확인하였다.