• 한국통신학회논문지
• /
• 제38C권9호
• /
• pp.822-829
• /
• 2013

고혈압은 임상 현장에서 매우 흔한 질환인데 그 유병률이 국제적으로 상승세를 보이고 있다. 고혈압의 폐해는 너무 많으며 여러 장기들에 영향을 미친다. 필요 시 보통 평생 동안 치료해야 한다. 한국질병관리본부에 따르면 고혈압 유병률이 날로 증가하고 있다. 2011 조사에서 성인 중 28.9%가 고혈압이었으며, 여자 보다 남자가 약간 더 높았다. 환자를 분류하고, 혈압관련 위험을 확인하고 그리고 치료법을 안내하는 데 있어 정확한 혈압 측정은 필수적이다. 혈압계의 정확도에 영향을 미치는 요인 중 블래더 크기의 일탈이 장비 에러의 주된 원인이 된다. 혈압을 정확히 측정하기 위해, 위 팔 중심의 둘레에 따른 올바른 크기의 블래더 사용은 필수적이다. 시중의 혈압계를 조사한 결과, 커프 블래더들이 국제 규격 ISO 81060-1:2007에서 권유된 크기와 다름을 알 수 있었다. 블래더가 클 경우 혈압이 더 낮게 나오고, 더 작을 경우 더 높게 나온다는 것은 잘 알려져 있다. 미)심장협회(AHA)가 권고하는 어른용 블래더의 크기는 17-25cm의 팔 둘레를 가진 작은 어른, 24-32 cm의 팔 둘레를 가진 어른, 32-42cm의 팔 둘레를 가진 대다수 어른, 그리고 42-50cm의 팔 둘레를 가진 비만 어른으로 구분 된다. 반면에 한국 어른의 팔 둘레는 23-31cm에 불과하므로 AHA의 어른용 블래더 한 가지에 해당한다. 23-31cm의 팔 둘레를 가진 한국 어른을 위한 블래더의 종류는 ISO 81060-1을 따를 경우 3 개의 블래더가 필요하다. 병원들은 어른 환자들을 위해 보통 하나 혹은 두 가지 크기의 서양식 커프를 사용한다. 이 때문에 일부 환자들은 정확한 혈압 측정을 기대할 수 없다. 한국인에서 취합한 인체치수 참조 데이터에 기초한 블래더의 크기는 한국에서 가장 정확한 혈압을 측정하는데 도움이 될 것이다.

• 감성과학
• /
• 제19권1호
• /
• pp.95-110
• /
• 2016

언캐니 밸리 현상이란 인간 유사성을 보이는 대상에 대한 부정적 감정의 발생되는 상황을 의미하며, 이는 언캐니 자극에 대한 범주화 과정에서 초래된 인지적 부담이 원인일 가능성이 있다. 본 연구는 인지적 부담 가설에 근거해 비인간, 인간 및 언캐니 얼굴에 대한 oddball 과제를 실시하고 세 얼굴이 촉발시킨 사건관련전위를 관찰했다. 실험 1에서는 도식적 얼굴을 사용해 전체 시행 중 80%의 시행에서 비인간 얼굴을(일반 시행), 10% 시행에서 인간(표적 시행) 그리고 나머지 10%의 나머지 시행에서 언캐니 얼굴(언캐니 시행)을 제시하였다. 그 결과, oddball 시행에 해당하는 표적 및 언캐니 시행의 반응이 상대적으로 부정확했으며 반응시간 또한 지연되었으나 세 시행 유형 간 P3 및 N170 성분의 차이는 분명하지 않았다. 실험 2에서는 3-D 랜더링을 통해 사실감을 증가시켜 범주적 상충의 정도를 증가시킨 얼굴 자극을 사용한 결과 행동적 수준에서 실험 1과 유사한 결과가 관찰되었다. 반면 N170의 경우 일반 시행에 비해 표적과 언캐니 시행의 정점 전위가 분명하게 증가하였으며, P3 성분의 경우 일반 시행에서 진폭이 가장 낮았고 언캐니와 표적 시행 간에는 차이가 없었다. P3 성분의 잠재기 또한 일반, 표적, 언캐니 순으로 지연된 것이 관찰되었다. 실험 1과 2에 걸친 N170와 P3의 발현 패턴의 변화는 언캐니 얼굴이 감각적 수준에서는 인간의 얼굴로 식별되지만 이를 비표적으로 범주화할 것을 oddball 과제에서 강제하기 때문에 초래된 범주화 상충이 원인인 것으로 짐작된다. 또한 사실감이 추가된 언캐니 얼굴 자극이 사용되었을 때 범주화 상충에 의한 인지적 부담이 증가했다는 점은 언캐니 밸리 현상의 배후로 추정되는 인지적 부담이 자극의 복잡성 증가에 따른 상충 정보의 증가에 의해 유발될 가능성을 시사한다.

• 지구물리와물리탐사
• /
• 제1권1호
• /
• pp.25-30
• /
• 1998

공동충전 효과를 검증하기 위하여 실시한 시차 공대공 탄성파 탐사자료로부터 지하공동 부존 지역에서 충전 전과 후에 매질의 탄성파 전파속도의 변화를 확인하였다. 시차 공대공 탄성파 탐사자료에 나타난 반응과 시추조사 결과에 의하면 본 지역의 공동은 규모가 극히 소규모이거나 또는 폐석 등으로 충전된 것으로 보인다. 공동충진 효과는 토모그래피로부터 도출된 속도단면상의 탄성파 속도의 증가량을 분석함으로써 평가하였다. 시추공용 에어건을 진원으로 24-채널 하이드로폰을 수진기로 하여 자료를 취득하였다. 취득한 자료에는 무시할 수 없을 정도의 source statics를 확인할 수 있었다. 본 논문에서 제시한 보정방법은 2단계로; 1) 불규칙한 발파시점에 의한 영향 보정과 2) 잔여 정보정으로 이는 진원의 부정확한 위치에 대한 정보정이다. 본 논문에서는 고주파수 성분의 수치잡음이 억제되고 관심대상 부분에서 비교적 고분해능 영상을 도출할 수 있는 다단계 역산 방안을 제시하였다. 일반적으로 최소자승 주시토모그래피로는 평활화된 속도 영상을 얻을 수 있다. 따라서 이러한 역산으로는 비교적 소규모의 구간에서 발생한 적은 속도변화를 영상화하기에는 어려운 면이 있다. 본 논문에서는 속도모델의 파라메터를 변화시킨 2단계 제어 역산법으로 도출한 시차 토모그램으로부터 채굴 영향대에서 발생한 매질의 속도변화를 시각화 할 수 있었다. 2단계 역산법은 1-단계에서는 적정한 크기의 균일 격자로 구성된 모델을 사용하여 토모그램을 작성하고 이 토모그램에 2차원 중위수 필터를 적용하여 대략적인 속도구조 모델을 작성한다. 2-단계 역산시는 1-단계에서 작성한 속도모델을 수정하여 초기 모델로 한다. 모델 수정은 관심대상 부분만을 작은 크기의 균일격자로 재구성하는 것이다. 기준조사 토모그램을 2차 조사자료 역산의 초기 속도모델로 사용하였다. 속도변화는 공동대 부근에서만 예상되므로 그 이외 부분의 속도는 기준 토모그램과 동일하게 고정시키고 역산을 수행하였다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제63권2호
• /
• pp.123-138
• /
• 2024

본 연구는 S대학 <인공지능을 위한 기초수학[Math4AI]> 강좌의 교수·학습과정에서 맞춤형 챗GPT를 개발하여 활용한 경험을 공유한다. 연구진은 ① 먼저 강좌 맞춤형 챗GPT (https://math4ai.solgitmath.com/)를 개발하였다. 이때 챗GPT가 부정확한 정보를 주지 않도록 수년간의 해당 강좌 주요 데이터(교재, 실습실, 토론 기록, 코드 등)를 우선적으로 학습하는 챗GPT의 기능을 적용하였다. ② 학생들이 교재를 스스로 학습하다 궁금한 부분이 생기면, 맞춤형 챗GPT 인터페이스를 통해 자연어로 수학 용어, 정리, 예제, 열린 문제 번호, 핵심어 등을 질문하여 도움을 얻을 수 있도록 하였다. 그러면 챗GPT는 관련된 주요 문제나 용어, 그리고 이전 학생들의 토론에 기반한 몇 가지 샘플 답안 또는 토론 내용과 함께 사용되었던 코드 샘플을 제공한다. ③ 학생들이 챗GPT를 통해 얻은 내용을 스스로 윤문하여 공유하고, 상호 토론하면서, 교재에서 제시하는 주요 개념과 열린 문제의 대부분을 이해하도록 하였다. ④ 학기 말에는 그간 본인이 얻은 열린 문제들에 대한 학습기록을 모아 PBL (Problem-Based Learning) 보고서로 제출하고, 발표하여 강좌를 수료하도록 하였다. 이러한 방식은 학생들이 학습을 포기하지 않고 한 단계 앞으로 더 나아갈 추진력과 동기를 주며, 궁극적으로 각각의 문제를 스스로 해결하는 자기 주도적 학습을 도울 수 있다. 또한 학생들 각자의 수준에 맞추어 실시간으로 최적화된 조언을 제시하므로 강좌뿐만 아니라 대학수학교육 전반에 대한 학생별 맞춤형 교육(personalized education)을 제공할 수 있다. 즉, 학생들이 담당교수(또는 조교)와 AI 조교의 도움으로 실시간 답변과 효과적인 조언을 받을 수 있게 됨을 의미한다. 이는 양질의 조교 부족에 대한 고민을 추가 비용 없이 획기적으로 해결할 수 있다. 본 연구는 강좌의 교수·학습과정에 교재 맞춤형 챗GPT를 접목한 것으로, 인공지능(AI) 기술을 기타 대학수학 과목들(미적분학, 선형대수학, 이산수학, 공학수학, 기초통계학 등)과 초·중·고 수학교육에 적용할 수 있는 새로운 방법을 제시한다. 특히 AI 기술을 적용하여 이전 수강생들의 학습기록(열린 문제 풀이, 토론 자료, 코드 등)을 참고하며, 각자 실습한 결과를 공유 및 상호 토론하여 문제를 해결하는 방식은, 다양한 전공의 학생들이 내용을 더 효과적으로 이해하고, 본인 전공 관련 문제 해결 능력을 향상시키는 데 획기적인 도움을 줄 것으로 예상된다. 또한 교재 맞춤형 챗GPT와 함께 자기주도적인 학습을 경험토록 하는 교수학습 방법은 평생 교육(lifelong learning, extension school, extension college, extended college) 또는 평생학습의 관점에서 중요하다.

• 지능정보연구
• /
• 제27권4호
• /
• pp.1-22
• /
• 2021

텍스트를 바탕으로 한 차원 기반 감성 분석(Aspect-Based Sentiment Analysis)은 다양한 산업에서 유용성을 주목을 받고 있다. 기존의 차원 기반 감성 분석에서는 타깃(Target) 혹은 차원(Aspect)만을 고려하여 감성을 분석하는 연구가 대다수였다. 그러나 동일한 타깃 혹은 차원이더라도 감성이 나뉘는 경우, 또는 타깃이 없지만 감성은 존재하는 경우 분석 결과가 정확하지 않다는 한계가 존재한다. 이러한 문제를 해결하기 위한 방법으로 차원과 타깃을 모두 고려한 감성 분석(Target-Aspect-Sentiment Detection, 이하 TASD) 모델이 제안되었다. 그럼에도 불구하고, TASD 기존 모델의 경우 구(Phrase) 간의 관계인 지역적인 문맥을 잘 포착하지 못하고 초기 학습 속도가 느리다는 문제가 있었다. 본 연구는 TASD 분야 내 기존 모델의 한계를 보완하여 분석 성능을 높이고자 하였다. 이러한 연구 목적을 달성하기 위해 기존 모델에 합성곱(Convolution Neural Network) 계층을 더하여 차원-감성 분류 시 보조 손실(Auxiliary loss)을 추가로 사용하였다. 즉, 학습 시에는 합성곱 계층을 통해 지역적인 문맥을 좀 더 잘 포착하도록 하였으며, 학습 후에는 기존 방식대로 차원-감성 분석을 하도록 모델을 설계하였다. 본 모델의 성능을 평가하기 위해 공개 데이터 집합인 SemEval-2015, SemEval-2016을 사용하였으며, 기존 모델 대비 F1 점수가 최대 55% 증가했다. 특히 기존 모델보다 배치(Batch), 에폭(Epoch)이 적을 때 효과적으로 학습한다는 것을 확인할 수 있었다. 본 연구에서 제시된 모델로 더욱 더 세밀한 차원 기반 감성 분석이 가능하다는 점에서, 기업에서 상품 개발 및 마케팅 전략 수립 등에 다양하게 활용할 수 있으며 소비자의 효율적인 구매 의사결정을 도와줄 수 있을 것으로 보인다.