• 디지털콘텐츠학회 논문지
• /
• 제19권5호
• /
• pp.845-852
• /
• 2018

본 연구에서는 디지털 세대를 위한 스마트폰 중독 방지 런처와 다중지능 및 집단지성을 활용한 머신 러닝 기반 콘텐츠 추천 시스템을 개발하였다. 이를 통해 어린 자녀의 디지털 기기 과다 사용을 불안해하는 부모들에게 편리한 디지털 양육 경험을 제공하고 자녀에게는 즐겁고 안전한 학습 환경과 학습 능률을 제고하는 적응 형 개별 디지털 학습법을 제시한다. 제안하는 앱은 시간제한 설정과 더불어 유해 콘텐츠와 스마트폰 중독의 위험으로부터 자녀를 보호하는 게이미피케이션 런처이다. 수많은 교육용 콘텐츠 및 앱 중에서 선택이 어려운 부모들에게 아이들의 학습 및 활동 정보를 수집 분석하여 빅 데이터 기반의 학습 분석 리포트를 제공 하고 집단지성을 통한 추천 알고리즘으로 자녀에게 필요한 콘텐츠를 추천하는 시스템으로 구성된다.

• 정보처리학회논문지B
• /
• 제15B권3호
• /
• pp.211-218
• /
• 2008

이 논문에서 우리는 교육용 가상환경에서 사용자가 직접 촬영한 사진들을 학습 내용과 사용자의 상황 정보를 바탕으로 자동으로 사진을 정리 요약해서 가상 환경 체험이 끝난 후 짧게 보여주는 새로운 사진 정리 알고리즘을 제안한다. 이 알고리즘은 기존의 날짜, 장소, 키워드를 이용하여 많은 양의 사진을 정리 요약해주는 사진 정리 알고리즘과는 달리 사용자의 관심도와 기억해야 할 주요 학습내용을 다시 한 번 살펴보도록 함으로써 기억 향상을 도와주는 것을 목적으로 한다. 본 논문에서는 먼저 학습 효과를 높이기 위해 교육적으로 의미가 있는 사진을 추출하는 기준과 인지율 계산을 설명하고, 이 알고리즘을 가상환경과 사진 뷰어 인터페이스와 연동한 전체적인 시스템을 설명한다. 또한 이 알고리즘에 사용된 인지율 모델링을 위한 사용자 실험 분석과 향후 연구 방향에 대해 논한다.

• 인터넷정보학회논문지
• /
• 제16권3호
• /
• pp.33-41
• /
• 2015

본 논문에서는 디지털논리회로의 설계에 있어 필수적인 카르노 맵 간략화 과정을 교육용 자바 애플릿의 형태로 구현하였다. 학습자는 구현된 자바 애플릿으로부터 흥미로운 학습을 경험할 수 있으며, 자바 애플릿 설계과정에서 교육공학적인 요소를 단계별로 고려하였기 때문에 학습 효율의 극대화가 가능하다. 학습자는 구현된 자바 애플릿으로부터 디지털 논리회로의 간략화 과정을 마우스로 버튼을 클릭하거나 텍스트를 채워가면서 웹상에서 가상실험을 진행한다. 또한, 간략화 과정에서 발생되는 논리식과 논리회로도는 학습자가 효율적으로 학습할 수 있도록 서로 다른 프레임으로 구성하였으며, 학습자가 구성한 논리회로도가 올바르게 구성되었는지 확인할 수 있도록 하였다. 마지막으로 본 논문에서는 수정된 Quine-McCluskey 간략화 기법에 기초하여 자바 애플릿을 구현하였기 때문에 오프라인 교육의 보조도구로서 사용된다면 학습효율의 향상에 기여할 수 있다는 것을 입증하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권12호
• /
• pp.483-490
• /
• 2019

네트워크 침입 탐지 시스템(NIDS)에서 분류의 기능은 상당히 중요하며 탐지 성능은 다양한 특징에 따라 달라진다. 최근 딥러닝에 대한 연구가 많이 이루어지고 있으나 네트워크 침입탐지 시스템에서는 많은 수의 트래픽과 고차원의 특징으로 인하여 속도가 느려지는 문제점이 있다. 따라서 딥러닝을 분류에 사용하는 것이 아니라 특징 추출을 위한 전처리 과정으로 사용하며 추출한 특징을 기반으로 분류하는 연구 방법을 제안한다. 딥러닝의 대표적인 비지도 학습인 Stacked AutoEncoder를 사용하여 특징을 추출하고 Random Forest 분류 알고리즘을 사용하여 분류한 결과 분류 성능과 탐지 속도의 향상을 확인하였다. IOT 환경에서 수집한 데이터를 이용하여 정상 및 공격트래픽을 멀티클래스로 분류하였을 때 99% 이상의 성능을 보였으며, AE-RF, Single-RF와 같은 다른 모델과 비교하였을 때도 성능 및 탐지속도가 우수한 것으로 나타났다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권6호
• /
• pp.2168-2187
• /
• 2021

The smart grid replaces the traditional power structure with information inventiveness that contributes to a new physical structure. In such a field, malicious information injection can potentially lead to extreme results. Incorrect, FDI attacks will never be identified by typical residual techniques for false data identification. Most of the work on the detection of FDI attacks is based on the linearized power system model DC and does not detect attacks from the AC model. Also, the overwhelming majority of current FDIA recognition approaches focus on FDIA, whilst significant injection location data cannot be achieved. Building on the continuous developments in deep learning, we propose a Deep Learning based Locational Detection technique to continuously recognize the specific areas of FDIA. In the development area solver gap happiness is a False Data Detector (FDD) that incorporates a Convolutional Neural Network (CNN). The FDD is established enough to catch the fake information. As a multi-label classifier, the following CNN is utilized to evaluate the irregularity and cooccurrence dependency of power flow calculations due to the possible attacks. There are no earlier statistical assumptions in the architecture proposed, as they are "model-free." It is also "cost-accommodating" since it does not alter the current FDD framework and it is only several microseconds on a household computer during the identification procedure. We have shown that ANN-MLP, SVM-RBF, and CNN can conduct locational detection under different noise and attack circumstances through broad experience in IEEE 14, 30, 57, and 118 bus systems. Moreover, the multi-name classification method used successfully improves the precision of the present identification.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제53권3호
• /
• pp.413-434
• /
• 2014

Logic lays the foundation of Mathematics and the development of Mathematics is dependent on critical thinking. So it is important that school mathematics helps students develop their logical and critical thinking ability for both mathematics learning and problem solving in general. MINDSTORMS, a LEGO based programming activity kit, is an effective teaching and learning tool that can be used to enhance logical and critical thinking in students. This study focused on measuring the growth of students' ability to think logically and critically when they used MINDSTORMS activities to learn programming. In addition, we investigated how the students' logical and critical thinking changed from the MINDSTORMS learning experience. The study confirmed that the programming activities using MINDSTORMS help to enhance logical and critical thinking in students. The students attitude about logical and critical thinking became more positive and the activities helped to engage students to think logically and critically. This type of programming activities should be valuable in mathematics education and it should be included in a general mathematics curriculum.

• 한국ITS학회 논문지
• /
• 제19권6호
• /
• pp.118-133
• /
• 2020

최근 통합교통서비스(Mobility-as-a-Service)의 개념을 도입하여 이용자들의 이동성과 접근성을 향상시키고자 하는 연구가 진행되고 있다. 특히 카셰어링, 택시 등 에 대해 수요와 공급에 따라 지역을 구분하여 가격을 책정하는 유동적인 가격 책정 전략을 도입하여 단일 요금제가 가지는 서비스 기피 등의 문제를 해결함과 동시에 기업과 운전자들의 수익성에 긍정적인 영향을 줄 수 있을 것으로 기대되고 있다. 본 연구에서는 승객과 운전자간의 배차거리, 승객의 운행거리, 승객의 목적지에 대한 HDBSCAN 알고리즘을 통해서 정밀하게 인식된 수요 밀집지역, 승객과 운전자가 생각하는 선호가격을 고려하여 승객과 운전자의 입장에서 Matching Matrix를 생성한다. 이를 조합하고 보상에 반영하여, 강화학습이 더욱더 현실적인 유동적인 가격 책정전략을 도출할 수 있는 새로운 방법론을 제안한다.

• 산업경영시스템학회지
• /
• 제46권1호
• /
• pp.23-31
• /
• 2023

Research and interest in sustainable printing are increasing in the packaging printing industry. Currently, predicting the amount of ink required for each work is based on the experience and intuition of field workers. Suppose the amount of ink produced is more than necessary. In this case, the rest of the ink cannot be reused and is discarded, adversely affecting the company's productivity and environment. Nowadays, machine learning models can be used to figure out this problem. This study compares the ink usage prediction machine learning models. A simple linear regression model, Multiple Regression Analysis, cannot reflect the nonlinear relationship between the variables required for packaging printing, so there is a limit to accurately predicting the amount of ink needed. This study has established various prediction models which are based on CART (Classification and Regression Tree), such as Decision Tree, Random Forest, Gradient Boosting Machine, and XGBoost. The accuracy of the models is determined by the K-fold cross-validation. Error metrics such as root mean squared error, mean absolute error, and R-squared are employed to evaluate estimation models' correctness. Among these models, XGBoost model has the highest prediction accuracy and can reduce 2134 (g) of wasted ink for each work. Thus, this study motivates machine learning's potential to help advance productivity and protect the environment.

• 한국농공학회지
• /
• 제36권1호
• /
• pp.95-102
• /
• 1994

Since parameters influencing the indoor environment of livestock building interrelate so complicatedly, it is of great difficulty to identify the exact cause of environmental problems in a livestock building. Therefore, the approaches for the problem solving based on experience not numerical calculation will be helpful to the management of livestock building This study was attempt to develop the decision supporting system to diagnose environmen- tal problems in a livestock building based on an expert system and a neural network. HClips$^3$), attaching the Hangeul user interface to Clips which is known as a powerful shell for develop- ing expert system, was used. The multilayer perceptron consisting of 4 layers including back propagation learning algorithm was adpoted, which was rapidly converged within the allowable range at 50,000 learning sweeps. The expert system and neural network seemed to work well for this specific application, providing proper suggestions for some environmental problems: particularly, the neural net- work trained by an environmental problem and its corresponding answer with certainty factor, produced the same results as those by expert system.

• Smart Structures and Systems
• /
• 제24권5호
• /
• pp.669-681
• /
• 2019

Bridge collapses may deliver a huge impact on our society in a very negative way. Out of many reasons why bridges collapse, poor maintenance is becoming a main contributing factor to many recent collapses. Furthermore, the aging of bridges is able to make the situation much worse. In order to prevent this unwanted event, it is indispensable to conduct continuous bridge monitoring and timely maintenance. Visual inspection is the most widely used method, but it is heavily dependent on the experience of the inspectors. It is also time-consuming, labor-intensive, costly, disruptive, and even unsafe for the inspectors. In order to address its limitations, in recent years increasing interests have been paid to the use of unmanned aerial vehicles (UAVs), which is expected to make the inspection process safer, faster and more cost-effective. In addition, it can cover the area where it is too hard to reach by inspectors. However, this strategy is still in a primitive stage because there are many things to be addressed for real implementation. In this paper, a typical procedure of bridge inspection using UAVs consisting of three phases (i.e., pre-inspection, inspection, and post-inspection phases) and the detailed tasks by phase are described. Also, three major challenges, which are related to a UAV's flight, image data acquisition, and damage identification, respectively, are identified from a practical perspective (e.g., localization of a UAV under the bridge, high-quality image capture, etc.) and their possible solutions are discussed by examining recently developed or currently developing techniques such as the graph-based localization algorithm, and the image quality assessment and enhancement strategy. In particular, deep learning based algorithms such as R-CNN and Mask R-CNN for classifying, localizing and quantifying several damage types (e.g., cracks, corrosion, spalling, efflorescence, etc.) in an automatic manner are discussed. This strategy is based on a huge amount of image data obtained from unmanned inspection equipment consisting of the UAV and imaging devices (vision and IR cameras).