• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2012년도 제45차 동계학술발표논문집 20권1호
• /
• pp.159-162
• /
• 2012

이 연구에서는 사회과 학습부진학생의 부진 원인을 규명하고 사이버 가정학습 2.0을 통해서 일어나는 인식변화과정의 분석을 통해 사이버 가정학습 2.0 시스템에 맞는 상황모형을 도출하였다. 수집된 자료는 근거이론을 통해 분석하였으며, 사회과 학습부진학생이 느끼는 부진 원인에는 인지적 영역과 정의적 영역이 함께 규명됐고, 사이버 가정학습 2.0을 통해 사회과 학습부진학생들은 부정적 인식을 긍정적으로 변화시켜감을 알 수 있었다. 특히 과정분석을 통해 상황모형을 도출한 결과 사회과 학습부진학생을 위한 사이버 가정학습 2.0 문제해결학습 모형이 도출하였는 바, 크게 도입, 문제규명, 탐색, 수행, 정리 및 평가의 다섯 단계로 나뉘어지는 것이었다. 향후에는 보다 장기간의 연구를 통해 학습부진학생의 가족과 또래관계의 분석이 포함된 연구나 사이버 가정학습 2.0과 교실수업을 보다 유기적으로 연계한 연구가 요청된다.

• 산업경영시스템학회지
• /
• 제43권2호
• /
• pp.33-38
• /
• 2020

Anomaly detection of Machine Learning such as PCA anomaly detection and CNN image classification has been focused on cross-sectional data. In this paper, two approaches has been suggested to apply ML techniques for identifying the failure time of big time series data. PCA anomaly detection to identify time rows as normal or abnormal was suggested by converting subjects identification problem to time domain. CNN image classification was suggested to identify the failure time by re-structuring of time series data, which computed the correlation matrix of one minute data and converted to tiff image format. Also, LASSO, one of feature selection methods, was applied to select the most affecting variables which could identify the failure status. For the empirical study, time series data was collected in seconds from a power generator of 214 components for 25 minutes including 20 minutes before the failure time. The failure time was predicted and detected 9 minutes 17 seconds before the failure time by PCA anomaly detection, but was not detected by the combination of LASSO and PCA because the target variable was binary variable which was assigned on the base of the failure time. CNN image classification with the train data of 10 normal status image and 5 failure status images detected just one minute before.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권1호
• /
• pp.206-221
• /
• 2019

Source localization in three-dimensional (3-D) wireless sensor networks (WSNs) is becoming a major research focus. Due to the complicated air-ground environments in 3-D positioning, many of the traditional localization methods, such as received signal strength (RSS) may have relatively poor accuracy performance. Benefit from prior learning mechanisms, fingerprinting-based localization methods are less sensitive to complex conditions and can provide relatively accurate localization performance. However, fingerprinting-based methods require training data at each grid point for constructing the fingerprint database, the overhead of which is very high, particularly for 3-D localization. Also, some of measured data may be unavailable due to the interference of a complicated environment. In this paper, we propose an efficient kernel based 3-D localization algorithm via tensor completion. We first exploit the spatial correlation of the RSS data and demonstrate the low rank property of the RSS data matrix. Based on this, a new training scheme is proposed that uses tensor completion to recover the missing data of the fingerprint database. Finally, we propose a kernel based learning technique in the matching phase to improve the sensitivity and accuracy in the final source position estimation. Simulation results show that our new method can effectively eliminate the impairment caused by incomplete sensing data to improve the localization performance.

• 산업경영시스템학회지
• /
• 제44권4호
• /
• pp.169-176
• /
• 2021

Maritime monitoring requirements have been beyond human operators capabilities due to the broadness of the coverage area and the variety of monitoring activities, e.g. illegal migration, or security threats by foreign warships. Abnormal vessel movement can be defined as an unreasonable movement deviation from the usual trajectory, speed, or other traffic parameters. Detection of the abnormal vessel movement requires the operators not only to pay short-term attention but also to have long-term trajectory trace ability. Recent advances in deep learning have shown the potential of deep learning techniques to discover hidden and more complex relations that often lie in low dimensional latent spaces. In this paper, we propose a deep autoencoder-based clustering model for automatic detection of vessel movement anomaly to assist monitoring operators to take actions on the vessel for more investigation. We first generate gridded trajectory images by mapping the raw vessel trajectories into two dimensional matrix. Based on the gridded image input, we test the proposed model along with the other deep autoencoder-based models for the abnormal trajectory data generated through rotation and speed variation from normal trajectories. We show that the proposed model improves detection accuracy for the generated abnormal trajectories compared to the other models.

• Imaging Science in Dentistry
• /
• 제52권3호
• /
• pp.275-281
• /
• 2022

Purpose: The aim of this study was to assess the performance of a deep learning system for permanent tooth germ detection on pediatric panoramic radiographs. Materials and Methods: In total, 4518 anonymized panoramic radiographs of children between 5 and 13 years of age were collected. YOLOv4, a convolutional neural network (CNN)-based object detection model, was used to automatically detect permanent tooth germs. Panoramic images of children processed in LabelImg were trained and tested in the YOLOv4 algorithm. True-positive, false-positive, and false-negative rates were calculated. A confusion matrix was used to evaluate the performance of the model. Results: The YOLOv4 model, which detected permanent tooth germs on pediatric panoramic radiographs, provided an average precision value of 94.16% and an F1 value of 0.90, indicating a high level of significance. The average YOLOv4 inference time was 90 ms. Conclusion: The detection of permanent tooth germs on pediatric panoramic X-rays using a deep learning-based approach may facilitate the early diagnosis of tooth deficiency or supernumerary teeth and help dental practitioners find more accurate treatment options while saving time and effort

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권4호
• /
• pp.1080-1099
• /
• 2023

Digital healthcare combined with telemedicine services in the form of convergence with digital technology and AI is developing rapidly. Digital healthcare research is being conducted on many conditions including shock. However, the causes of shock are diverse, and the treatment is very complicated, requiring a high level of medical knowledge. In this paper, we propose a shock detection method based on the correlation between shock and data extracted from hemodynamic monitoring equipment. From the various parameters expressed by this equipment, four parameters closely related to patient shock were used as the input data for a machine learning model in order to detect the shock. Using the four parameters as input data, that is, feature values, a random forest-based ensemble machine learning model was constructed. The value of the mean arterial pressure was used as the correct answer value, the so called label value, to detect the patient's shock state. The performance was then compared with the decision tree and logistic regression model using a confusion matrix. The average accuracy of the random forest model was 92.80%, which shows superior performance compared to other models. We look forward to our work playing a role in helping medical staff by making recommendations for the diagnosis and treatment of complex and difficult cases of shock.

• 한국산업정보학회논문지
• /
• 제27권1호
• /
• pp.19-26
• /
• 2022

본 논문은 컨테이너의 BIC-code를 인식하기 위한 전처리(pre-processing) 방법에 관한 것으로서, BIC-code가 포함된 관심 영역을 찾고 이 관심 영역을 광학 문자 인식에 용이하도록 워핑하기 위한 호모그래피 행렬을 추정할 수 있는 네트워크를 제안한다. 제안하는 네트워크의 구조는 STN(Spatial Transformer Networks)의 구조를 차용하였으며, 관심 영역 검출, 호모그래피 변환을 위한 행렬 추정, 행렬을 이용한 워핑 단계로 구성되어 있다. 제안된 네트워크를 이용하여 관심 영역과 행렬을 동시에 추정하고, 추정된 행렬을 이용하여 관심 영역의 원근 왜곡을 바로 잡음으로써 BIC-code의 인식 정확도 향상에 기여한다. 성능 평가를 위하여 총 5인의 평가원이 출력 영상을 5점 만점으로 평가한 결과 평균 4.25점을 받았으며, 육안으로 확인했을 시 총 312장의 사진 중 224장의 사진이 완벽하게 보정됨과 동시에 관심 영역을 출력하였다.

• 인터넷정보학회논문지
• /
• 제10권3호
• /
• pp.159-172
• /
• 2009

본 연구는 학습자의 측면에서 대학 e-러닝 콘텐츠의 질에 영향을 미치는 요인을 밝히고, 대학 e-러닝 콘텐츠의 질을 향상시키기 위한 구체적인 방안을 모색해 보는 데 있다. 이를 위한 구체적인 연구문제들은 다음과 같다: 1) 대학 e-러닝 콘텐츠의 질에 영향을 미치는 요인은 무엇이며, 각 요인에 대한 학습자의 인식(중요도 만족도)은 어떠한가? 2) 대학 e-러닝 콘텐츠의 질에 영향을 미치는 요인별 중요도와 만족도 사이에는 차이가 있는가? 3) 대학 e-러닝 콘텐츠의 질을 향상시키기 위한 구체적인 방안은 무엇인가? 연구대상은 대학에서 e-러닝 강좌를 수강한 경험이 있는 수도권 지역 대학생 543명이었으며, 조사도구는 선행 연구를 토대로 개발된 38개의 문항으로 구성된 설문지를 사용하였다. 자료 분석을 위해 요인분석과 대응표본 t-검증이 사용되었다. 연구 결과, 학습자의 측면에서 본 대학 e-러닝 콘텐츠의 질에 영향을 미치는 요인은 교수전략, 학습내용, 사용성, 평가/피드백, 인터페이스의 다섯 가지로 나타났으며, 모든 요인에서 중요도와 만족도 간에 통계적으로 유의미한 차이가 있었다. 또한 요인별 중요도-만족도 매트릭스 분석 결과, 1) 학습내용은 최소한 현 상태를 지속적으로 유지해야 할 요인으로, 2) 사용성, 교수 전략, 평가/피드백은 상대적으로 중요성은 떨어지지만 여전히 만족도를 높여야 할 요인으로, 그리고 3) 인터페이스는 중요하지만 만족도가 낮아 만족도를 높이기 위한 방안이 시급히 강구되어야 할 요인으로 나타났다. 이러한 연구결과에 기초하여 학습자의 측면에서 대학 e-러닝 콘텐츠의 질을 향상시키기 위한 몇 가지 시사점을 제시하였다.

• 한국컴퓨터정보학회논문지
• /
• 제17권11호
• /
• pp.207-214
• /
• 2012

이 연구는 초등학교 사회과 학습부진 학생을 위한 최적의 사이버 가정학습 2.0 교수학습 모형을 제안하기 위해 근거이론 방법을 통해 수행하였다. 이를 위해 먼저 학습부진학생들을 대상으로 학습부진 원인을 알아보기 위한 심층면담이 이루어졌고, 면담 결과를 통해 규명된 일련의 학습부진 원인들을 공통 개념으로 범주화하였다. 그 결과 25개의 학습부진 원인을 8개의 하위범주와 4개의 상위범주로 묶을 수 있었다. 그리고 학습부진학생을 대상으로 사이버 가정학습 2.0을 활용한 수업을 적용하고, 적용 기간에 학습부진학생들이 작성한 성찰일지 및 교사와의 심층면담 내용 등을 분석하여 학습부진학생들의 학습에 대한 인식변화 과정을 분석하였다. 학습부진학생들은 사이버 가정학습 2.0에 임하면서 '사이버 가정학습 2.0 적응과정', '기초지식학습과정', '과제수행과정', '반복적인 모둠토의 과정', '되알리기와 학업성취도 평가 과정' 등 다섯 가지의 구체적인 전략을 가지고 학습에 임하고 있음을 알 수 있었다. 과정분석 결과로 나타난 구체적인 전략들을 토대로 학습부진학생들을 위한 사이버 가정학습 2.0 상황모형을 제안하였다.

• 전자공학회논문지
• /
• 제50권1호
• /
• pp.269-275
• /
• 2013

본 논문에서는 Extreme Learning Machine(ELM)을 이용한 자기부상시스템 모델링 기법을 제안한다. 자기부상시스템의 모델링을 위하여 일반적으로 테일러 급수를 이용한 선형화 모델이 사용되어져 왔으나, 이런 수학적 기법의 경우 자기부상시스템의 비선형 반영에 한계가 있다는 단점을 가지고 있다. 이러한 단점을 극복하기 위해 본 논문에서는 학습시간이 빠른 특성을 가진 ELM을 이용한 자기부상시스템의 모델링 기법을 제안한다. 제안된 기법은 입력 가중치들과 은닉 바이어스들의 초기값을 무작위로 선택하고 출력 가중치들은 Moore-Penrose의 일반화된 역행렬 방법을 통하여 구해진다. 실험을 통하여 제안된 알고리즘이 자기부상시스템의 모델링에서 수학적 기법에 비해 우수한 성능을 보임을 알 수 있었다.