• 한국전산구조공학회논문집
• /
• 제34권6호
• /
• pp.403-408
• /
• 2021

현재 교량과 같은 토목구조물의 설계프로세스는 1차 설계 후 구조 검토를 수행하여 기준에 부적합할 경우 재설계하는 과정을 반복하여 최종적인 성과품을 만드는 것이 일반적이다. 이러한 반복 과정은 설계에 소요되는 기간을 연장시키는 원인이 되며, 보다 수준 높은 설계를 위해 투입되어야 할 고급 엔지니어링 인력을 기계적인 단순 반복 작업에 소모하고 있다. 이러한 문제는 설계 과정 자동화를 통하여 해결할 수 있으나, 설계 과정에서 사용되는 해석프로그램은 이러한 자동화에 가장 큰 장애요인이 되어 왔다. 본 연구에서는 기존 설계 과정 중 반복작업을 대체하고자 강화학습 알고리즘과 외부 해석프로그램을 함께 제어할 수 있는 인터페이스를 포함한 교량설계 프로세스에 대한 AI기반 자동화 시스템을 구축하였다. 이 연구를 통하여 구축된 시스템의 프로토타입은 2경간 RC라멘교를 대상으로 제작하였다. 개발된 인터페이스 체계는 향후 최신 AI 및 타 형식의 교량설계 간 연계를 위한 기초기술로써 활용될 수 있을 것으로 판단된다.

• 한국비블리아학회지
• /
• 제26권1호
• /
• pp.233-257
• /
• 2015

본 연구는 독서수준에 따른 단계별 학습만화 이용행태가 학습능력에 미치는 영향에 대해 독서수준이 다양한 학생들을 대상으로 질적 연구방법을 통해 조사 분석하였다. 학생들은 학습만화 반복읽기 과정에서 독서수준에 따라 동일주제의 단계별 학습만화를 이용하는 행태를 보였다. 이러한 학습만화 이용행태는 관련 주제의 일반도서 읽기로의 전이를 돕고, 학습만화가 교과단원의 이해를 위한 참고서 역할을 함으로써 학습능력에 긍정적인 영향을 미치는 것으로 나타났다. 본 연구를 통해 학습만화를 이용한 자기주도적 학습법과 학습만화 읽기 개선을 통한 효율적인 독서지도안이 개발되기를 기대한다.

• 실천공학교육논문지
• /
• 제12권1호
• /
• pp.11-21
• /
• 2020

본 연구는 간호대학생의 플립러닝 교수법을 적용한 전공수업의 경험에 대한 의미를 이해하기 위한 현상학적 연구이다. 연구 참여자는 간호학과 4학년 8명으로 개별 심층면담을 실시하여 자료수집을 하였으며, Colaizzi의 현상학적 방법으로 자료분석을 하였다. 본 연구를 분석한 결과 총 35개 주제어와 11개의 중심의미가 도출되었다. 11개의 중심의미는 교육 전, 교실 안, 교육 후로 분류 하였다. 교육 전 단계는 '정보부족', '심리적 부담감', '교수법 차이', '자기주도적 학습능력 향상', '학습자의 성취도 차이'가 중심의미로 도출되었다. 교실 안은 '효율적 수업방향', '자신감 향상'이, 교육 후 단계는 '수업에 긍정적 영향', '자기부담 강화', '선호하지 않음', '강의식 선호'로 각각의 중심의미가 도출되었다. 따라서, 본 연구결과를 볼 때 간호학 전공에 플립러닝 교수법을 적용하기 위해서는 좀 더 다각적이며 심층적인 반복연구를 제언한다.

• 전기전자학회논문지
• /
• 제20권1호
• /
• pp.94-102
• /
• 2016

본 논문에서는 기계학습 알고리즘을 이용하여 다중물리(Multi-physics) 시뮬레이션의 반복 횟수를 획기적으로 줄일 수 있는 다중물리해석 예측 방법을 제안한다. 기존의 다중물리해석 시뮬레이션의 경우 소요되는 시간과 노력을 줄이기 위해 시뮬레이션 자체에 대한 방법과 환경 개선에 초점이 맞추어져 있으나 본 논문에서는 다중물리 시뮬레이션 결과를 기계학습 알고리즘으로 학습하여 추가적인 시뮬레이션을 수행하지 않고 학습된 기계학습 알고리즘을 사용하여 수십분에서 수시간에 걸리는 다중 물리 해석과 유사한 결과를 수초 내에 예측할 수 있음을 보였다. 기계학습 알고리즘 간의 성능을 비교하여 다중물리해석에 적합한 기계학습 알고리즘을 확인하였으며 가장 우수한 성능을 보인 가우시안 프로세스 회귀(Gaussian Process Regression)의 경우 100개 이하의 학습 샘플만으로도 우수한 예측 결과를 얻어낼 수 있음을 확인하였다. 제안하는 방식을 통해 시뮬레이션을 하고자 하는 모델의 형상이나 재질이 변경될 경우 기존의 시뮬레이션 결과로 학습된 알고리즘이 있다면 시뮬레이션을 반복 수행하기 전에 알고리즘을 이용하여 결과를 예측할 수 있어 시뮬레이션의 반복 횟수를 줄일 수 있을 것으로 기대한다.

• Advances in nano research
• /
• 제12권2호
• /
• pp.185-195
• /
• 2022

Deep learning is another field of artificial intelligence (AI) utilized for computer aided diagnosis (CAD) and image processing in scientific research. Considering numerous mechanical repetitive tasks, reading image slices need time and improper with geographical limits, so the counting of image information is hard due to its strong subjectivity that raise the error ratio in misdiagnosis. Regarding the highest mortality rate of Lung cancer, there is a need for biopsy for determining its class for additional treatment. Deep learning has recently given strong tools in diagnose of lung cancer and making therapeutic regimen. However, identifying the pathological lung cancer's class by CT images in beginning phase because of the absence of powerful AI models and public training data set is difficult. Convolutional Neural Network (CNN) was proposed with its essential function in recognizing the pathological CT images. 472 patients subjected to staging FDG-PET/CT were selected in 2 months prior to surgery or biopsy. CNN was developed and showed the accuracy of 87%, 69%, and 69% in training, validation, and test sets, respectively, for T1-T2 and T3-T4 lung cancer classification. Subsequently, CNN (or deep learning) could improve the CT images' data set, indicating that the application of classifiers is adequate to accomplish better exactness in distinguishing pathological CT images that performs better than few deep learning models, such as ResNet-34, Alex Net, and Dense Net with or without Soft max weights.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.258-260
• /
• 2022

비전공자에게는 처음 접하는 SW 개발환경과 이해, 전공과의 관련성, 융합 능력 등의 어려움을 겪게 된다. 비전공자를 위해 비교적 쉽게 접근할 수 있는 소프트웨어 교육을 활용하였고 SW 교육 초보자에게 적용할 수 있는 시연 중심모델(DMM)을 적용하여 실생활에서 사용되는 애플리케이션과 전공과 관련된 아이디어의 구성요소와 논리적 흐름 파악할 수 있도록 교수자의 시연과 학습자의 모방을 통한 반복적인 구현과 학습동기 유발 요소를 결합한 융합 SW 교수법을 제안하였다. 본 논문에서 제안한 교수학습법을 적용한 실험에서 SW 교육에서 학습동기와 학업성취도 측면에서 의미 있는 결과를 보였다.

• 정보교육학회논문지
• /
• 제16권4호
• /
• pp.489-502
• /
• 2012

현재 컴퓨터교육에서 알고리즘 교육의 중요성은 강조되고 있지만 주어진 문제를 알고리즘으로 표현하고 표현된 알고리즘을 해석하는 방법에는 비교적 연구가 미약하였다. 본 연구에서는 알고리즘의 표현 도구 중 순서도에 대해 초등학교 저학년 대상으로 놀이 활동 기반 학습 방법을 개발하고 실제 수업에 적용하여 학습 가능성을 진단하여 보았다. 학습 놀이는 순차형 놀이, 선택형 놀이, 반복형 놀이와 퍼즐 맞추기 게임으로 4가지이며 퍼즐 맞추기 게임은 학습 놀이 내용을 순서도 카드를 활용하여 실제 순서도로 재구성하는 게임이다. 순서도 학습 후 성취도 평가에서는 학습 놀이 기반으로 수업을 진행한 집단이 ICT기반으로 학습한 집단보다 상대적으로 평균은 약 7.5% 높게 나타났으며 두 집단 모두 학습 후 평균이 10점 만점에 9점 이상을 보였다. 이는 순서도 교육이 초등학교 저학년도 학습 가능하며 특히 놀이 활동을 통한 교육이 효과적이라는 것을 보여준 것이다.

• 한국방재안전학회논문집
• /
• 제11권2호
• /
• pp.75-82
• /
• 2018

본 연구는 재해심리학 수업에서 문제중심학습을 적용한 수업을 설계하고, 실제 교육현장에 적용한 뒤 학생들이 느끼는 교육적 경험을 분석하였다. 연구대상은 재해심리 수업을 수강한 56명의 대학생이다. 재해심리 수업은 강의식 수업과 문제중심학습 방식을 혼합하여 실시하였고, 문제중심학습 수업은 3주간 진행되었다. 수업에 대한 결과물은 문제분석지, 조별활동일지, 성찰일기, 조별평가지이고 이러한 자료를 토대로 반복비교법, 삼각측정법을 통해 질적 자료를 분석하였다. 분석 결과 전문지식 습득, 다각적 분석을 통한 자신감, 실제적 문제해결력, 타인의 관점 수용을 통한 의사소통능력, 직업적 소명의식, 유사상황 대처에 대한 효능감, 관점의 변화라는 7가지 범주의 역량이 확인되었다. 본 연구는 문제중십학습 수업 모델 적용 사례를 소개하여 향후 후속 수업적용과 연구를 기대하게 한다.

• 방송공학회논문지
• /
• 제26권1호
• /
• pp.61-69
• /
• 2021

이미지 아웃페인팅은 이미지의 맥락을 고려하여 주어진 이미지의 외부를 지속적으로 채울 수 있다는 점에서 매우 흥미로운 문제이다. 이 작업에는 두 가지 주요 과제가 있다. 첫 번째는 생성된 영역의 내용과 원래 입력의 공간적 일관성을 유지하는 것이다. 두 번째는 적은 양의 인접 정보로 고품질의 큰 이미지를 생성하는 것이다. 기존의 이미지 아웃페인팅 방법은 일관되지 않고 흐릿하며 반복되는 픽셀을 생성하는 등 어려움을 겪고 있다. 하지만 최근 딥러닝 기술의 발달에 힘입어 기존의 전통적인 기법들에 비해 높은 성능을 보여주고 있는 알고리즘들이 소개되었다. 딥러닝 기반 아웃 페인팅은 현재까지도 다양한 네트워크가 제안되며 활발히 연구되고 있다. 본 논문에서는 아웃 페인팅 분야의 최신 기술 현황 및 동향을 소개하고자 한다. 딥러닝 기반의 아웃페인팅 알고리즘 중 대표적인 네트워크들을 분석하고 다양한 데이터 셋과 비교 방법을 통한 실험 결과를 보여줌으로써 최근 기법들을 비교하고자 한다.

• 한국측량학회지
• /
• 제39권6호
• /
• pp.381-392
• /
• 2021

본 연구에서는 UAV (Unmanned Aerial Vehicle)로 촬영한 이미지를 활용하여 수치지도 지형지물 표준 코드에서 정의하고 있는 건물 8종에 대하여 딥러닝 기반의 객체 탐지 분석을 수행하였다. UAV로 촬영한 이미지 509매에 대하여 이미지 라벨링을 하였고 YOLO (You Only Look Once) v5 모델을 적용하여 학습 및 추론을 진행하였다. 실험 및 분석은 오픈소스 기반의 분석 플랫폼과 알고리즘을 적용하여 데이터를 분석하였으며 분석결과 88%~98%의 예측 확률로 건물 객체를 탐지하였다. 또한 학습데이터의 구축 및 반복 학습의 과정에서 건물 객체 탐지의 높은 정확도를 위해 필요한 학습 방식 및 모델 구축방식을 분석하였고, 학습한 모델을 다른 영상자료에 적용하는 방안을 모색하였다. 본 연구를 통해 고효율 심층 신경망과 공간정보데이터가 융합하는 모델을 제안하며 공간정보데이터와 딥러닝 기술의 융합은 향후 공간정보데이터 구축의 효율성, 분석 및 예측의 정확도 향상에 많은 도움을 제공할 것이다.