• 제목/요약/키워드: science learning flow

검색결과 181건 처리시간 0.021초

Traffic Flow Prediction Model Based on Spatio-Temporal Dilated Graph Convolution

  • Sun, Xiufang;Li, Jianbo;Lv, Zhiqiang;Dong, Chuanhao
    • KSII Transactions on Internet and Information Systems (TIIS)
    • /
    • 제14권9호
    • /
    • pp.3598-3614
    • /
    • 2020
  • With the increase of motor vehicles and tourism demand, some traffic problems gradually appear, such as traffic congestion, safety accidents and insufficient allocation of traffic resources. Facing these challenges, a model of Spatio-Temporal Dilated Convolutional Network (STDGCN) is proposed for assistance of extracting highly nonlinear and complex characteristics to accurately predict the future traffic flow. In particular, we model the traffic as undirected graphs, on which graph convolutions are built to extract spatial feature informations. Furthermore, a dilated convolution is deployed into graph convolution for capturing multi-scale contextual messages. The proposed STDGCN integrates the dilated convolution into the graph convolution, which realizes the extraction of the spatial and temporal characteristics of traffic flow data, as well as features of road occupancy. To observe the performance of the proposed model, we compare with it with four rivals. We also employ four indicators for evaluation. The experimental results show STDGCN's effectiveness. The prediction accuracy is improved by 17% in comparison with the traditional prediction methods on various real-world traffic datasets.

챗봇 프레임워크 성능 향상을 위한 점진적 학습 기법 (Incremental Learning for Performance Enhancement of Chatbot Framework)

  • 박상현;박진욱;조수헌;현제혁;황진성
    • 한국컴퓨터정보학회:학술대회논문집
    • /
    • 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
    • /
    • pp.283-284
    • /
    • 2019
  • 규칙 기반의 챗봇(Chatbot)은 개발자가 미리 지정한 키워드와 패턴을 통해 사용자의 의도(Intent)를 파악하기 때문에, 챗봇을 응용한 어플리케이션에서는 제한적인 활용도를 보인다. 본 논문에서는 위 문제를 해결하기 위해, 프레임워크 기반의 한글 자연어 처리 챗봇 성능 향상을 위한 점진 학습(Incremental Learning)을 제안한다. DialogFlow는 규칙 기반의 챗봇 프레임워크로서, 사용자 질의 패턴에 대한 사전 학습이 치명적이다. 제안하는 점진 학습 기법은 사용자 질의가 미리 학습되어 있지 않은 경우에도, 유사도 기반으로 질의의 의도를 결정할 수 있다. 이때 entity 조합과 기존에 학습된 질의들과의 유사도를 통해 의도를 결정하여, 프레임워크를 점진적으로 학습한다. 이를 적용하여 연세대학교 정보들을 제공하는 챗봇을 개발하고, 실험을 통해 제안된 점진 학습 기법은 기존 시스템보다 다양한 종류의 질의 처리가 가능하고, 더욱 빠른 응답 속도를 나타내는 것을 확인하였다. 또한 사용자가 증가함에 따라 점진 학습을 통해 성능이 더욱 증가하는 자가 학습 모형으로서의 우수함을 확인하였다.

  • PDF

청취유형과 학습전략에 따른 광합성 개념의 과학성취도 차이 분석 (Analysis of Differences in Science Achievement on the Concept of Photosynthesis According to Listening Styles and Learning Strategies)

  • 김영신;전지환;임수민
    • 과학교육연구지
    • /
    • 제42권3호
    • /
    • pp.273-292
    • /
    • 2018
  • 강의는 주된 수업 형태이며, 학생들의 가장 일반적인 활동은 청취이다. 따라서 학생들을 교육하기 위하여 청취유형을 분석한다면 효율적이고 긍정적인 변화가 기대된다. 뿐만 아니라 학습자 중심의 교육이 강조됨에 따라 학습자의 특성이 중요해지고, 자기 주도적 학습을 위해 학생들의 학습전략의 가치는 높아진다. 따라서 이 연구에서는 5, 7, 10학년 학생들을 대상으로 설문 조사를 통해 얻은 데이터를 통계 분석하여 청취유형과 학습전략에 따라 과학 성취도에 차이가 있는지를 조사하였다. 본 연구의 결과는 다음과 같다. 첫째, 학생들의 청취유형과 학습전략이 성별 간에 큰 차이를 보인다. 둘째, 학생들의 청취유형과 학습전략은 학년별로 큰 차이를 보인다. 셋째, 청취유형 중 과제 중심 및 비판적 유형의 수준은 과학 성취도에 의미있는 영향을 미친다. 넷째, 청취유형, 학습전략 및 과학 성취도는 서로 유의미한 상관관계를 지닌다. 마지막으로 학습전략과 과학 성취의 측면에서 볼 때 기본적이고 복합인지 전략이 과학 성취와 양의 상관관계를 가진다.

YOLOv5와 모션벡터를 활용한 트램-보행자 충돌 예측 방법 연구 (A Study of Tram-Pedestrian Collision Prediction Method Using YOLOv5 and Motion Vector)

  • 김영민;안현욱;전희균;김진평;장규진;황현철
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제10권12호
    • /
    • pp.561-568
    • /
    • 2021
  • 최근 자율주행에 관한 기술은 고부가가치 신기술로서 주목받고 있으며 활발히 연구가 진행되고 있는 분야이다. 상용화 가능한 자율주행을 위해서는 실시간으로 정확하게 진입하는 객체를 탐지하고 이동속도를 추정해야 한다. CNN(Convolutional Neural Network) 기반 딥러닝 알고리즘과 밀집광학흐름(Dense Optical Flow)을 사용하는 기존 방식은 실행 속도가 느려 실시간으로 객체를 탐지하고 이동속도를 추정하기에는 한계가 존재한다. 본 논문에서는 트램에 설치된 카메라를 통해 획득된 주행영상에서 딥러닝 알고리즘인 YOLOv5 알고리즘을 활용하여 실시간으로 객체를 탐지를 수행하고, 탐지된 객체영역에서 기존의 밀집광학흐름(Dense Optical Flow) 대신 연산량을 개선한 부분 밀집광학흐름(Local Dense Optical Flow)을 사용하여 객체의 진행 방향과 속력을 빠르게 추정하는 방식을 제안한다. 이를 바탕으로 충돌 시간과 충돌 지점을 예측할 수 있는 모델을 설계하였으며, 이를 통해 트램(Tram)의 주행 중 전방 충돌사고를 방지할 수 있는 시스템에 적용하고자 한다.

가잠 가수분해물에 의한 학습력 개선 및 두뇌의 혈류변화와 글루코스 사용정도의 긍정적 변화 (Association between Cerebral Blood Flow and Cognitive Improvement Effect by B. mori Extracted Component)

  • 이상형;김용식;김성수;강용구;이무열;이광길;여주홍;이원복;김대경
    • 한국잠사곤충학회지
    • /
    • 제46권2호
    • /
    • pp.77-79
    • /
    • 2004
  • 최근 잠상산물 추출물인 BF-7이 기억력과 학습력 개선에 크게 유용하다는 연구결과들이 보고되고 있다. 이를 바탕으로 본 연구는 과연 이 BF-7이 일반적인 학생들의 학습력 및 인지력 개선을 유도하는지 여부를 재확인하고자 하였다. 본 연구결과 3주 동안의 BF-7 복용(매일 400mg)으로, 평균 IQ 10 이상의 증가를 보였다. 이의 의학적 검증을 위하여, SPECT를 이용하여 두뇌의 인지기능과 학습력 등을 담당하는 부위의 혈류량 개선을 살펴봄으로써 이런 개선효과를 확인하고자 하였다. 그 결과 parahippocampal gyrus 와 medial temporal area부위 즉 학습 관련한 두뇌부위의 혈류량과 글루코오스 사용량이 증가하는 것으로 나타났다. 따라서 BF-7의 복용은 효과적으로 두뇌의 활성을 유도하여, 인지기능과 기억력, 학습력 증진 효과를 갖는 것으로 나타났다.

Empirical Investigations to Plant Leaf Disease Detection Based on Convolutional Neural Network

  • K. Anitha;M.Srinivasa Rao
    • International Journal of Computer Science & Network Security
    • /
    • 제23권6호
    • /
    • pp.115-120
    • /
    • 2023
  • Plant leaf diseases and destructive insects are major challenges that affect the agriculture production of the country. Accurate and fast prediction of leaf diseases in crops could help to build-up a suitable treatment technique while considerably reducing the economic and crop losses. In this paper, Convolutional Neural Network based model is proposed to detect leaf diseases of a plant in an efficient manner. Convolutional Neural Network (CNN) is the key technique in Deep learning mainly used for object identification. This model includes an image classifier which is built using machine learning concepts. Tensor Flow runs in the backend and Python programming is used in this model. Previous methods are based on various image processing techniques which are implemented in MATLAB. These methods lack the flexibility of providing good level of accuracy. The proposed system can effectively identify different types of diseases with its ability to deal with complex scenarios from a plant's area. Predictor model is used to precise the disease and showcase the accurate problem which helps in enhancing the noble employment of the farmers. Experimental results indicate that an accuracy of around 93% can be achieved using this model on a prepared Data Set.

Predicting the lateral displacement of tall buildings using an LSTM-based deep learning approach

  • Bubryur Kim;K.R. Sri Preethaa;Zengshun Chen;Yuvaraj Natarajan;Gitanjali Wadhwa;Hong Min Lee
    • Wind and Structures
    • /
    • 제36권6호
    • /
    • pp.379-392
    • /
    • 2023
  • Structural health monitoring is used to ensure the well-being of civil structures by detecting damage and estimating deterioration. Wind flow applies external loads to high-rise buildings, with the horizontal force component of the wind causing structural displacements in high-rise buildings. This study proposes a deep learning-based predictive model for measuring lateral displacement response in high-rise buildings. The proposed long short-term memory model functions as a sequence generator to generate displacements on building floors depending on the displacement statistics collected on the top floor. The model was trained with wind-induced displacement data for the top floor of a high-rise building as input. The outcomes demonstrate that the model can forecast wind-induced displacement on the remaining floors of a building. Further, displacement was predicted for each floor of the high-rise buildings at wind flow angles of 0° and 45°. The proposed model accurately predicted a high-rise building model's story drift and lateral displacement. The outcomes of this proposed work are anticipated to serve as a guide for assessing the overall lateral displacement of high-rise buildings.

Convolutional Neural Network Based Plant Leaf Disease Detection

  • K. Anitha;M.Srinivasa Rao
    • International Journal of Computer Science & Network Security
    • /
    • 제24권4호
    • /
    • pp.107-112
    • /
    • 2024
  • Plant leaf diseases and destructive insects are major challenges that affect the agriculture production of the country. Accurate and fast prediction of leaf diseases in crops could help to build-up a suitable treatment technique while considerably reducing the economic and crop losses. In this paper, Convolutional Neural Network based model is proposed to detect leaf diseases of a plant in an efficient manner. Convolutional Neural Network (CNN) is the key technique in Deep learning mainly used for object identification. This model includes an image classifier which is built using machine learning concepts. Tensor Flow runs in the backend and Python programming is used in this model. Previous methods are based on various image processing techniques which are implemented in MATLAB. These methods lack the flexibility of providing good level of accuracy. The proposed system can effectively identify different types of diseases with its ability to deal with complex scenarios from a plant's area. Predictor model is used to precise the disease and showcase the accurate problem which helps in enhancing the noble employment of the farmers. Experimental results indicate that an accuracy of around 93% can be achieved using this model on a prepared Data Set.

물의 흐름을 이용한 논리 게이트 기반 융합형 중등 정보과학 영재 교수·학습 자료 개발 (Development of a Convergent Teaching-Learning Materials based on Logic Gates using Water-flow for the Secondary Informatics Gifted Students)

  • 이형봉;권기현
    • 한국컴퓨터정보학회논문지
    • /
    • 제19권12호
    • /
    • pp.369-384
    • /
    • 2014
  • 우리나라 영재교육은 2002년 시작된 이후 이제 교육지원체계가 확립되었고, 양적 측면에서 충분한 성장을 이루었다. 반면에 교육의 질적인 측면에서는 미흡한 점이 있다는 보고가 많다. 즉, 대부분의 영재교육이 선행학습에 의한 단순 지식확대 위주로 이루어진다는 것이다. 영재 교육의 질을 높이기 위해서는 간학문적 원리와 현상을 문제해결에 적용할 수 있는 비판적 사고력 및 창의력 배양 교육이 되어야 한다. 이 연구에서는 통합교육 개념에 근거하여 AND/OR/XOR 등의 기본 논리 연산이 컴퓨터의 세포 역할을 하게 되는 과정을 탐구하는 융합형 교수 학습 자료를 설계하고 개발하였다. 설문 조사 결과 기존의 다른 학습 주제보다 학생들의 만족도(유익성, 이해도, 흥미도)가 크게 높은 것으로 평가되어 설계 취지에 부합된 것으로 나타났다.

공압기 소비전력에 대한 예측 모형의 비교연구 (A Comparison Study on Forecasting Models for Air Compressor Power Consumption)

  • 김주헌;장문수;김예진;허요섭;정현상;박소영
    • 한국산업융합학회 논문집
    • /
    • 제26권4_2호
    • /
    • pp.657-668
    • /
    • 2023
  • It's important to note that air compressors in the industrial sector are major energy consumers, accounting for a significant portion of total energy costs in manufacturing plants, ranging from 12% to 40%. To address this issue, researchers have compared forecasting models that can predict the power consumption of air compressors. The forecasting models were designed to incorporate variables such as flow rate, pressure, temperature, humidity, and dew point, utilizing statistical methods, machine learning, and deep learning techniques. The model performance was compared using measures such as RMSE, MAE and SMAPE. Out of the 21 models tested, the Elastic Net, a statistical method, proved to be the most effective in power comsumption forecasting.