• 한국정보전자통신기술학회논문지
• /
• 제13권4호
• /
• pp.283-292
• /
• 2020

4차 산업혁명의 대표적인 이미지 중 하나인 인공지능은 2016년 알파고 이후에 인공지능 인식이 매우 높아져 있다. 본 논문은 학국교육학술정보원에서 제공하는 국내 논문 중 '인공지능', '기계학습', '딥 러닝'으로 검색된 국내 발표 논문에 대해서 분석하였다. 검색된 논문은 약 1만여건이며 논문 동향을 파악하기 위해 빈도분석과 토픽 모델링, 의미 연결망을 이용하였다. 추출된 논문을 분석한 결과, 2015년에 비해 2016년에는 인공지능 분야는 600%, 기계학습은 176%, 딥 러닝 분야는 316% 증가하여 알파고 이후에 인공지능 분야의 연구가 활발히 진행됨을 확인할 수 있었다. 또한, 2018년 부터는 기계학습보다 딥 러닝 분야가 더 많이 연구 발표되고 있다. 기계학습에서는 서포트 벡터 머신 모델이, 딥 러닝에서는 텐서플로우를 이용한 컨볼루션 신경망이 많이 활용되고 있음을 알 수 있었다. 본 논문은 '인공지능', '기계학습', '딥 러닝' 분야의 향후 연구 방향을 설정하는 도움을 제공할 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.170-171
• /
• 2022

최근 인공지능의 활용 범위가 넓어짐에 따라 여러 방면으로 활용되고 있다. 종래에 학생들은 학교와 수 많은 과외를 통해 자기 주도 학습이 아닌 주입식 교육 방법으로 공부를 해 왔다. 주입식 교육의 문제점을 완화 시키기 위해 인공지능 영단어 어플을 통해 학생들의 수준을 고려하여 자기 주도 학습 능력 향상을 기대 할 수 있다. 본 논문에서는 효율적인 학습을 위한 인공지능 활용 방안에 대하여 제안하려 한다.

• 디지털융복합연구
• /
• 제17권10호
• /
• pp.251-258
• /
• 2019

앞으로의 시대는 인공지능을 이용한 다양한 분야에 다양한 제품이2 생성될 것이다. 이러한 시대에 인공지능의 학습 방법의 동작 원리를 알고 이를 정확하게 활용하는 것은 상당히 중요한 문제이다. 이 논문은 지금까지 알려진 인공지능 학습 방법을 소개한다. 인공지능의 학습은 수학의 고정점 반복 방법(fixed point iteration method)을 기반으로 하고 있다. 이 방법을 기반으로 수렴 속도를 조절한 GD(Gradient Descent) 방법, 그리고 쌓여가는 양을 누적하는 Momentum 방법, 마지막으로 이러한 방법을 적절히 혼합한 Adam(Adaptive Moment Estimation) 방법 등이 있다. 이 논문에서는 각 방법의 장단점을 설명한다. 특히, Adam 방법은 조정 능력을 포함하고 있어 기계학습의 강도를 조정할 수 있다. 그리고 이러한 방법들이 디지털 신호에 어떠한 영향을 미치는 지에 대하여 분석한다. 이러한 디지털 신호의 학습과정에서의 변화는 앞으로 인공지능을 이용한 작업 및 연구를 수행함에 있어 정확한 활용과 정확한 판단의 기준이 될 것이다.

• 실천공학교육논문지
• /
• 제15권2호
• /
• pp.529-538
• /
• 2023

보편적 인공지능교육의 필요성이 확대되고 직무 변화가 이루어지고 있는 현 시점에서, 가장 먼저 인공지능을 직무의 일부분으로 경험하게 되는 대학의 비전공자를 위한 인공지능 교양교육에 대한 연구 및 논의는 미흡한 실정이다. 비전공자 대상 인공지능 교육과정이 운영되고 있지만 주로 인공지능의 개념 및 원리에 대한 이론 중심의 교육으로 운영되고 있다. 비전공자 대상 인공지능에 대한 일반적인 개념을 이해하기 위해 체험학습을 병행하여 진행 할 필요가 있다. 따라서 본 연구는 비전공자의 특성을 고려하여 학습에 흥미를 갖고, 인공지능 수업에 대한 부담감을 낮출 수 있는 난이도의 인공지능 체험교육 학습콘텐츠를 설계한 후 앱인벤터와 오렌지 인공지능 플랫폼을 활용한 체험 교육의 학습효과를 살펴보고자 한다. 팀 별 인공지능 관련 프로젝트 작성을 통해 수집된 학습관련 데이터와 설문조사 자료를 바탕으로 분석한 결과 인공지능 교육의 필요성에 대한 인식의 긍정적인 변화와 인공지능 리터러시 능력이 향상된 것으로 나타났다. 교수자에게는 인공지능 체험교육 학습을 위한 학습모형을 설계하는 데 기틀을 마련해 주는 계기가 될 것으로 기대한다.

• 대한영상의학회지
• /
• 제83권6호
• /
• pp.1208-1218
• /
• 2022

최근, 의료 분야에서 인공지능은 많은 발전을 통해 다양한 분야로 확장하며 활용되고 있다. 하지만 대부분의 인공지능 기술들은 하나의 모델이 하나의 태스크만을 수행할 수 있도록 개발되고 있으며, 이는 의사들의 복잡한 판독 과정을 인공지능으로 설계하는데 한계로 작용한다. 멀티 태스크 러닝은 이러한 한계를 극복하기 위한 최적의 방안으로 알려져 있다. 다양한 태스크들을 동시에 하나의 모델로 학습함으로써, 효율적이고 일반화에 유리한 모델을 만들수 있다. 본 종설에서는 멀티 태스크 러닝에 대한 개념과 종류, 유사 개념 등에 대해 알아보고, 연구 사례들을 통해 의료 분야에서의 멀티 태스크 러닝의 활용 현황과 향후 가능성을 살펴보고자 한다.

• Korean Journal of Radiology
• /
• 제25권4호
• /
• pp.395-398
• /
• 2024

• 산업진흥연구
• /
• 제9권1호
• /
• pp.213-221
• /
• 2024

본 연구는 중국 고등학생을 대상으로 학습동기와 그릿이 정서지능과 학습몰입의 관계에서 이중매개하는지를 확인하는데 연구의 목적이 있다. 자료는 중국의 한 고등학교에서 유의표집한 고등학생 304명을 대상으로 설문조사를 통하여 수집하였다. 수집한 자료는 SPSS PC+ Win ver. 25.0과 SPSS PROCESS macro ver. 4.2를 활용하여 분석하였다. 적용된 통계방법은 빈도분석, 신뢰도 분석, 상관분석 및 이중매개효과 분석이었다. 연구의 결론은 다음과 같다. 첫째, 정서지능, 학습동기, 그릿 및 학습몰입은 모두 정적인 유의미한 상관관계를 보였다. 둘째, 고등학생들의 학습동기와 그릿이 정서지능과 학습몰입의 관계에서 이중매개하였다. 이러한 결과를 토대로 본 연구는 고등학생들의 정서지능만이 아니라 학습동기와 그릿을 활용하여 학업몰입을 증진키실 수 있는 방안을 제언하였다.

• International Journal of Computer Science & Network Security
• /
• 제24권1호
• /
• pp.209-214
• /
• 2024

This is an extended research paper focusing on the applications of Machine Learing and Artificial Intelligence in virtual learning environment. The world is moving at a fast pace having the application of Machine Learning (ML) and Artificial Intelligence (AI) in all the major disciplines and the educational sector is also not untouched by its impact especially in an online learning environment. This paper attempts to elaborate on the benefits of ML and AI in E-Learning (EL) in general and explain how King Khalid University (KKU) EL Deanship is making the best of ML and AI in its practices. Also, researchers have focused on the future of ML and AI in any academic program. This research is descriptive in nature; results are based on qualitative analysis done through tools and techniques of EL applied in KKU as an example but the same modus operandi can be implemented by any institution in its EL platform. KKU is using Learning Management Services (LMS) for providing online learning practices and Blackboard (BB) for sharing online learning resources, therefore these tools are considered by the researchers for explaining the results of ML and AI.

• East Asian mathematical journal
• /
• 제36권2호
• /
• pp.273-289
• /
• 2020

This study introduces the process and results of developing an adaptive math learning program for self-directed learning. It presented the process and results of developing an adaptive math learning program that takes into account the level of learners using artificial intelligence. We wanted to get some suggestions on developing programs for artificial intelligence-based mathematics. The program was developed as Math4U, an application based on smart devices in the "character and expression" area for 7th grade. The Application Math4U may be used differently depending on its purpose. It is also expected to be a useful tool for providing self-directed learning to students as the basis for educational research using smart devices in a changing educational environment.

• 디지털산업정보학회논문지
• /
• 제19권3호
• /
• pp.233-244
• /
• 2023

Although artificial intelligence and machine learning technologies have been used in various fields, problems with personal information protection have arisen based on centralized data collection and processing. Federated learning has been proposed to solve this problem. Federated learning is a process in which clients who own data in a distributed data environment learn a model using their own data and collectively create an artificial intelligence model by centrally collecting learning results. Unlike the centralized method, Federated learning has the advantage of not having to send the client's data to the central server. In this paper, we quantitatively present the performance improvement when federated learning is applied using the building change detection learning data. As a result, it has been confirmed that the performance when federated learning was applied was about 29% higher on average than the performance when it was not applied. As a future work, we plan to propose a method that can effectively reduce the number of federated learning rounds to improve the convergence time of federated learning.