• Journal of Electrical Engineering and Technology
• /
• 제13권5호
• /
• pp.2099-2106
• /
• 2018

This study presents a novel approach of discriminative feature vectors based on manifold learning using nonlinear dimension reduction (DR) technique to improve loss function, and combine with the Adversarial examples to regularize the object function for image classification. The traditional convolutional neural networks (CNN) with many new regularization approach has been successfully used for image classification tasks, and it achieved good results, hence it costs a lot of Calculated spacing and timing. Significantly, distrinct from traditional CNN, we discriminate the feature vectors for objects without empirically-tuned parameter, these Discriminative features intend to remain the lower-dimensional relationship corresponding high-dimension manifold after projecting the image feature vectors from high-dimension to lower-dimension, and we optimize the constrains of the preserving local features based on manifold, which narrow the mapped feature information from the same class and push different class away. Using Adversarial examples, improved loss function with additional regularization term intends to boost the Robustness and generalization of neural network. experimental results indicate that the approach based on discriminative feature of manifold learning is not only valid, but also more efficient in image classification tasks. Furthermore, the proposed approach achieves competitive classification performances for three benchmark datasets : MNIST, CIFAR-10, SVHN.

• 교육시설 논문지
• /
• 제26권3호
• /
• pp.33-41
• /
• 2019

As the information age matures, the learning style of youth is changing rapidly. Students study at a variety of places such as cafe or lobbies utilizing various digital learning devices. Along with the place changes, learning methods are also changing. Student-centered learning methods such as smart learning, collaborative learning, and activity-based learning are increasingly being utilized instead of the traditional instructor-centered learning in which knowledge is unilaterally delivered. Accordingly, many universities are remodeling central libraries, and they are also transforming lobby spaces of the college buildings into simple but useful learning spaces. In this study, we analyze the characteristics of learning spaces in universities from the standpoint of the students. According to the analysis, overall satisfaction is high in terms of comfortable physical learning environments such as Wi-Fi, furniture, lighting, etc. But the spaces are still optimized for individual and intensive learning. There seems to be a lack of effort to support collaborative learning or activity-based learning. This observation is confirmed by the characteristics of the central library, and it is considered that the reason why the college buildings are preferred by students is that college buildings are more suitable for collaborative or activity-based learning than libraries.

• 한국학교보건학회지
• /
• 제35권3호
• /
• pp.113-122
• /
• 2022

Purpose: The purpose of this study was to identify the effects of applying jigsaw cooperative learning to basic nursing practicums on self-directed learning ability, self-efficacy, and learning outcomes. Methods: This study was based on a non-equivalent control group design, and the subjects were nursing students. The study allocated 30 people in the experimental group and 30 people in the control group, and jigsaw cooperative learning was applied to the experimental group for 2 hours every week for a total of 8 weeks. The traditional educational method was applied to the control group. The collected data were analyzed using SPSS v26.0. Results: The experimental group to which jigsaw cooperative learning was applied showed statistically significant differences in self-directed learning ability (F=4.49, p=.038), self-efficacy (F=6.15, p=.016), and learning outcomes (F=19.48, p<.001) compared to the control group. Conclusion: By applying jigsaw cooperative learning to basic nursing practicums, this study confirmed its effect not only on the effective domain such as self-directed learning ability and self-efficacy, but also on learning outcomes in the practical domain. We propose future studies apply jigsaw cooperative learning to various practice classes to achieve learning outcomes that focus on cultivating students' practical capabilities.

• 대한공업교육학회지
• /
• 제32권1호
• /
• pp.1-32
• /
• 2007

본 연구에서는 문제중심학습에 의한 수업을 공업계 고등학교 열처리와 인장시험 실기수업에 적용하여 직업기초능력에 미치는 효과를 검증하고자 첫째, 공업계 고등학교의 실기수업에 적용할 수 있는 문제중심학습에 의한 수업 모형을 구안 적용하였다. 둘째, 직업기초능력에 관한 국내 외 관련 문헌을 분석 고찰하여 이를 근거로 공업계고등학교에 적용할 수 있는 직업기초능력 검사를 실시하였다. 연구결과 첫째, 문제중심학습에 의한 실기수업은 학생들이 실생활의 비 구조화된 문제를 중심으로 이것을 해결하는 과정에서 학습이 이루어지도록 하는 수업형태로 본 연구에서는 문제해결 과정, 즉 계획, 실행, 평가의 과정을 거쳐 학생이 문제를 해결해 가는 과정에서 학습이 이루어지도록 하는 학습자 중심의 수업을 실시하였다. 둘째, 문제중심학습에 의한 실기수업에서 학생들의 직업기초능력은 전반적으로 향상되었으며, 이 중에서도 문제해결 및 발표능력을 향상시키는데 매우 효과적이었다.

• 한국통신학회논문지
• /
• 제38B권12호
• /
• pp.954-961
• /
• 2013

본 논문은 퍼지ART의 학습 방법의 하나인 FCSR(Fast Commit Slow Recode)에서 패턴 인식을 향상시키기 위해 가변 학습을 이용하는 새로운 학습방법을 제안하였다. 기존의 학습 방법은 연결 강도(대표패턴)의 갱신에 고정된 학습률이 사용된다. 이 방법은 같은 카테고리 내의 입력패턴과 대표패턴의 유사성의 정도와 관계없이 고정된 학습률로 연결 강도를 갱신한다. 이 경우 카테고리 경계에 있는 유사성이 낮은 입력패턴이 연결강도의 갱신에 크게 영향을 주게 된다. 따라서 잡음 환경에서 이것은 불필요한 카테고리 증식의 원인이 되고, 패턴 인식 능력을 낮추는 문제가 된다. 제안된 방법에서는 대표 패턴과 입력 패턴 사이에 유사성이 적을수록 연결강도의 갱신에 입력패턴의 기여를 낮추어간다. 그 결과 잡음환경에서 퍼지 ART의 불필요한 카테고리 증식을 억제하였고, 패턴 인식 능력을 향상시켰다.

• 한국콘텐츠학회논문지
• /
• 제5권2호
• /
• pp.53-60
• /
• 2005

e-teaming은 시간적, 공간적 제약으로부터의 자유스러움으로 인해 전통적 교육의 보조 도구로써, 또는 전통적 교육을 대신해서 이미 많은 부분에서 e-learning이 이루어지고 있다. 본 논문은 e-learning의 중요성과 그것이 차지하는 비중이 상당히 커져 있는 시점에서 e-learning 교육 경험자들이 인터넷 기반 e-learning의 학습효과를 전통적 교육에 비해 어느 정도로 인식하고 있는지에 대한 조사를 수행하였다. 또한 인터넷 기반 e-learning의 학습효과에 대한 요인변수를 도출하고, 인터넷 기반e-loaming의 학습효과로 인식하는 정도가 어떠한 요인에 의해 얼마만큼의 영향을 받고 있는지를 파악하여 제시하였다.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 1994년도 춘계공동학술대회논문집; 창원대학교; 08월 09일 Apr. 1994
• /
• pp.611-616
• /
• 1994

Developing the safety training program has been a major research topic in CBT as well as in traditional teaching and learning. With regard to determining learning control in CBT, it is important to consider not only the characteristics of learning tasks but also student's individual difference. In this regard, the purposes of this study are to develop the CBT program as well as animation program in order to increase the student's performance.

• IEIE Transactions on Smart Processing and Computing
• /
• 제3권6호
• /
• pp.366-371
• /
• 2014

This paper reports a machine learning approach for image object detection. Object detection and localization in a wild image, such as a STL-10 image dataset, is very difficult to implement using the traditional computer vision method. A convolutional neural network is a good approach for such wild image object detection. This paper presents an object detection application using a convolutional neural network with pretrained feature vector. This is a very simple and well organized hierarchical object abstraction model.

• 한국컴퓨터정보학회논문지
• /
• 제25권5호
• /
• pp.187-197
• /
• 2020

최근 신경망 기반의 학습 알고리즘인 딥 러닝 기술의 발전으로 인해 텍스트의 문맥을 고려한 문서 임베딩 모델이 다양하게 고안되었으며, 특히 대량의 텍스트 데이터를 사용하여 학습을 수행한 사전 학습 언어 모델을 사용하여 분석 문서의 벡터를 추론하는 방식의 임베딩이 활발하게 연구되고 있다. 하지만 기존의 사전 학습 언어 모델을 사용하여 새로운 텍스트에 대한 임베딩을 수행할 경우 해당 텍스트가 가진 고유한 정보를 충분히 활용하지 못한다는 한계를 가지며, 이는 특히 텍스트가 가진 토큰의 수에 큰 영향을 받는 것으로 알려져 있다. 이에 본 연구에서는 다수의 토큰을 포함한 장문 텍스트의 정보를 최대한 활용하여 해당 텍스트의 벡터를 도출할 수 있는 자기 지도 학습 기반의 사전 학습 언어 모델 미세 조정 방법을 제안한다. 또한, 제안 방법론을 실제 뉴스 기사에 적용하여 문서 벡터를 도출하고 이를 활용하여 뉴스의 카테고리 분류 실험을 수행하는 외부적인 임베딩 평가를 수행함으로써, 제안 방법론과 기존 문서 임베딩 모델과의 성능을 평가하였다. 그 결과 제안 방법론을 통해 도출된 벡터가 텍스트의 고유 정보를 충분히 활용함으로써, 문서의 특성을 더욱 정확하게 표현할 수 있음을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.4244-4274
• /
• 2021

The utilization of UAVs in various fields has led to the development of flying ad hoc network (FANET) technology. In a network environment with highly dynamic topology and frequent link changes, the traditional routing technology of FANET cannot satisfy the new communication demands. Traditional routing algorithm, based on geographic location, can "fall" into a routing hole. In view of this problem, we propose a geolocation routing protocol based on multi-agent reinforcement learning, which decreases the packet loss rate and routing cost of the routing protocol. The protocol views each node as an intelligent agent and evaluates the value of its neighbor nodes through the local information. In the value function, nodes consider information such as link quality, residual energy and queue length, which reduces the possibility of a routing hole. The protocol uses global rewards to enable individual nodes to collaborate in transmitting data. The performance of the protocol is experimentally analyzed for UAVs under extreme conditions such as topology changes and energy constraints. Simulation results show that our proposed QLGR-S protocol has advantages in performance parameters such as throughput, end-to-end delay, and energy consumption compared with the traditional GPSR protocol. QLGR-S provides more reliable connectivity for UAV networking technology, safeguards the communication requirements between UAVs, and further promotes the development of UAV technology.