• Nutrition Research and Practice
• /
• 제16권6호
• /
• pp.801-812
• /
• 2022

BACKGROUND/OBJECTIVES: Diet planning in childcare centers is difficult because of the required knowledge of nutrition and development as well as the high design complexity associated with large numbers of food items. Artificial intelligence (AI) is expected to provide diet-planning solutions via automatic and effective application of professional knowledge, addressing the complexity of optimal diet design. This study presents the results of the evaluation of the utility of AI-generated diets for children and provides related implications. MATERIALS/METHODS: We developed 2 AI solutions for children aged 3-5 yrs using a generative adversarial network (GAN) model and a reinforcement learning (RL) framework. After training these solutions to produce daily diet plans, experts evaluated the human- and AI-generated diets in 2 steps. RESULTS: In the evaluation of adequacy of nutrition, where experts were provided only with nutrient information and no food names, the proportion of strong positive responses to RL-generated diets was higher than that of the human- and GAN-generated diets (P < 0.001). In contrast, in terms of diet composition, the experts' responses to human-designed diets were more positive when experts were provided with food name information (i.e., composition information). CONCLUSIONS: To the best of our knowledge, this is the first study to demonstrate the development and evaluation of AI to support dietary planning for children. This study demonstrates the possibility of developing AI-assisted diet planning methods for children and highlights the importance of composition compliance in diet planning. Further integrative cooperation in the fields of nutrition, engineering, and medicine is needed to improve the suitability of our proposed AI solutions and benefit children's well-being by providing high-quality diet planning in terms of both compositional and nutritional criteria.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2010년도 추계학술발표논문집 2부
• /
• pp.901-903
• /
• 2010

본 연구에서는 2007-2009년에 간호학과 및 스포츠과학부 해부학 강의에 있어 가상강의를 실시하였고 이에 따른 학생들의 가상강의 컨텐츠의 만족도와 가상강의실 활용빈도에 따른 학업성취도와의 상관관계를 분석하였다. 2007-2009학년도 1학기 해부학 강의를 가상강의 방식으로 수강한 2개 학과 231명을 대상으로 강의 종료 후 가상강의실 게시판 및 컨텐츠 활용 빈도, 개별 설문조사, 학기말 성적을 확보하여 상호간의 상관관계를 분석하였다. 각 학과별 일반 특성을 보기 위하여 연속 변수의 경우 평균과 표준오차를, 범주형 변수의 경우 그 분포 퍼센트를 이용하여 제시하였다. 학과별로 모든 학생들의 총점을 3분위수로 구분하여 낮음, 중간, 높음으로 분류하였으며, 조사된 모든 변수들의 일반 선형성을 GLM 모델을 이용하여 검증하였다. 사후 검증은 최소자승법을 이용하여 실시하였으며, 이를 이용하여 각각의 세부 집단별 점수 차이에 대한 유의성을 평가하였다. 관련 항목들 간 상관성 분석을 위하여 스피어만 상관계수를 이용하여 p 값 0.05를 기준으로 유의성 검증을 실시하였다. 모든 통계분석은 SAS 9.12 버전을 이용하여 분석하였다. 설문 대상자들은 학과와 해부학 성적에 상관없이 가상강의 전반에 대해 높은 만족도를 가졌다. 해부학 성적이 좋을수록 가상강의실 접속횟수가 유의하게 높았다. 아울러 해부학 성적이 좋을수록 난이도가 낮고 흥미도는 높게 나타났다. 또한 평가 요인들 간의 상관관계를 분석한 결과, 가상강의의 만족도는 흥미도와 전공과의 연계성과 밀접한 관련이 있었다. 가상강의 게시판을 통한 과제물 관리, 질의응답에 대한 적절성에 대해서는 성적에 따라 일부 유의한 차이가 나타났으나 높은 만족도를 나타내었다. 결론적으로 건강 및 의료 전공자들을 위한 해부학 강의에 있어 가상강의의 도입과 적용은 성공적이었으며, 이는 해부학 전공 교수진이 매우 부족한 현실에서 해부학 강의의 질적 저하를 막고 효율적인 교육을 위한 대안이 될 것으로 판단된다. 단, 해부학 가상강의 컨텐츠의 개선, 자료 보강 및 가상강의의 접근성 확보는 시급히 개선해야할 과제로 남아 있다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 2부
• /
• pp.213-218
• /
• 2007

정보생산을 촉진하는 새로운 형태의 사이버공간이 나타나면서 지식의 창출과 지식을 얻는 형태가 변화하고 있다. 최종사용자에게 웹 애플리케이션을 제공하는 컴퓨팅 플랫폼인 web 2.0의 도입으로 손쉽게 자신이 필요한 정보를 분류할 수 있는 웹 컨텐츠가 활발히 제공되고 있으며 제공된 컨텐츠를 활용하여 수많은 정보 속에서 자신만의 보석을 찾아 손쉽게 지식을 쌓아 관리를 하고 있다. 이러한 지식공유서비스는 무분별한 정보, 중복된 지식, 그리고 단순한 관리로 인해 자신이 원하는 지식을 얻기란 쉽지 않은 것이 사실이다. 본 논문에서는 온라인상의 정보를 탐색하기 위해서 인터넷을 이용하던 네티즌들이 정보생산자로서 참여하는 공간으로 등장한 '지식공유서비스'를 기반으로 지식 창출 및 관리자로서 시니어를 활용하여 지식의 수용자로서 유아들을 위한 NIE (News In Education) 활용 교육 체계를 제안한다. 뉴스는 유아부터 성인까지 활용될 수 있는 좋은 교육 자료로서 NIE를 통하여 사고력, 논리력, 표현력, 창의력 등 여러 영역에 걸친 능력을 향상시킬 수 있다. 특히 유치원이나 학교의 교과과정에 맞추어 이러한 능력들을 더욱 배가 시킬 수 있다는 점에서 NIE가 더욱 각광받고 있다. 본 연구는 미디어 융합의 결과로 인터넷 뉴스를 활용해 생활과 분리되지 않은 통합교육을 할 수 있는 SCORM 기반의 유아용 콘텐츠를 생성하여 유아 교육에 활용하고자 한다. 또한, 유아용 NIE 교육 콘텐츠는 시니어들을 NIE 강사로 양성하였을 때 학습 자료로도 활용된다. 시니어들을 NIE 강사로 양성함으로써 시니어의 일자리 창출 및 지역사회 통합과 1세대인 여성시니어와 3세대인 아동 간의 세대통합을 이끌어 낼 수 있도록 하는 것에 목적을 두고 시니어 NIE 콘텐츠를 생성하고자 한다. NIE에 생성되는 지식을 생성하고 관리하기 위한 지식 솔루션으로 위키의 기능을 추가하여 개발하고자 한다. 위키를 사용하므로 개별적으로 존재하던 지식을 공동의 지식으로 공유할 수 있으며 의견을 하나로 통합하는 과정에서도 유용하게 사용될 수 있을 것이다. 위키를 이용한 시니어 NIE 콘텐츠에서는 교수 학습 계획안 및 NIE 아이디어를 공동 작업을 통하여 효율적으로 지식을 생성할 수 있으며 여러 사람들이 여러 단계를 거치면서 하나의 정제된 지식을 생성하게 되므로 양질의 교수 학습 계획안이나 NIE 아이디어를 창출할 수 있을 것이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.105-108
• /
• 2007

본 논문에서는 향후 유비쿼터스 시대에 필수적 기반기술인 UPnP 미들웨어 기반 디지털 컨버전스를 위한 UPnP-OSGi 번들을 개발하였다. 이는 홈 네트워크 시스템의 디지털 컨버전스 서비스 구축을 위해 다양한 서비스 및 사용자 간에 데이터 공유, 서비스 라이프사이클, 서비스 분배 관리를 멀티미디어 기능 탑재가 가능한 UPnP 미들웨어를 기반으로 지속적인 댁내 환경 변화를 실시간으로 모니터링 하는 시스템에 요구되는 UPnP-OSGi 번들이다. 완성된 번들은 Web 2.0 환경에서 요구하는 다양한 제어 및 모니터링 서비스의 세분화가 가능해져 사용자의 개입 없이 자동으로 서비스들을 구성, 관리, 제어 할 수 있어 다양한 서비스 개발이 용이해 질 수 있다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제24권4호
• /
• pp.843-864
• /
• 2010

사범대학 교직과목인 교육방법 및 교육공학 과목과 수학교육 과목인 수학교육과 교육공학(또는 컴퓨터와 수학교육)을 연계시켜 강의하는 방안을 제안한다. 현실적으로 예비교사들이 임용고사와 관련된 교직과목의 내용을 필수적으로 들어야하기에, 우리는 교육공학 관련 교직과목의 내용을 중심으로 수학교육과 교육공학을 실습으로 접목시키는 연계방안을 실시하였다. 우리는 이러한 연계 교육과 실습을 위해 먼저 웹 2.0 기반 교육공학 이론과 수학사 기반 수학실험을 위한 마이크로월드 수학실험실을 설계하였다. 또한 인터넷에 구축된 수학실험실을 기반으로 교육공학 관련 교직과목 이론과 수학교육공학 관련 교과교육 내용의 실습을 진행하며 두 과목의 연계를 시도하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.450-450
• /
• 2021

기후변화 보고서에 따르면 집중 호우의 강도 및 빈도 증가가 향후 몇 년동안 지속될 것이라 제시하였다. 이러한 집중호우가 빈번히 발생하게 된다면 강우 침식성이 증가하여 표토 침식에 더 취약하게 발생된다. Universal Soil Loss Equation (USLE) 입력 매개 변수 중 하나인 강우침식능인자는 토양 유실을 예측할때 강우 강도의 미치는 영향을 제시하는 인자이다. 선행 연구에서 USLE 방법을 사용하여 강우침식능인자를 산정하였지만, 60분 단위 강우자료를 이용하였기 때문에 정확한 30분 최대 강우강도 산정을 고려하지 못하는 한계점이 있다. 본 연구의 목적은 강우침식능인자를 이전의 진행된 방법보다 더 빠르고 정확하게 예측하는 머신러닝 모델을 개발하며, 총 월별 강우량, 최대 일 강우량 및 최대 시간별 강우량 데이터만 있어도 산정이 가능하도록 하였다. 이를 위해 본 연구에서는 강우침식능인자의 산정 값의 정확도를 높이기 위해 1분 간격 강우 데이터를 사용하며, 최근 강우 패턴을 반영하기 위해서 2013-2019년 자료로 이용했다. 우선, 월별 특성을 파악하기 위해 USLE 계산 방법을 사용하여 월별 강우침식능인자를 산정하였고, 국내 50개 지점을 대상으로 계산된 월별 강우침식능인자를 실측 값으로 정하여, 머신러닝 모델을 통하여 강우침식능인자 예측하도록 학습시켜 분석하였다. 이 연구에 사용된 머신러닝 모델들은 Decision Tree, Random Forest, K-Nearest Neighbors, Gradient Boosting, eXtreme Gradient Boost 및 Deep Neural Network을 이용하였다. 또한, 교차 검증을 통해서 모델 중 Deep Neural Network이 강우침식능인자 예측 정확도가 가장 높게 산정하였다. Deep Neural Network은 Nash-Sutcliffe Efficiency (NSE) 와 Coefficient of determination (R²)의 결과값이 0.87로서 모델의 예측성을 입증하였으며, 검증 모델을 테스트 하기 위해 국내 6개 지점을 무작위로 선별하여 강우침식능인자를 분석하였다. 본 연구 결과에서 나온 Deep Neural Network을 이용하면, 훨씬 적은 노력과 시간으로 원하는 지점에서 월별 강우침식능인자를 예측할 수 있으며, 한국 강우 패턴을 효율적으로 분석 할 수 있을 것이라 판단된다. 이를 통해 향후 토양 침식 위험을 지표화하는 것뿐만 아니라 토양 보전 계획을 수립할 수 있으며, 위험 지역을 우선적으로 선별하고 제시하는데 유용하게 사용 될 것이라 사료된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 춘계학술발표논문집 (하)
• /
• pp.727-730
• /
• 2001

초고속 인터넷 서비스의 확대에 따라 이를 교육에 직 간접적으로 응용하기 위한 노력이 지속적으로 진행되어 왔다. 특히 웹 기반의 가상강의 저작도구를 통한 웹 코스웨어는 원거리 학습자들의 학습 욕구를 자기 주도적인 학습을 통해 가능케 했고 기존의 텍스트, 사운드를 통한 가상강의에서 동영상이 가미된 주문형 교육 서비스(EOD: Education On Demand)가 가능해졌다. 그러나 이를 이용하는 학습자는 전체적인 모듈의 이해를 통해 수업이 진행됨에 따라 학습과정에서는 질의응답을 튜터를 통해 웹 캐스팅이 이루어졌다. 따라서, 질의응답은 텍스트 형식의 E-mail, 채팅, 게시판, 방명록을 통해 이루어지므로 학습자가 요구한 질의 내용을 잘못 이해하고 튜터가 학습 과정에서의 피드백을 제공하지 못함으로써 개인 학습의 동기부여가 감소됨에 따라 흥미를 잃게 되었다. 본 논문에서는 이러한 문제점을 개선하기 위해 멀티 캐스팅 기법을 통해 교육용 서버를 이용한 학습지원도구를 분석, 설계한다. 가상강의는 기본적인 컨텐츠를 제시하고 그를 통해 수업이 진행되는 과정에서의 질의응답을 일대다(One-To-Many)의 멀티 캐스팅 서비스를 튜터가 지정한 교육용 서버를 통해 텍스트 형식이 아닌 강의자료로 쓰인 문서 파일에 직접 작성하여 전송하게 된다. 따라서 튜터는 메일링 서비스를 통해 질문사항을 자신의 폴더 서비스로 확인하고 즉시 학습자에게 피드백을 제공함으로써 튜터와 학습자들간의 커뮤니케이션이 활발히 이루어지며, 상호작용의 증가를 통해 웹 기반의 컨퍼런싱(WBC: Web Based Conferencing)을 가질 수 있게 된다.rver는 Client가 요청한 Content(services)를 전달 해 주는 컨텐트 전달 모듈(Content Deliver Module)과 서버 Phonebook 엑세스 모들(Server Phonebook Access Module)로 구성되어 있다.외 보다 높았다(I/O ratio 2.5). BTEX의 상대적 함량도 실내가 실외보다 높아 실내에도 발생원이 있음을 암시하고 있다. 자료 분석결과 유치원 실내의 벤젠은 실외로부터 유입되고 있었고, 톨루엔, 에틸벤젠, 크실렌은 실외뿐 아니라 실내에서도 발생하고 있었다. 정량한 8개 화합물 각각과 총 휘발성 유기화합물의 스피어만 상관계수는 벤젠을 제외하고는 모두 유의하였다. 이중 톨루엔과 크실렌은 총 휘발성 유기화합물과 좋은 상관성 (톨루엔 0.76, 크실렌, 0.87)을 나타내었다. 이 연구는 톨루엔과 크실렌이 총 휘발성 유기화합물의 좋은 지표를 사용될 있고, 톨루엔, 에틸벤젠, 크실렌 등 많은 휘발성 유기화합물의 발생원은 실외뿐 아니라 실내에도 있음을 나타내고 있다.>10)의 $[^{18}F]F_2$를 얻었다. 결론: $^{18}O(p,n)^{18}F$ 핵반응을 이용하여 친전자성 방사성동위원소 $[^{18}F]F_2$를 생산하였다. 표적 챔버는 알루미늄으로 제작하였으며 본 연구에서 연구된 $[^{18}F]F_2$가스는 친핵성 치환반응으로 방사성동위원소를 도입하기 어려운 다양한 방사성의 약품개발에 유용하게 이용될 수 있을 것이다.었으나 움직임 보정 후 영상을 이용하여 비교한 경우, 결합능 변화

• 한국산학기술학회논문지
• /
• 제21권8호
• /
• pp.572-578
• /
• 2020

주식 시장은 기업 실적 및 경기 상황뿐만 아니라 정치, 사회, 자연재해 등 예기치 못한 요소들에 영향을 받는다. 이런 요소들을 고려한 정확한 예측을 위해서 다양한 기법들이 사용된다. 최근 인공지능 기술이 화두가 되면서 이를 활용한 주가 예측 시도 또한 이루어지고 있다. 본 논문은 단순히 주식 관련 데이터뿐만 아닌, 거시 경제적 지표 등을 활용한 여러 종류의 데이터를 이용하여 주가에 영향을 미치는 요소에 관한 연구를 제안한다. KOSDAQ을 대상으로 1년 치 종가, 외국인 비율, 금리, 환율 데이터를 다양하게 조합한 후에 딥러닝의 Nonlinear AutoRegressive with eXternal input (NARX) 모델을 활용한다. 이 모델을 통해 1달 치 데이터를 생성하고 각 데이터 조합을 통해 만들어진 예측값을 RMSE를 통해 실제값과 비교, 분석한다. 또한, 은닉층에서 뉴런의 수, 지연 시간을 다양하게 설정하여 RMSE를 비교한다. 분석 결과 뉴런은 10개, 지연 시간은 2로 설정하고, 데이터는 미국, 중국, 유럽, 일본 환율의 조합을 사용할 때 RMSE 0.08을 보이며 가장 낮은 오차를 기록하였다. 본 연구는 환율이 주식에 가장 영향을 많이 미친다는 점과 종가 데이터만 사용했을 때의 RMSE 값인 0.589에서 오차를 낮췄다는 점에 의의가 있다.

• 한국수자원학회논문집
• /
• 제51권10호
• /
• pp.863-874
• /
• 2018

본 연구에서는 SWAT 모형과 random forest를 이용하여 미래 기후변화에 따른 한강유역($34,148km^2$)의 수생태계 건강성을 평가하였다. 국립환경과학원에서 8년간(2008~2015년) 봄철(4~6월)에 모니터링한 부착돌말류 지수(TDI), 저서형 대형무척추동물지수(BMI), 어류평가지수(FAI)는 0~100점, A~E등급으로 평가되며, 이를 본 연구에서 사용하였다. 수생태 건강성에 영향을 미치는 변수로는 수질(T-N, $NH_4$, $NO_3$, T-P, $PO_4$)과 수온을 선정하였으며, 수질 오염도가 낮은 경우에는 수생태계 건강성 점수가 광범위하게 분포되지만 수질 오염도가 높은 경우 수생태계 건강성 점수가 낮아지는 역상관관계를 확인하였다. 기계학습의 분류 분석 기법 중 하나인 random forest 모델을 이용한 세 개의 수생태 건강성 지수 등급분류 결과 정밀도, 재현율, f1-score 모두 0.81 이상의 예측 정확도를 나타내었다. 기상청의 HadGEM3-RA RCP 4.5와 8.5 시나리오를 적용한 미래 SWAT 수문, 수질 결과 기저유출의 증가로 인해 질소 계열 수질 농도는 기준년도 대비 최대 43.2% 증가하였고, 지표유출 감소로 인해 인 계열수질 오염도는 최대 18.9% 감소하는 것으로 분석되었다. 미래 FAI, BMI의 등급은 개선되는 경향을 보이지만 TDI는 등급이 악화되는 것으로 나타났다. 이를 통해 TDI는 질소 계열 수질에 민감하고 FAI, BMI는 인 계열 수질에 더 민감하다고 판단하였다.

• 정보처리학회 논문지
• /
• 제13권6호
• /
• pp.284-290
• /
• 2024

음성감정인식(Speech Emotion Recognition, SER)은 사용자의 목소리에서 나타나는 떨림, 어조, 크기 등의 음성 패턴 분석을 통하여 감정 상태를 판단하는 기술이다. 하지만, 기존의 음성 감정인식 연구는 구현된 시나리오를 이용하여 제한된 환경 내에서 숙련된 연기자를 대상으로 기록된 음성인 구현발화를 중심의 연구로 그 결과 또한 높은 성능을 얻을 수 있지만, 이에 반해 자유발화 감정인식은 일상생활에서 통제되지 않는 환경에서 이루어지기 때문에 기존 구현발화보다 현저히 낮은 성능을 보여주고 있다. 본 논문에서는 일상적 자유발화 음성을 활용하여 감정인식을 진행하고, 그 성능을 향상하고자 한다. 성능평가를 위하여 AI Hub에서 제공되는 한국인 자유발화 대화 음성데이터를 사용하였으며, 딥러닝 학습을 위하여 1차원의 음성신호를 시간-주파수가 포함된 2차원의 스펙트로그램(Spectrogram)로 이미지 변환을 진행하였다. 생성된 이미지는 CNN기반 전이학습 신경망 모델인 VGG (Visual Geometry Group) 로 학습하였고, 그 결과 7개 감정(기쁨, 사랑스러움, 화남, 두려움, 슬픔, 중립, 놀람)에 대해서 성인 83.5%, 청소년 73.0%의 감정인식 성능을 확인하였다. 본 연구를 통하여, 기존의 구현발화기반 감정인식 성능과 비교하면, 낮은 성능이지만, 자유발화 감정표현에 대한 정량화할 수 있는 음성적 특징을 규정하기 어려움에도 불구하고, 일상생활에서 이루어진 대화를 기반으로 감정인식을 진행한 점에서 의의를 두고자 한다.