• 한국가스학회지
• /
• 제27권2호
• /
• pp.49-56
• /
• 2023

4차 산업혁명으로 인공지능(AI, Artificial Intelligence) 관련 기술이 고도로 성장함에 따라 여러 분야에서 AI를 접목하는 사례가 증가하고 있다. 주요 원인은 정보통신기술이 발달됨에 따라 기하급수적으로 증가하는 데이터를 사람이 직접 처리·분석하는데 현실적인 한계가 있고, 새로운 기술을 적용하여 휴먼 에러에 대한 리스크도 감소시킬 수 있기 때문이다. 이번 연구에서는 '원격 전위 측정용터미널(T/B, Test Box)'로부터 수신된 데이터와 해당시점의 '원격 정류기' 출력을 수집 후, AI가 학습하도록 하였다. AI의 학습 데이터는 최초 수집된 데이터의 회기분석을 통한 데이터 전처리로 확보하였고, 학습모델은 심층 강화학습(DRL, Deep Reinforce-ment Learning) 알고리즘 중(中) Value기반의 Q-Learning모델이 적용하였다. 데이터 학습이 완료된 AI는 실제 도시가스 공급지역에 투입하여, 수신된 원격T/B 데이터를 기반으로 AI가 적절하게 대응하는지 검증하고, 이를 통해 향후 AI가 전기방식 관리에 적합한 수단으로 활용될 수 있는지 검증하고자 한다.

• 한국재난정보학회 논문집
• /
• 제18권1호
• /
• pp.91-103
• /
• 2022

연구목적: 코로나바이러스감염증-19(COVID-19) 이후 교육생태계의 변화가 일어났고 소방학교 역시 대면교육을 비대면 교육으로 전환 되었다. 이로 인해 교육생(소방공무원)의 교육효과는 떨어지고 만족도 역시 낮아지고 있다. 본 연구에서 비대면 실시간 원격교육의 현 실태를 살펴보고 문제점을 보완하여 이에 맞는 교육방법, 교육내용, 교육환경 등을 개선하고자 한다. 연구방법: 본 연구에서는 비대면 실시간 원격교육에 영향을 미치는 독립변수로 시스템 환경운영, 컴퓨터의 자기효능감, 콘텐츠(교육내용, 구조, 설계 등), 적절한 상호작용으로 구성하였고, 종속변수로는 비대면 실시간 원격교육 만족도로 선정하였다. 이러한 독립변수와 종속변수에 사이에 조절변수로 학습동기와 학습태도의 적극성을 추가 구성하였다. 연구결과: 콘텐츠가 좋고 학습동기와 학습태도의 적극적 일수록 비대면 실시간 원격교육의 학습만족도가 높아졌고, 학습동기와 학습태도의 적극성이 높아지면 컴퓨터 자기효능감도 학습만족도에 긍정적 영향을 미칠 수 있다는 결과를 도출하게 되었다. 결론: 코로나바이러스감염증-19(COVID-19)으로 인한 비대면 실시간 교육만족을 높이기 위해 교육설계자 혹은 교수자는 학습동기와 학습태도의 적극성을 높일 수 있는 비대면 교육콘텐츠를 제공해야하고 비대면 교육시스템에 대한 사전교육을 통해 컴퓨터 자기효능감을 높여 학습자의 교육 만족도를 높여야 할 필요가 있다.

• 한국콘텐츠학회논문지
• /
• 제22권5호
• /
• pp.697-710
• /
• 2022

본 연구는 비대면 실기 수업에서 효과적인 교수법이 학습 참여도와 학업성취도에 어떠한 영향을 미치는지 그 구조적 관계를 검증하기 위해 수행되었다. 이를 위하여 일러스트레이션 디자인 교과목 실습수업을 소재로 한 사례 탐구와 함께 설문조사를 통한 자료의 수집 및 분석을 시행하고 시사점을 제안하였다. 측정 도구는 원격 실기 수업, 학습 참여도, 학업성취도였고, 수집된 자료는 SPSS 및 AMOS 프로그램이었다. 본 연구의 결과는 다음과 같다. 첫째, 비대면 교육은 인지적, 정서적, 행동적 참여도에 부(-)의 영향으로 나타났다. 둘째, Flipped Learning은 인지적 참여와 정서적 참여에 정(+)으로, 행동적 참여도에는 확인되지 않았다. 셋째, PBL은 정서적 참여, 인지적 참여 및 행동적 참여 모두에 정(+)으로 나타났다. 넷째, 동영상은 인지적 및 정서적 참여도에 유의한 영향은 없었고, 행동적 참여도에만 정(+)으로 나타났다. 다섯째, 인지적 참여도만 학업성취도에 정(+)의 영향, 정서적 및 행동적 참여도는 학업성취도에 미치는 영향은 확인되지 않았다. 이러한 결과를 바탕으로 PBL 방식과 Flipped Learning을 중심으로 실제 수업에 결합하고 VR 콘텐츠 제작 방식의 프로그램 개발이 필요할 것이라는 시사점을 제안하였다.

• 대한원격탐사학회지
• /
• 제39권4호
• /
• pp.371-393
• /
• 2023

Crack detection in structures plays a vital role in ensuring their safety, durability, and reliability. Traditional crack detection methods sometimes need significant manual inspections, which are laborious, expensive, and prone to error by humans. Deep learning algorithms, which can learn intricate features from large-scale datasets, have emerged as a viable option for automated crack detection recently. This study presents an in-depth review of crack detection methods used till now, like image processing, traditional machine learning, and deep learning methods. Specifically, it will provide a comparative analysis of crack detection methods using deep learning, aiming to provide insights into the advancements, challenges, and future directions in this field. To facilitate comparative analysis, this study surveys publicly available crack detection datasets and benchmarks commonly used in deep learning research. Evaluation metrics employed to check the performance of different models are discussed, with emphasis on accuracy, precision, recall, and F1-score. Moreover, this study provides an in-depth analysis of recent studies and highlights key findings, including state-of-the-art techniques, novel architectures, and innovative approaches to address the shortcomings of the existing methods. Finally, this study provides a summary of the key insights gained from the comparative analysis, highlighting the potential of deep learning in revolutionizing methodologies for crack detection. The findings of this research will serve as a valuable resource for researchers in the field, aiding them in selecting appropriate methods for crack detection and inspiring further advancements in this domain.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1091-1100
• /
• 2022

딥러닝 기술의 진보와 함께 다양한 국내외 고해상도 원격탐사 영상의 활용이 가능함에 따라 딥러닝 기술과 원격탐사 빅데이터를 활용하여 도심 지역 건물 검출과 변화탐지에 활용하고자 하는 관심이 크게 증가하고 있다. 본 논문에서는 고해상도 원격탐사 영상의 의미론적 건물 분할을 위해서 건물 분할에 우수한 성능을 보이는 DeepResUNet 모델을 기본 구조로 하고 잔차 학습 단위를 개선하고 Convolutional Block Attention Module(CBAM)을 결합한 새로운 건물 분할 모델인 CBAM-DRUNet을 제안한다. 제안한 건물 분할 모델은 WHU 데이터셋과 INRIA 데이터셋을 이용한 성능 평가에서 UNet을 비롯하여 ResUNet, DeepResUNet 대비 F1 score, 정확도, 재현율 측면에서 모두 우수한 성능을 보였다.

• 디지털융복합연구
• /
• 제19권10호
• /
• pp.395-401
• /
• 2021

디지털 시대의 도래와 더불어 코로나19 감염병의 확산으로 인해 국내 교육기관은 실시간 원격강의 플랫폼을 학습의 도구로 활용하고 있다. 그러나 낮은 사용 경험 문제로 인해 혼란을 겪고 있어 사용성 연구가 필요하다. 본 연구는 ZOOM의 UI디자인 레이아웃에 따른 시선추적과 학습경험을 측정하여 실증적 데이터를 제공하고 레이아웃과 학습효과에 대한 규명을 입증하여 제언하는 것에 목적을 둔다. 총 30명의 피험자를 선정하여 학습 시 시선추적과 설문조사를 진행하였다. 연구결과, 그리드 레이아웃이 다른 레이아웃보다 감성적 실재감과 학습만족도가 높은 것으로 밝혀졌다. 또한, 참가자가 그리드 레이아웃에 가장 많은 주의를 집중한 것으로 밝혀졌다. 그러므로 높은 학습경험을 위해서는 그리드 레이아웃과 참가자를 시각적으로 부각시키고 소통을 유도하는 레이아웃을 지향할 필요가 있다.

• 정보교육학회논문지
• /
• 제26권3호
• /
• pp.175-186
• /
• 2022

정부는 감염병 사태를 극복하고 이로 인한 학습공백을 메우기 위해 다양한 정책적 제언과 관련 법령을 정비하는 등 원격수업 혁신 의지를 내비쳤다. 이러한 흐름에 발맞추고자 이 연구는 원격수업의 유형을 구분하고, 대학 학습자를 대상으로 원격수업의 유형에 따라 어떠한 차이가 있는지 규명하였다. 이를 위해 서울 소재 K대학교 569명의 학습자 대상으로 설문을 실시하였으며, 수집된 결과는 빈도분석, 신뢰도 및 타당도 검증, 검정, 다중회귀분석 등으로 통계분석 처리되어 다음과 같은 결론과 시사점이 도출되었다. 첫째, 동시적 원격수업의 학습지속의향을 촉진시키는 요인으로 지각된 유용성이 도출되었다. 따라서 해당 수업에 대한 적절한 교수전략 탐색, 안정적인 인프라 구축과 같은 다양한 전략을 안배하여 학습자의 인식을 개선시켜 주어야 할 필요가 있다. 둘째, 비동시적 원격수업의 학습지속의향을 촉진시키는 요인으로 지각된 유용성, 사회실재감, 시스템품질이 도출되었다. 그러므로 해당 수업에 대한 유용성 인식개선뿐만 아니라, 원만한 상호작용과 적시 피드백, 강의 품질관리가 수반되어야 학습자의 학습지속의향이 촉진될 것이다.

• 한국멀티미디어학회논문지
• /
• 제6권4호
• /
• pp.630-637
• /
• 2003

This study is designed to use the stepwise learning system for solving learner-oriented problem on the Web, which can help learners probe studying targets and contents of mathematics as well as search for a study-related materials. The study provides a Web-based Courseware design model based on the general multimedia systematic professor design model. It develops a program for remote lecture that can solve problems through interaction among a professor and the other learners. It also implements a remote teaming system for real-time environment of mathematical problems oriented by the learner. The system designed either as a Web-based mathematical Courseware or as a text mode has the purpose of providing a Web-based stepwise learning system for solving mathematical problems oriented by the learner.

• 대한원격탐사학회지
• /
• 제37권4호
• /
• pp.719-731
• /
• 2021

This study proposes a two-stage hybrid classification model for crop classification using multi-temporal remote sensing images; the model combines feature embedding by using an autoencoder (AE) with a convolutional neural network (CNN) classifier to fully utilize features including informative temporal and spatial signatures. Long short-term memory (LSTM)-based AE (LAE) is fine-tuned using class label information to extract latent features that contain less noise and useful temporal signatures. The CNN classifier is then applied to effectively account for the spatial characteristics of the extracted latent features. A crop classification experiment with multi-temporal unmanned aerial vehicle images is conducted to illustrate the potential application of the proposed hybrid model. The classification performance of the proposed model is compared with various combinations of conventional deep learning models (CNN, LSTM, and convolutional LSTM) and different inputs (original multi-temporal images and features from stacked AE). From the crop classification experiment, the best classification accuracy was achieved by the proposed model that utilized the latent features by fine-tuned LAE as input for the CNN classifier. The latent features that contain useful temporal signatures and are less noisy could increase the class separability between crops with similar spectral signatures, thereby leading to superior classification accuracy. The experimental results demonstrate the importance of effective feature extraction and the potential of the proposed classification model for crop classification using multi-temporal remote sensing images.

• 한국측량학회지
• /
• 제34권4호
• /
• pp.383-390
• /
• 2016

Remote sensing data has been widely used in the estimation of crop yields by employing statistical methods such as regression model. Machine learning, which is an efficient empirical method for classification and prediction, is another approach to crop yield estimation. This paper described the corn yield estimation in Iowa State using four machine learning approaches such as SVM (Support Vector Machine), RF (Random Forest), ERT (Extremely Randomized Trees) and DL (Deep Learning). Also, comparisons of the validation statistics among them were presented. To examine the seasonal sensitivities of the corn yields, three period groups were set up: (1) MJJAS (May to September), (2) JA (July and August) and (3) OC (optimal combination of month). In overall, the DL method showed the highest accuracies in terms of the correlation coefficient for the three period groups. The accuracies were relatively favorable in the OC group, which indicates the optimal combination of month can be significant in statistical modeling of crop yields. The differences between our predictions and USDA (United States Department of Agriculture) statistics were about 6-8 %, which shows the machine learning approaches can be a viable option for crop yield modeling. In particular, the DL showed more stable results by overcoming the overfitting problem of generic machine learning methods.