• 방송공학회논문지
• /
• 제20권5호
• /
• pp.676-686
• /
• 2015

Light field 카메라를 이용하여 영상을 취득한 후 다양한 응용 프로그램으로 확장이 가능한 4차원 light field 영상은 일반적인 2차원 공간영역(spatial domain)과 추가적인 2차원 각영역(angular domain)으로 구성된다. 그러나 이러한 4차원 light field 영상을 유한한 해상도를 가진 2차원 CMOS 센서로 취득하므로 저해상도의 제약이 존재한다. 본 논문에서는 이러한 4차원 light field 영상이 가지는 해상도 제약 조건을 해결하기 위하여, 4차원 light field 영상에 적합한 딕셔너리 학습 기반(dictionary learning-based) 초해상도(superresolution) 알고리즘을 제안한다. 제안하는 알고리즘은 4차원 light field 영상으로부터 추출한 많은 수의 4차원 패치(patch)들을 바탕으로 딕셔너리를 구성 및 훈련하며, 학습된 딕셔너리를 바탕으로 저해상도 입력 영상의 해상도를 향상시키는 과정을 수행한다. 제안하는 알고리즘은 공간영역과 각영역의 해상도를 동시에 각각 2배 향상시킨다. 실험에 사용된 영상은 상용 light field 카메라인 Lytro에서 취득하였고 기존의 알고리즘과의 비교를 통해 제안하는 알고리즘의 우수성을 검증한다.

• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제14권2호
• /
• pp.135-145
• /
• 2011

우리나라의 2007개정 수학과 교육과정에서는 의사소통 능력의 신장을 수학과 교육 목표의 중요한 부분으로 설정하고 있다. 수학적 의사소통은 학생들이 자신의 사고 과정을 재정립하고, 다른 사람과 상호작용하면서 지식을 구성해 나가는데 중요한 수단이 된다. 이 논문에서는 수학 교실에서 수학적 의사소통 능력을 신장시키기 위한 방안으로 수학적 의사소통 모형을 개발하고, 개발된 의사소통 모형에 따른 수업과 전통적인 교사 중심의 설명식 수업에서 지식의 형성 과정을 비교 분석하였다. 개발된 교수-학습 모형에 따른 수업에서는 전통적인 교사 중심의 설명식 수업에 비해 자신의 문제 해결 방법을 모둠원들과 의사소통을 통해 상호 비교하고, 자신의 의견을 수정하여 가장 적절한 해결 방법을 찾고 합의하였다. 이런 과정을 통해 학생들은 주관적 지식을 객관적 지식으로 구성해 나갔다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제30권3호
• /
• pp.197-203
• /
• 2007

우리나라 대학의 방사선(학)과 교육은 방사선사 면허시험에 대비한 전통식 강의 교육에 치중해 있어 제공되는 정보의 양은 많지만 학습효과는 떨어진다. 이러한 강의식 교육에 대한 비판과 함께 새로운 교수법인 문제 중심학습(Problem based learning, PBL)은 학생들에게 문제중심학습의 문제를 통해 직업세계를 생동감 있게 접할 수 있으며 또한 협동적 토론과정과 자기 주도적 학습에 적극 참여시킴으로서 학생들이 실제 임상의 직업 세계를 객관적으로 바라볼 수 있게 한다. 또한 의료팀의 일원으로서 방사선사가 되었을 때 문제해결능력 및 의사소통능력 등이 함양될 수 있어 방사선사 양성 교육 프로그램에 적용하기 위한 문제중심학습 교수법 방안을 제언하여 교육의 질을 향상시키고 빠르게 도약하고 있는 방사선사로서의 인재양성에 이바지 할 수 있을 것으로 기대된다.

• 한국정보처리학회논문지
• /
• 제4권8호
• /
• pp.2070-2079
• /
• 1997

본 논문에서는 호 수락 제어 문제를 해결하기 위해 퍼지 논리 제어기의 장점과 신경망의 학습 능력을 이용한 ATM 망의 호 수락 제어 시스템을 제안하였다. ATM 망의 새로운 호는 현재 서비스 중인 호의 서비스 품질(QoS : quality of service)이 영향을 받지 않을 경우 망에 접속이 된다. 신경망 호 수락 제어 시스템은 입/출력 패턴의 학습으로 예측성 잇게 호 수락/거절을 하는 시스템이다. 본 논문의 퍼지 신경망 호 수락 제어 시스템에서는 학습 속도 개선을 위해 학습율과 모맨텀 상수에 퍼지 추론을 적용하였다. 이 시스템은 시뮬레이션을 통해 기존의 신경망 방법과 퍼지 신경망 방법에서의 학습 횟수 측정으로 제안 알고리즘의 우수성을 검증하였다. 시뮬레이션 결과 퍼지 학습 규칙에 근거한 퍼지 신경망 CAC(call admission control) 방식이 종래의 신경망 이론에 근거한 CAC 방식보다 학습 속도면에서 약 5배의 속도 향상이 있었다.

• 한국산학기술학회논문지
• /
• 제12권11호
• /
• pp.5135-5142
• /
• 2011

이 논문에서는 도심 지역의 교통 제어 시스템의 동적 응답 성능 향상을 위하여 적응형 Q-Learning 강화 학습 메커니즘을 설계 하였다. 도로, 자동차, 교통 제어 시스템을 지능 시스템으로 모델링 하고, 자동차와 도로 사이는 무선 통신을 이용한 네트워크가 구성된다. 도로와 대로변에 필요한 센터네트워크가 설치되고 Q-Learning 강화 학습은 제안한 메커니즘의 구현을 위해 핵심 알고리즘으로 채택하였다. 교통 신호 제어 규칙은 자동차와 도로에서 매 시간 업데이트된 정보에 따라서 결정되며, 이러한 방법은 기존의 교통 제어 시스템에 비하여 도로를 효율적으로 활용하며 결과적으로 교통 흐름을 개선 한다. 알고리즘을 활용한 최적의 신호 체계는 온라인상에서 자동으로 학습함으로서 구현된다. 시뮬레이션을 통하여 제안한 알고리즘이 기존 시스템에 비하여 효율성 개선과 차량의 대개 시간에 대한 성능 지수가 모두 30% 이상 향상되었다. 실험 결과를 통하여 제안한 시스템이 교통 흐름을 최적화함을 확인하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.374-388
• /
• 2022

Cloud computing has been one of the most critical technology in the last few decades. It has been invented for several purposes as an example meeting the user requirements and is to satisfy the needs of the user in simple ways. Since cloud computing has been invented, it had followed the traditional approaches in elasticity, which is the key characteristic of cloud computing. Elasticity is that feature in cloud computing which is seeking to meet the needs of the user's with no interruption at run time. There are traditional approaches to do elasticity which have been conducted for several years and have been done with different modelling of mathematical. Even though mathematical modellings have done a forward step in meeting the user's needs, there is still a lack in the optimisation of elasticity. To optimise the elasticity in the cloud, it could be better to benefit of Machine Learning algorithms to predict upcoming workloads and assign them to the scheduling algorithm which would achieve an excellent provision of the cloud services and would improve the Quality of Service (QoS) and save power consumption. Therefore, this paper aims to investigate the use of machine learning techniques in order to predict the workload of Physical Hosts (PH) on the cloud and their energy consumption. The environment of the cloud will be the school of computing cloud testbed (SoC) which will host the experiments. The experiments will take on real applications with different behaviours, by changing workloads over time. The results of the experiments demonstrate that our machine learning techniques used in scheduling algorithm is able to predict the workload of physical hosts (CPU utilisation) and that would contribute to reducing power consumption by scheduling the upcoming virtual machines to the lowest CPU utilisation in the environment of physical hosts. Additionally, there are a number of tools, which are used and explored in this paper, such as the WEKA tool to train the real data to explore Machine learning algorithms and the Zabbix tool to monitor the power consumption before and after scheduling the virtual machines to physical hosts. Moreover, the methodology of the paper is the agile approach that helps us in achieving our solution and managing our paper effectively.

• 융합신호처리학회논문지
• /
• 제24권3호
• /
• pp.147-152
• /
• 2023

본 논문은 고등학교 주문형 강좌에서 진행된 선형대수학 교과목 수업사례에 대한 연구이다. 일반적인 수업과 비교하여 플립러닝 수업이 추가되었고, 학생들의 진로 희망 분야를 고려하여 신호처리 관련 응용문제에 대한 적용도 다루었다. 전체적으로 보면, 전통적 방식의 강의 수업과 플립러닝이 혼합된 형태로 수업이 진행되었다. 플립러닝은 2차례 실시되었다. 플립러닝 수업은 사전학습, 조별 협력학습, 사후학습으로 구성되었다. 수업의 효과성을 검증하기 위하여 설문조사를 실시하였고 대부분의 평가 항목이 4점 이상이었다. 플립러닝의 주제는 신호처리 분야에서도 매우 비중 있게 다루어지는 마르코프 체인과 최소제곱법을 대상으로 진행되었다.

• Steel and Composite Structures
• /
• 제52권3호
• /
• pp.293-312
• /
• 2024

Researchers are actively investigating the potential for utilizing alternative materials in construction to tackle the environmental and economic challenges linked to traditional concrete-based materials. Nevertheless, conventional laboratory methods for testing the mechanical properties of concrete are both costly and time-consuming. The limitations of traditional models in predicting the tensile strength of concrete composited with geopolymer have created a demand for more advanced models. Fortunately, the increasing availability of data has facilitated the use of machine learning methods, which offer powerful and cost-effective models. This paper aims to explore the potential of several machine learning methods in predicting the tensile strength of geopolymer concrete under different curing conditions. The study utilizes a dataset of 221 tensile strength test results for geopolymer concrete with varying mix ratios and curing conditions. The effectiveness of the machine learning models is evaluated using additional unseen datasets. Based on the values of loss functions and evaluation metrics, the results indicate that most models have the potential to estimate the tensile strength of geopolymer concrete satisfactorily. However, the Takagi Sugeno fuzzy model (TSF) and gene expression programming (GEP) models demonstrate the highest robustness. Both the laboratory tests and machine learning outcomes indicate that geopolymer concrete composed of 50% fly ash and 40% ground granulated blast slag, mixed with 10 mol of NaOH, and cured in an oven at 190°F for 28 days has superior tensile strength.

• 한국과학교육학회지
• /
• 제19권2호
• /
• pp.305-314
• /
• 1999

선행연구에서 조사한 화학 변화에 대한 학습자의 선개념과 이를 근거로 개발한 개념변화 수업 지도안 및 학습자의 학습 동기를 고려한 개념변화 수업 지도안을 학생들에게 투입하였을 때, 학습자의 학습 동기에 따라 개념변화 수업 모형의 효과가 어떻게 나타나는지 알아보았다. 본 연구를 통하여 학습자의 흥미나 태도, 동기 등 정의적인 측면을 고려하지 않고 단지 학습자의 인지구조에만 초점을 맞춘 기존의 개념변화 수업 모형틀을 재평가하고자 하였다. 이를 위하여 중학교 2학년 학생들을 대상으로 통제 집단과 실험 집단을 구분하고 수업 전 학습 동기를 조사하였다. 그 후에 '화학 변화' 단원을 전통적인 수업과 개념변화 수업으로 지도하고 사후 학습 동기를 조사하였다. 학습동기를 고려한 개념변화 수업을 받은 집단, 학습자의 인지만을 고려한 개념변화 수업을 받은 집단, 그리고 교과서에 의존한 전통적인 수업을 받은 집단 모두 수업을 받은 후에 학습 동기가 증진된 것으로 나타났다. 특히 학습자의 학습 동기를 고려한 개념변화 수업은 학습자의 인지만을 고려한 개념변화 수업이나 교과서에 의존한 전통적인 수업보다 학습 동기의 증진에 효과적이었다. 이러한 효과는 특히 수업을 받기 전에 학습 동기가 낮았던 학생들에게 더욱 크게 나타났다. 수업에 따른 개념의 이해도 증진의 효과를 분석한 결과에 따르면, 세 종류의 수업을 받은 학생들은 모두 수업 후에 개념의 이해도가 증진된 것으로 나타났다. 그러나 그 중에서도 학습동기를 고려한 개념변화 수업 집단과 학습자의 인지만을 고려한 개념 변화 수업 집단이 교과서에 의존한 전통적인 수업 집단(통제 집단)보다 사후 개념 이해도가 높았다. 특히 수업 전 학습동기가 높았던 학생들은 학습 동기를 고려한 개념변화 수업을 받았을 경우 교과서 중심의 전통적인 수업을 받았을 경우보다 개념의 이해도가 높아진 것으로 나타났다. 또한 수업 전 학습동기가 낮았던 학생들의 경우에는 학습 동기를 고려한 개념변화 수업을 받음으로써 학습동기가 증진하는 것으로 나타났다.

• 한국멀티미디어학회논문지
• /
• 제21권10호
• /
• pp.1195-1202
• /
• 2018

Artificial neural network is widely used for its excellent performance and implementability. However, traditional neural network needs to learn the system from scratch, with the addition of new input data, the variation of the observation environment, or the change in the form of input/output data. To resolve such a problem, the technique of transfer learning has been proposed. Transfer learning constructs a newly developed target system partially updating existing system and hence provides much more efficient learning process. Until now, transfer learning is mainly studied in the field of image processing and is not yet widely employed in acoustic data processing. In this paper, focusing on the scalability of transfer learning, we apply the concept of transfer learning to the problem of guitar chord classification and evaluate its performance. For this purpose, we build a target system of convolutional neutral network (CNN) based 48 guitar chords classification system by applying the concept of transfer learning to a source system of CNN based 24 guitar chords classification system. We show that the system with transfer learning has performance similar to that of conventional system, but it requires only half the learning time.