• 한국과학교육학회지
• /
• 제30권4호
• /
• pp.487-497
• /
• 2010

이 연구의 목적은 교사의 교수-학습 방식(범주생성형 vs. 범주이해형)이 학생의 분류능력에 어떤 영향을 미치는지를 두뇌 수준에서 규명하는 것이다. 이를 위해 대학교에 재학 중인 24명의 건강한 오른손잡이 학생들이 이 연구에 참여하였다. 이들은 생성 집단과 이해 집단의 두 집단으로 나뉘어 12주간의 서로 다른 학습프로그램을 체험하였다. 연구 참여자들의 과제수행 과정에서의 두뇌활성을 측정하기 위하여 학습프로그램 경험 전후에 fMRI 측정과 지필 검사를 실시했다. 연구결과에 따르면, 분류범주생성 과제의 수행에서 생성집단은 교수-학습 경험 후 대뇌피질 영역과 기저핵 영역이 함께 증가되었으며, 선택-갈등과 관련된 전두피질 영역과 해마옆이랑의 활성감소가 나타났다. 반면 이해집단은 의미 있는 활성변화가 나타나지 않았다. 분류범주이해 과제의 수행에서는 이해집단이 교수-학습 경험 후 대뇌피질 영역과 해마옆이랑의 활성증가가 있었으며, 우측 전두피질부와 소뇌의 활성감소가 있었다. 이와 같은 사실은 특정 교수-학습 양식에 의해 학생이 경험하는 학습양식은 이와 관련된 학생의 특정 두뇌 시스템의 발달을 강화 혹은 약화 시킬 수 있게 된다는 것을 보여준다. 아울러 이러한 연구결과는 두뇌 맞춤형 과학적 분류 학습프로그램 개발을 위한 근거자료로 활용될 수 있을 것이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 추계학술대회
• /
• pp.616-617
• /
• 2010

본 논문에서는 유비쿼터스 컴퓨팅 환경에 기반을 둔 e-라닝 모델을 제안하였다. 제안한 모델은 크게 하드웨어와 소프트웨어 환경, 그리고 각종 서비스에 대하여 제안하였다.

• 지식경영연구
• /
• 제3권2호
• /
• pp.49-70
• /
• 2002

The purpose of this study is to investigate the process and its influencing factors of technological capability building in a small and medium-sized capital goods sector. This paper first reviews the influencing factors of accumulating technological capability-technology trajectory, technology sources, technological capability, technological learning, technology strategy, and entrepreneurship. The paper then presents the integrative model of technological capability building. The experience of Mirae Corporation, the first generation of venture company in Korea, is also discussed as a case in point to analyse the process of technological capability building in a small and medium-sized capital goods company. Finally, the implications and limitations of the study arc discussed.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제1권2호
• /
• pp.91-102
• /
• 2012

정보통신기술을 활용한 학습시스템은 꾸준히 강조되어 왔지만 한국어 학습시스템의 자동화 수준은 높지 않다. 실용성 있는 학습시스템의 구축에는 대량의 기반지식이 필요하지만 이러한 지식을 구축하기 쉽지 않기 때문이다. 본 논문에서는 한국어학습시스템의 요소로 어학문제풀이, 표준발음 도우미, 글쓰기 도우미를 제안하고, 획득이 용이한 말뭉치와 웹문서, 사전을 활용하여 구축된 학습지원시스템을 소개한다. 어학문제풀이를 위한 자동문제생성에서는 말뭉치와 사전을 이용하여 문제와 보기문항을 생성하고, 웹문서 검색빈도를 활용하여 보기적합성을 검증한다. 표준발음 변환을 위해서 발음표기법을 분석하였으며, 글쓰기 지원을 위해 말뭉치에서 추출한 기분석데이터를 이용한 실시간 어휘추천과 문장추천을 구현하였다. 실험에서는 제안하는 방법으로 생성된 임의의 400문제에 대한 판정 결과 89.9%의 문제 적합률과 64.9%의 보기 적합률을 보였다.

• 대한전기학회논문지:전력기술부문A
• /
• 제48권6호
• /
• pp.800-806
• /
• 1999

This paper proposes IIKBAG(Intelligent Interlocking Knowledge Base Generator) which can build automatically the interlocking knowledge base utilized as the real-time interlocking strategy of the electronic interlocking system in order to enhance it's reliability and expansion. The IIKBAG consists of the inference engine and the knowledge base. The former has an auto-learning function which searches all the train routes for the given station model based on heuristic search technique while dynamically searching the model, and then generates automatically the interlocking patterns obtained from the interlocking relations of signal facilities on the routes. The latter is designed as the structure which the real-time expert system embedded on IS(Interlocking System) can use directly in order to enhances the reliability and accuracy. The IIKBAG is implemented in C computer language for the purpose of the build and interface of the station structure database. And, a typical station model is simulated to prove the validity of the proposed IIKBAG.

• International Journal of Computer Science & Network Security
• /
• 제24권4호
• /
• pp.170-178
• /
• 2024

Through the growth of the fifth-generation networks and artificial intelligence technologies, new threats and challenges have appeared to wireless communication system, especially in cybersecurity. And IoT networks are gradually attractive stages for introduction of DDoS attacks due to integral frailer security and resource-constrained nature of IoT devices. This paper emphases on detecting DDoS attack in wireless networks by categorizing inward network packets on the transport layer as either "abnormal" or "normal" using the integration of machine learning algorithms knowledge-based system. In this paper, deep learning algorithms and CNN were autonomously trained for mitigating DDoS attacks. This paper lays importance on misuse based DDOS attacks which comprise TCP SYN-Flood and ICMP flood. The researcher uses CICIDS2017 and NSL-KDD dataset in training and testing the algorithms (model) while the experimentation phase. accuracy score is used to measure the classification performance of the four algorithms. the results display that the 99.93 performance is recorded.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권6호
• /
• pp.2806-2825
• /
• 2018

Unsupervised learning has shown good performance on image, video and audio classification tasks, and much progress has been made so far. It studies how systems can learn to represent particular input patterns in a way that reflects the statistical structure of the overall collection of input patterns. Many promising deep learning systems are commonly trained by the greedy layerwise unsupervised learning manner. The performance of these deep learning architectures benefits from the unsupervised learning ability to disentangling the abstractions and picking out the useful features. However, the existing unsupervised learning algorithms are often difficult to train partly because of the requirement of extensive hyperparameters. The tuning of these hyperparameters is a laborious task that requires expert knowledge, rules of thumb or extensive search. In this paper, we propose a simple and effective unsupervised feature learning algorithm for image classification, which exploits an explicit optimizing way for population and lifetime sparsity. Firstly, a sparse target matrix is built by the competitive rules. Then, the sparse features are optimized by means of minimizing the Euclidean norm ($L_2$) error between the sparse target and the competitive layer outputs. Finally, a classifier is trained using the obtained sparse features. Experimental results show that the proposed method achieves good performance for image classification, and provides discriminative features that generalize well.

• Asia pacific journal of information systems
• /
• 제30권1호
• /
• pp.31-52
• /
• 2020

Stock markets are popular investment avenues to people who plan to receive premium returns compared to other financial instruments, but they are highly volatile and risky due to the complex financial dynamics and poor understanding of the market forces involved in the price determination. A system that can forecast, predict the stock prices and automatically create a portfolio of top performing stocks is of great value to individual investors who do not have sufficient knowledge to understand the complex dynamics involved in evaluating and predicting stock prices. In this paper the authors propose a Stock prediction, Portfolio Generation and Selection model based on Machine learning algorithms, Artificial neural networks (ANNs) are used for stock price prediction, Mathematical and Statistical techniques are used for Portfolio generation and Un-Supervised Machine learning based on K-Means Clustering algorithms are used for Portfolio Evaluation and Selection which take in to account the Portfolio Return and Risk in to consideration. The model presented here is limited to predicting stock prices on a long term basis as the inputs to the model are based on fundamental attributes and intrinsic value of the stock. The results of this study are quite encouraging as the stock prediction models are able predict stock prices at least a financial quarter in advance with an accuracy of around 90 percent and the portfolio selection classifiers are giving returns in excess of average market returns.

• 디지털융복합연구
• /
• 제9권6호
• /
• pp.197-206
• /
• 2011

이러닝은 스마트러닝의 출현을 계기로 산업 패러다임 전환점을 맞이하고 있다. 이에 정부도 새로운 시대에 걸맞는 이러닝산업 육성 정책을 모색하고 있다. 본 연구는 이러닝의 다음 세대로 스마트러닝을 제안하면서, 관련 산업을 육성하기 위한 방안 마련에 주안점을 두고 있다. 특히, 산업 육성정책을 제안하기 위해 최근 10여년간 추진해 왔던 기존 이러닝 산업 및 정책의 문제점을 분석하고, 개선방안을 도출함으로써 스마트러닝 산업이 대표적인 지식서비스 산업으로 육성되기 위한 정책 방안을 제시하고자 한다. 또한, 이러닝과 다른 스마트러닝의 특성을 파악하여 그 특성에 적합한 맞춤형 정책 제언도 함께 포함하고 있다.

• 한국과학교육학회지
• /
• 제25권5호
• /
• pp.595-602
• /
• 2005

이 연구의 목적은 과학학습에서 가설 생성력 향상에 미치는 삼원귀추모형(TAM)의 적용 효과를 검증하는 것이다. 이를 위해 TAM의 가설 생성 절차에 따른 가설 생성 활동 10개와 전통적인 방법에 따른 가설생성활동 10개를 개발하여 각각26명의 고등학생으로 구성된 TAM 집단과 27명의 전통 집단에 투입하였다. 가설 생성 활동 10개가 투입되는 과정에서 4개의 활동에서 학생들이 생성한 최종 가설의 설명도를 평가하였다. 또한 가설 생성력의 향상 정도를 검증하기 위해서 과학 지식 생성력 검사 A형과 B형을 사전과 사후에 각각 투입하여 연구 대상 학생들의 가설 생성력을 검사하였다. 연구 결과 TAM 집단이 생성한 가설의 설명도가 전통 집단의 가설보다 통계적으로 의미 있는 수준에서 높았다. 가설 생성력 검사에서는 TAM 집단과 전통 집단의 검사 점수가 사전 검사에서는 통계적으로 유의미한 수준에서 차이가 없었으나 사후에는 TAM집단이 의미 있게 높았다. 따라서 TAM을 적용한 가설 생성 활동은 전통적인 방법보다 가설 생성력 향상에 효과적이라고 할 수 있다.