• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제28권1호
• /
• pp.1-17
• /
• 2014

최근 학생의 수학적 사고력 및 문제해결능력의 신장이 강조되고 있다. 그럼에도 불구하고 실제 학생들이 문제를 해결하는 과정을 살펴보면 주어진 문제 유형과 관련된 알고리즘을 사용하여 기계적으로 해결하는 경우가 많다. 이러한 문제해결 방법으로는 최근 강조되고 있는 목표를 달성하기 어려울 뿐만 아니라 오히려 오류나 오 개념을 형성할 수도 있다. 그런데 일관성을 갖는 오류는 현재 학습자의 인지능력 상태를 파악할 수 있게 하고, 학습 실패 원인에 대한 정보를 제공해 준다는 긍정적 측면이 있다. 이에 본 연구에서는 톱니바퀴 관련 문제해결 과정에서 학생이 보이는 오류를 분석하여 그 원인을 진단하고, 오류의 교정과 예방을 위한 바람직한 지도방안을 마련하고자 하였다. 학생의 오류를 분석한 결과 사용할 수 있는 다른 방법이 있음에도 불구하고 비례식만을 이용하여 해결하려고 하였으며, 자신이 세운 비례식이 옳은지 그른지에 대해서도 전혀 고려를 하지 않았다. 이는 다른 많은 요인이 있겠으나, 교과서와 교육과정의 구성도 중요한 요인 중 하나라고 할 수 있다. 이와 같은 결과를 토대로 문제해결과 관련된 세 가지 접근방법과 톱니바퀴 관련 문제와 연관되어 교육과정에 제시되는 개념의 내용과 순서 및 지도방안에 대한 논의와 시사점을 제시하였다.

• 한국콘텐츠학회논문지
• /
• 제12권12호
• /
• pp.489-498
• /
• 2012

본 논문은 연구 학습 주제 지식베이스를 통한 소셜컴퓨팅 지원에 관한 연구로 두 가지 하부 연구로 구성되었다. 첫 번째 연구는 다양한 학문분야에서 전자 도서관 이용자들의 연구 및 학습 주제를 추출하기 위해 분야별로 분류가 잘 되어 있는 NDLTD Union catalog의 석박사 학위 논문 (Electronic Theses and Dissertations : ETDs)을 분석하여 계층적 지식베이스를 구축하는 연구이다. 석박사 학위 논문 이외에 ACM Transactions 저널의 논문과 컴퓨터 분야 국제 학술대회 웹사이트도 추가로 분석하였는데 이는 컴퓨팅 분야의 보다 세분화된 지식베이스를 얻기 위해서이다. 계층적 지식베이스는 개인화 서비스, 추천시스템, 텍스트 마이닝, 기술기회탐색, 정보 가시화 등의 정보서비스와 소셜컴퓨팅에 유용하게 사용될 수 있다. 본 논문의 두 번째 연구 부분에서는 우리가 만든 계층적 지식기반을 활용하여 4개의 사용자 커뮤니티 마이닝 알고리즘 중에서 우리가 수행중인 소셜 컴퓨팅 연구, 즉 구성원간의 결합도에 기반한 추천시스템에 최상의 성능을 보이는 그룹핑 알고리즘을 찾는 성능 평가 연구 결과를 제시하였다. 우리는 이 논문을 통해서 우리가 제안하는 연구 학습 주제 데이터베이스를 사용하는 방법이 기존에 사용자 커뮤니티 마이닝을 위해 사용되던 비용이 많이 필요하고, 느리며, 개인정보 침해의 위험이 있는 인터뷰나 설문에 기반한 방법을 자동화되고, 비용이 적게 들고, 빠르고, 개인정보 침해 위험이 없으며, 반복 수행시에도 일관된 결과를 보여주는 방법으로 대체할 수 있음을 보이고자 한다.

• 대한전자공학회논문지SP
• /
• 제49권4호
• /
• pp.58-66
• /
• 2012

다양한 방법으로 영상을 재현하는 많은 장치들이 있다. 그러나 지원할 수 있는 색의 범위인 색역의 차이 때문에 동일한 칼라 영상이 장치별로 서로 다르게 보이는 현상이 발생한다. 최근 색역 사상은 이미지내의 주변 픽셀에 적응적으로 색역 사상을 수행하는 방법인 공간적인 색역 사상이 많이 사용되고 있다. 그러나 공간적인 색역 사상 방법은 색상 이동, 후광 효과, 상세정보 보존에 대한 문제점을 가지고 있다. 본 논문에서는 기존의 색역 사상 방법에서 색역 밖 영역의 경계영역 보존으로 인해 상세정보 보존이 잘 되지 않는 문제점을 해결하기 위하여 입력 영상의 정보를 활용해서 영상의 상세정보를 보존하는 공간적인 색역 사상 방법을 제안한다. 제안한 방법은 먼저, 입력 영상을 색역 절단 방법을 이용해서 색역 사상을 수행하고 입력 영상과 색역 사상된 영상을 각각 저역 통과 필터링 한 후, 입력 영상의 상세정보과 색역 사상된 영상의 상세정보를 계산한다. 제안한 방법의 상세정보는 입력영상의 상세정보와 색역 사상된 영상의 상세정보의 차로 구할 수 있다. 마지막으로 제안한 방법으로 구한 상세정보를 색역 사상된 영상에 더 해줌으로써 상세정보가 보상된 영상을 얻게 된다. 그리고 상세정보 보상과정에서 색역 밖으로 나간 값을 색역 안으로 넣어주기 위해 다시 색역 절단 방법을 이용한 색역 사상을 수행해서 결과 영상을 얻는다. 제안한 방법을 모니터와 프린터 간에 색재현에 적용하는 실험을 통해 보다 선명하고 대비가 높은 영상 얻을 수 있다.

• 한국전산구조공학회논문집
• /
• 제27권4호
• /
• pp.239-245
• /
• 2014

강화재의 복잡한 배열로 인하여 복합재 구조에 대한 유한요소 모델링은 상당히 까다로운 문제가 될 수 있다. 본 논문에서는 복합재 구조에 대하여 효율적으로 주기 격자망을 생성시킬 수 있는 기법을 제안한다. 먼저 육면체 유한요소로 구성된 규칙적인 격자망을 준비하고, 이를 복합재 내의 강화재에 대한 표면 정보에 맞추어 깎아낸다. 강화재와 기지재 사이에서 깎여진 육면체 유한요소는 임의의 절점과 면을 가질 수 있는 다면체 유한요소에 해당한다. 일관된 알고리즘을 이용하여 육면체 유한요소를 깎아내기 때문에 강화재와 기지재 사이의 요소는 자동적으로 적합한 형태로 구성된다. 또한 대표체적영역 내에서 강화재의 주기성을 추가적으로 고려하면, 대표체적영역에 대한 각각의 주기 경계 쌍에서 절점과 요소의 형태가 모두 일치하는 주기 격자망을 효율적으로 생성시킬 수 있다. 그러므로 별도의 처리 없이 대표체적영역에 주기 경계조건을 부여할 수 있다. 수치예제에서는 본 논문에서 제안한 기법의 효용성을 검증한다.

• 한국정보통신학회논문지
• /
• 제18권10호
• /
• pp.2551-2561
• /
• 2014

심방세동 검출을 위한 기존 연구방법으로는 비선형 분석법과 주파수 분석법 등을 들 수 있지만 시간 영역 알고리즘에 비해 연산이 복잡하고 불규칙한 리듬 검출에 필요한 일반적 규칙을 제공하지 못한다. 이를 위해 본 연구에서는 선형 분석 기반의 심방세동 분류를 위한 불규칙 RR 간격의 최적값 검출 방법을 제안하였다. 이를 위해 먼저 전처리과정과 차감 기법을 통해 R파를 검출하였다. 이후 불규칙 RR 간격의 세그먼트 길이에 대한 범위를 설정하고 정규화 절대 편차와 절대치와 같은 선형 분석상의 심방세동 분류를 위한 최적값을 검출하였다. 제안된 알고리즘의 타당성 평가를 위해 MIT-BIH 부정맥과 심방세동 데이터베이스를 이용하여 RR 간격의 세그먼트 길이와 최적값에 대한 심방세동 분류율을 각각 비교 실험하였다. 성능 평가 결과, RR 간격과 연속하는 RR 간격 차에 대한 최적값은 ${\alpha}=0.75$, ${\beta}=1.4$, ${\gamma}=300ms$ 일 때 제일 높은 성능을 나타나는 것을 확인할 수 있었다.

• 방송공학회논문지
• /
• 제26권3호
• /
• pp.247-257
• /
• 2021

본 논문에서는 3D(dimensional) 스켈레톤을 이용하여 다시점 RGB-D 카메라를 캘리브레이션 하는 새로운 기법을 제안하고자 한다. 다시점 카메라를 캘리브레이션 하기 위해서는 일관성 있는 특징점이 필요하다. 또한 높은 정확도의 캘리브레이션 결과를 얻기 위해서는 정확한 특징점의 획득이 필요하다. 우리는 다시점 카메라를 캘리브레이션 하기 위한 특징점으로 사람의 스켈레톤을 사용한다. 사람의 스켈레톤은 최신의 자세 추정(pose estimation) 알고리즘들을 이용하여 쉽게 구할 수 있게 되었다. 우리는 자세 추정 알고리즘을 통해서 획득된 3D 스켈레톤의 관절 좌표를 특징점으로 사용하는 RGB-D 기반의 캘리브레이션 알고리즘을 제안한다. 다시점 카메라에 촬영된 인체 정보는 불완전할 수 있기 때문에, 이를 통해 획득된 영상 정보를 바탕으로 예측된 스켈레톤은 불완전할 수 있다. 불완전한 다수의 스켈레톤을 효율적으로 하나의 스켈레톤으로 통합한 후에, 통합된 스켈레톤을 이용하여 카메라 변환 행렬을 구함으로써 다시점 카메라들을 캘리브레이션 할 수 있다. 캘리브레이션의 정확도를 높이기 위해서 시간적인 반복을 통해서 다수의 스켈레톤을 최적화에 이용한다. 우리는 실험을 통해서 불완전한 다수의 스켈레톤을 이용하여 다시점 카메라를 캘리브레이션 할 수 있음을 증명한다.

• Journal of Astronomy and Space Sciences
• /
• 제22권4호
• /
• pp.431-440
• /
• 2005

K 지수는 특정 지역에서의 지자기 변동을 나타내는 지수로서 3시간마다 결정된다. K 지수를 결정하는 알고리즘은 태양복사의 규칙적인 일변화(Sq)를 결정하는 방법에 따라 다양하다. 그 중에서 FMI 알고리즘은 K 지수를 구하고자 하는 날과 그 전 후의 1일 자료를 포함한 총 3일 동안의 지자기 수평성분(H, D) 측정 자료를 사용하여 태양복사의 규칙적인 일변화(Sq)를 구한다. 그러나 이 알고리즘은 K 지수를 구하고자 하는 날로부터 1일 후까지의 측정 자료가 필요하기 때문에 실시간으로 K 지수를 구하는 경우에는 어려움이 있다. 본 연구에서는 준실시간으로 K 지수를 구하기 위해 미국 우주환경예보센터(NOAA/SEC)에서 제공하는 과거의 전지구적 지자기 K지수(Planetary K index: Kp)를 검색하여 최근의 Kp지수가 모두 3 이하인 지자기 활동이 조용한 날을 찾고 그 날의 지자기측정 자료를 FMI 알고리즘의 3일치 입력 자료로 사용함으로써 준실시간 K 지수를 구하는 방법을 고안하였다. 이러한 방법을 검증하기 위해 우리는 2003년 1년 동안 한국지질자원연구원에서 운용하는 경주 지자기 관측소의 FLARE+ 시스템으로 측정된 자료를 사용하고 우리의 준실시간 결정 방법을 적용하여 K 지수를 구하고 이를 일반적인 FMI 알고리즘으로 구한 K지수와 서로 비교하였다. 그 결과, 우리의 방법으로 결정된 K 지수는 일반적인 방법으로 구한 K 지수와 잘 일치하였다. 또한 준실시간 결정 방법으로 구한 K 지수를 일본 Kakioka 관측소에서 결정한 K 지수와 비교한 결과 그 상관지수(R)가 0.81 정도로 높음을 확인하였다. 본 연구의 결과는 향후 한반도 지역에서의 K 지수 변동을 준실시간으로 모니터링 하는데 활용될 수 있을 것으로 기대된다.

• 자원환경지질
• /
• 제55권5호
• /
• pp.551-561
• /
• 2022

지구물리탐사기법은 매장 문화재 조사에 필요한 높은 해상도의 지하 구조 영상 생성과 매장 유구의 정확한 위치 결정하는 데 매우 유용하다. 이 연구에서는 경주 신라왕경 중심방의 고해상도 지하투과레이더 영상에서 유구의 규칙적인 배열이나 선형 구조를 자동적으로 구분하기 위하여 영상처리 기법인 영상 특징 추출과 영상분할 기법을 적용하였다. 영상 특징 추출의 대상은 유구의 원형 적심과 선형의 도로 및 담장으로 캐니 윤곽선 검출(Canny edge detection)과 허프 변환(Hough Transform) 알고리듬을 적용하였다. 캐니 윤곽선 검출 알고리듬으로 검출된 윤곽선 이미지에 허프 변환을 적용하여 유구의 위치를 탐사 영상에서 자동 결정하고자 하였으나, 탐사 지역별로 매개변수를 달리해서 적용해야 한다는 제약이 있었다. 영상 분할 기법의 경우 연결요소 분석 알고리듬과 QGIS에서 제공하는 Orfeo Toolbox (OTB)를 이용한 객체기반 영상분석을 적용하였다. 연결 요소 분석 결과에서, 유구에 의한 신호들이 연결된 요소들로 효과적으로 인식되었지만 하나의 유구가 여러 요소로 분할되어 인식되는 경우도 발생함을 확인하였다. 객체기반 영상분석에서는 평균이동(Large-Scale Mean-Shift, LSMS) 영상 분할을 적용하여 각 분할 영역에 대한 화소 정보가 포함된 벡터 레이어를 우선 생성하였고, 유구를 포함하는 영역과 포함하지 않는 영역을 선별하여 훈련 모델을 생성하였다. 이 훈련모델에 기반한 랜덤포레스트 분류기를 이용해 LSMS 영상분할 벡터 레이어에서 유구를 포함하는 영역과 그렇지 않은 영역이 자동 분류 될 수 있음을 확인하였다. 이러한 자동 분류방법을 매장 문화재 지하투과레이더 영상에 적용한다면 유구 발굴 계획에 활용가능한 일관성 있는 결과를 얻을 것으로 기대한다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.1-23
• /
• 2018

E-commerce 환경의 발전으로 소비자들은 다양한 상품들을 한 자리에서 폭 넓게 비교할 수 있게 되었다. 하지만 온라인 쇼핑몰에 올라와있는 상당량의 주요 상품 정보들이 이미지 형태이기 때문에 컴퓨터가 인지할 수 있는 텍스트 기반 검색 시스템에 반영될 수 없다는 한계가 존재한다. 이러한 한계점은 일반적으로 기존 기계학습 기술 및 OCR(Optical Character Recognition) 기술을 활용해, 이미지 형태로 된 키워드를 인식함으로써 개선할 수 있다. 그러나 기존 OCR 기술은 이미지 안에 글자가 아닌 그림이 많고 글자 크기가 작으면 낮은 인식률을 보인다는 문제가 있다. 이에 본 연구에서는 기존 기술들의 한계점을 해결하기 위하여, 딥러닝 기반 사물인식 모형 중 하나인 SSD(Single Shot MultiBox Detector)를 개조하여 이미지 형태의 상품 카탈로그 내의 텍스트 인식모형을 설계하였다. 하지만 이를 학습시키기 위한 데이터를 구축하는 데 상당한 시간과 비용이 필요했는데, 이는 지도학습의 방법론을 따르는 SSD 모형은 훈련 데이터마다 직접 정답 라벨링을 해줘야 하기 때문이다. 본 연구는 이러한 문제점을 해결하기 위해 '훈련 데이터 자동 생성 프로그램'을 함께 개발하였다. 훈련 데이터 자동 생성 프로그램을 통해 수작업으로 데이터를 만드는 것에 비하여 시간과 비용을 대폭 절감할 수 있었으며, 생성된 훈련용 데이터를 통해 모형의 인식 성능을 높일 수 있었다. 더 나아가 실험연구를 통해 자동으로 생성된 훈련 데이터의 특징별로 인식기 모형의 성능에 얼마나 큰 영향을 끼치는지 알아보고, 성능 향상에 효과적인 데이터의 특징을 분석하였다. 본 연구를 통해서 개발된 상품 카탈로그 내 텍스트 인식모형과 훈련 데이터 자동 생성 프로그램은 온라인 쇼핑몰 판매자들의 상품 정보 등록 수고를 줄여줄 수 있으며, 구매자들의 상품 검색 시 결과의 정확성을 향상시키는 데 기여할 수 있을 것으로 기대한다.