본 논문에서는 드론의 표적탐지 임무 수행 시 상대운동 정보 제공을 위하여 지정된 표적을 탐지하고 인식하는 스마트 표적탐지 시스템을 제안하였다. 제안된 시스템은 적절한 정확도(i.e. mAP, IoU) 및 높은 실시간성을 동시에 확보할 수 있는 알고리즘을 개발하는데 중점을 두었다. 제안된 시스템은 Google Inception V2 딥러닝 모델의 100k 학습 후 test 결과가 1.0에 가까운 정확성을 보였고 실시간성도 Nvidia GTX 2070 Max-Q를 기반으로 한 고성능 노트북 활용 시에 추론 속도가 약 60-80[Hz]를 기록하였다. 제안된 스마트 표적탐지 시스템은 드론과 같이 운용되어 컴퓨터 영상처리를 활용하여 표적을 자동으로 인식하고 표적을 따라가면서 감시정찰 임무를 성공적으로 수행하는데 도움이 될 것이다.
Lee, Boram;Lee, Yoon Taek;Park, Young Suk;Ahn, Sang-Hoon;Park, Do Joong;Kim, Hyung-Ho
Journal of Gastric Cancer
/
제18권2호
/
pp.182-188
/
2018
Purpose: Despite the fact that there are several reports of single-port laparoscopic distal gastrectomy (SPDG), no analysis of its learning curve has been described in the literature. The aim of this study was to investigate the favorable factors for SPDG and to analyze the learning curve of SPDG. Materials and Methods: A total of 125 cases of SPDG performed from November 2011 to December 2015 were enrolled. All operations were performed by 2 surgeons (surgeon A and surgeon B). The moving average method was used for defining the learning curve. All cases were divided into 10 cases in a sequence, and the mean operative time and estimated blood loss data were extracted from each group. Results: Surgeon A performed 68 cases (female-to-male sex ratio, 91.1%:8.82%), and surgeon B performed 57 cases (female-to-male sex ratio, 61.4%:38.5%). The operative time of surgeon B significantly decreased after 30 cases ($157.8{\pm}38.4$ minutes vs. $118.1{\pm}34.5$ minutes, P=0.003); that of surgeon A did not significantly decrease before and after around 30 cases ($160.8{\pm}51.6$ minutes vs. $173.3{\pm}35.2$ minutes, P=0.6). The subgroup analysis showed that the operative time significantly decreased in the patients with body mass index (BMI) of <$25kg/m^2$ (<$25kg/m^2$:${\geq}25kg/m^2$, $159.3{\pm}41.7$ minutes: $194.25{\pm}81.1$ minutes; P=0.001). Conclusions: Although there was no significant decrease in the operative time for surgeon A, surgeon B reached the learning curve upon conducting 30 cases of SPDG. BMI of <$25kg/m^2$ was found to be a favorable factor for SPDG.
본 연구의 목적은 사병으로 군 복무 중인 대학생이 수행한 자기개발이 복학 후의 자기주도학습과 취업준비행동에 어떠한 영향을 미치는지를 밝히는 것이다. 연구 대상은 전국에서 약 15개 대학의 2, 3, 4학년 대학생을 대상으로 온라인상에서 집락무선표집을 이용하여 323명을 선정하였다. 자료분석은 SPSS 25.0 program을 이용하여 요인분석, 빈도분석, 독립 t-test, one way Anova, 중다회귀분석을 통해 얻은 결론은 다음과 같다. 첫째. 군복무후 복학한 대학생의 개인적 특성과 자기개발경험에 따른 자기주도학습은 대학소재지, 학년, 군복무시 자기개발정도, e-learning 수강정도, 원격강의 이수학점, 자격증취득유무, 지원비용유무에 따라 유의하게 차이가 나타났다. 둘째, 군복무후 복학한 대학생의 개인적 특성과 자기개발경험에 따른 취업준비행동은 대학소재지, 학년, 군복무시 자기개발정도, e-learning 수강정도, 원격강의 이수학점, 자격증취득유무, 지원비용유무에 따라 유의하게 차이가 나타났다. 셋째. 군복무시 자기개발경험은 복학 후 대학생의 자기주도학습 및 취업준비행동에 유의한 영향을 미치는 것으로 나타났다.
Ahmad Abdelmawla;Shihan Ma;Jidong J. Yang;S. Sonny Kim
Geomechanics and Engineering
/
제33권2호
/
pp.203-209
/
2023
One major advantage of ground penetrating radar (GPR) over other field test methods is its ability to obtain subsurface images of roads in an efficient and non-intrusive manner. Not only can the strata of pavement structure be retrieved from the GPR scan images, but also various irregularities, such as cracks and internal cavities. This article introduces a deep learning-based approach, focusing on detecting subsurface cracks by recognizing their distinctive hyperbolic signatures in the GPR scan images. Given the limited road sections that contain target features, two data augmentation methods, i.e., feature insertion and generation, are implemented, resulting in 9,174 GPR scan images. One of the most popular real-time object detection models, You Only Learn One Representation (YOLOR), is trained for detecting the target features for two types of subsurface cracks: bottom cracks and full cracks from the GPR scan images. The former represents partial cracks initiated from the bottom of the asphalt layer or base layers, while the latter includes extended cracks that penetrate these layers. Our experiments show the test average precisions of 0.769, 0.803 and 0.735 for all cracks, bottom cracks, and full cracks, respectively. This demonstrates the practicality of deep learning-based methods in detecting subsurface cracks from GPR scan images.
협력학습이 효과적인 교수모형으로 인식되고 있고, 최근 기본적인 학습 환경은 면대면 강의실 환경일지라도 e-러닝 환경의 장점을 부가적으로 활용하는 혼합학습 형태의 수업이 급격히 증가하고 있음에도 불구하고아직 협력학습을 위한 체계적인 혼합학습 전략에 대한 연구는 많이 부족하다. 이 연구에서는 면대면 환경에서의 협력학습 모형을 기반으로 혼합학습 전략을 개발하고, 실제 학습 현장에 적용하여 수업의 만족도를 알아보기 위한 설문을 실시하였다. 설문 내용은 학습자 기초 조사를 위한 문항, 수업 전반에 대한 만족도, 혼합학습 환경에서의 협력학습에 대한 만족도, 협력학습 각 단계에 적용된 혼합학습 전략 및 지원도구에 대한 만족도 등의 문항으로 구성하였다. 이 연구의 결과는 다음과 같다. 첫째, 혼합학습이 면대면 강의실 수업의 부족한 부분을 보완할 수 있겠는가에 대한 응답자들의 답변은 5점 Likert scale의 평균 4.09로 조사되었고, 혼합학습 환경에서의 협력학습이 면대면 환경에서보다 더 효과적이었는가에 대한 답변은 평균 4.06으로 조사되었다. 둘째, 협력학습의 각 단계에서 적용한 혼합학습 전략과 지원도구의 활용에 대한 만족도는 모든 문항에 대해서 평균 4.0이상으로 만족도가 매우 높게 조사되었다. 셋째, 혼합학습 전략에서 사용된 지원도구 중 학습자들이 가장 유용하다고 인식하는 순서는 채팅, 팀별 커뮤니티, 메일&쪽지, 자료실 순으로 조사되었다. 마지막으로, 향후 학습관리시스템의 협력학습 모듈을 설계할 때에는 이와 같은 연구 결과를 적극 반영해야함을 제언하였다.
Purpose: The purpose of this study was to explore self-directed learning ability and its affecting factors among undergraduate students. Methods: A descriptive cross-sectional study design was used. Using a convenience sampling method, data were collected from 196 undergraduate students enrolled in one national university. Negative psychological tendency (i.e. Type D personality), academic engagement, and self-directed learning ability were assessed using a structured questionnaire. Data were analyzed by descriptive statistics, t-test, and analysis of covariance, Pearson's correlation coefficients, and stepwise multiple linear regression, using SPSS/WIN 23.0 program. Results: The mean age of the students was $21.61{\pm}2.40years$ and 56.6% were male students. Approximately, one third (n=67, 34.2%) of the students had Type D personality. The average scores of academic engagement and self-directed learning ability were $3.01{\pm}1.14$ and $3.46{\pm}0.50$, respectively. After controlling for sociodemographic variables, the Type D personality and academic engagement were significant predictors of self-directed learning ability (${\beta}=.64$, p<.001; ${\beta}=-.13$, p=.021, respectively). This model explained 53.6% of the variance in self-directed learning ability. Conclusion: The study identified that Type D personality and academic engagement affect self-directed learning ability of undergraduate students, one in a negative way, the other in a positive way. Educators and educational policy makers need to make efforts to include interventions and strategies that increase academic engagement and change negative psychological dispositions such as D-type personality in the undergraduate education curriculum.
온라인 강의가 제공되는 운영체제 교과목을 활용하여 면대면 강의와 온라인 강의를 혼합한 혼합형 학습을 진행하였다. 혼합형 학습의 효율적인 운영방안을 찾기 위하여 01분반은 2시간의 면대면 교육과 1시간 온라인 교육으로 강의를 구성하였고, 다른 02분반은 2시간의 온라인 교육과 1시간의 면대면 교육을 구성하였다. 중간고사 평가 결과 두 집단의 Cohen's d는 0.165로 큰 차이는 없었지만, 면대면 교육 시간이 많았던 01분반의 평균이 온라인 교육 시간이 많았던 02분반의 평균보다 조금 높았으며, 학생들의 점수 분산이 작았다. 반면 고득점자는 02분반이 많았다. 자기 주도형 학습이 용이한 온라인 교육이 많은 분반에서 더 많았다. 자기 주도 학습을 잘 수행할 수 있는 상위권 학생은 온라인 교육이 강조된 혼합형 학습이 적합하고, 그렇지 않은 학생들은 면대면 중심의 학습이 적합한 것을 알 수 있었다.
The characteristic of Web 2.0 is openness, participation, share, cooperation and creation. The purpose of this article was to identify learner based knowledge creation strategy through UCC in Web 2.0, to develop UCC by university students and to make systematic UCC process. This article suggested knowledge creation strategy with UCC learning Community of Practice(CoP). UCC was developed by 25 students who registered e-learning in "P" university and conducted interview with students and experts to analyze the contents which related with research questions. Systematic process for developing educational UCC was consisted of sectors such as idea creation, design, development, implementation and evaluation. Main developing process steps were as follows: making subject$\rightarrow$seeking information$\rightarrow$selecting data$\rightarrow$designing contents$\rightarrow$making story board$\rightarrow$planning of filming$\rightarrow$filming$\rightarrow$digitalizing$\rightarrow$editing$\rightarrow$reviewing final product$\rightarrow$implementing$\rightarrow$evaluating. For learner based knowledge creation through UCC, educational institutions have to provide platform for learners' need, and learners create diverse ideas with UCC CoP. This article suggested knowledge creation strategy with sharing collective intelligence through process of UCC design, development, implement and evaluation.
오늘날 불확실성이 증가하면서 조직구성원의 전문역량, 즉 혁신역량에 대한 중요성이 커지고 있다. 이러한 실정에도 불구하고, 조직원 개인의 혁신역량에 대해 혁신산출물을 만들기 위한 투입요소, 혁신 활동(혁신역량보유, 발휘, 증진노력 등) 그리고 혁신산출물 간의 관계에 관한 연구는 아직까지 많지 않은 편이다. 이런 원인은 기존 혁신연구단위가 국가단위, 산업단위, 기업단위에서 이루어지는 것이 일반적이기 때문이며, 상대적으로 특정기업의 투입, 산출 및 혁신활동 자체에 대한 분석이 다소 부족한 편이다. 그러므로 이 연구는 기존 혁신연구의 틀과 시각에서 벗어나, 특정조직중심의 개인별 혁신성과와 그 성과와 관련성이 높을 것으로 추정되는 혁신활동들에 대한 네 가지 가설, 즉 첫째는 역량의 차이에 따라 혁신성과는 차이가 있을 것이다. 둘째, 학습시간의 차이에 따라 역량은 차이가 있을 것이다. 셋째, 학습시간의 차이에 따라 혁신성과는 차이가 있을 것이다. 넷째, 학습시간과 혁신성과 간의 관계에는 혁신역량의 매개효과가 있을 것이다(구조모형 검정)는 문제에 대해 정량분석을 시도하여, 조직 경쟁력을 향상시키기 위한 정책적 시사점을 도출하는 것을 연구목적으로 한다.
A Convolutional Neural Network(CNN) is one of the well-known deep-learning methods in image processing and computer vision area. In this study, we apply CNN to two kinds of flare forecasting models: flare classification and occurrence. For this, we consider several pre-trained models (e.g., AlexNet, GoogLeNet, and ResNet) and customize them by changing several options such as the number of layers, activation function, and optimizer. Our inputs are the same number of SOHO)/MDI images for each flare class (None, C, M and X) at 00:00 UT from Jan 1996 to Dec 2010 (total 1600 images). Outputs are the results of daily flare forecasting for flare class and occurrence. We build, train, and test the models on TensorFlow, which is well-known machine learning software library developed by Google. Our major results from this study are as follows. First, most of the models have accuracies more than 0.7. Second, ResNet developed by Microsoft has the best accuracies : 0.77 for flare classification and 0.83 for flare occurrence. Third, the accuracies of these models vary greatly with changing parameters. We discuss several possibilities to improve the models.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.