• 한국정보교육학회:학술대회논문집
• /
• 2011.01a
• /
• pp.29-35
• /
• 2011

With the society rapidly changing, children are being asked respond quickly to these changes. Therefore, how children learn and think comes before what to teach, and we need to come up with ways to nurture their ability to proactively control their lives and studies. We attempt to use the technique of Accelerated learning, which focuses on the student's own ability toacquire and use information, to enhance the efficiency of information technology education. We designed the PLAY model based on accelerated learning and Multiple Intelligence Theory, and conducted ten experimental sessions on two groups of 70 second grade elementary school students.

• Information and Communications Magazine
• /
• v.33 no.10
• /
• pp.65-70
• /
• 2016

최근 스마트폰의 이용 사례가 증가함에 따라, 스마트폰에 내장되어 있는 다양한 센서를 이용하여 인간의 행동을 인식하기 위한 연구가 많은 각광을 받고 있다. 본고에서는 인간의 기본적인 행동 중에 앉기, 걷기, 달리기 등의 행동 특성을 스마트폰에 내장되어 있는 3축 가속도 센서를 통하여 분석하고 인간의 기본적 행동을 자동으로 인식하기 위한 방법에 대하여 비교 분석하는 것을 목적으로 한다. 구체적으로는 스마트폰에 내장되어 있는 3차원 가속도 센서로부터 추출된 데이터를 시간축에서 샘플링하여 인간의 행동을 인식하기 위한 기댓값 최대화 알고리즘, 랜덤 포레스트, 딥러닝 기반의 기계학습 방법을 비교하여 각 기계학습 알고리즘의 장단점을 분석한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1328-1331
• /
• 2013

본 논문에서는 스마트폰 내장 가속도 센서를 이용한 2단계 행위 인식 시스템을 제안한다. 제안하는 행위 인식 시스템에서는 행위 별 시간에 따른 가속도 센서 데이터의 변화 패턴을 충분히 반영하기 위해, 1단계 분류에서는 결정트리 모델 학습과 분류를 수행하고, 2단계 분류에서는 1단계 분류 결과들의 시퀀스를 이용하여 HMM모델 학습과 분류를 수행하였다. 또한, 본 논문에서는 특정 사용자나 스마트폰의 특정 위치, 방향 변화에도 견고한 행위 인식을 위하여, 동일한 행위에 대해 사용자와 스마트폰의 위치, 방향을 변경하면서 다양한 훈련 데이터를 수집하였다. 6720개의 가속도 센서 데이터를 이용하여 총 6가지 실내 행위들을 인식하기 위한 실험들을 수행하였고, 그 결과 높은 인식 성능을 확인 할 수 있었다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.920-926
• /
• 2007

새로운 매체와 접촉 시 발생하는 거부감을 최소화 하고 별도의 학습 없이 사용 가능한 직관적 명령 전달 방식의 매개 인터페이스를 제안한다. 제안하는 매개 인터페이스는 3차원 공간에서 사용가능한 가상 마우스와 TV 리모트 컨트롤러의 기능적 결합을 목표로 하고 실버세대들에게 익숙한 매체인 펜을 형태로 삼아 개념적으로 설계되었다. 구체적인 구현은 가속도계의 신호를 분석하거나 펜촉에 레이저 포인터를 추가하여 레이저 포인터의 좌표 변화를 웹캠으로 추적, 인식하는 방법으로 구분하였고 본 논문에서는 가속도계의 경우를 소개한다. 가속도계 신호분석을 통해 마우스의 기능을 모사하고 동작을 감지하는데 발생하는 문제점과 이를 해결하기 위한 기존 연구를 분석하고 동작 중에 중력방향의 수직축이 바뀌면서 발생하는 가속도계 신호의 오류를 보상하기 위해 제안된 Zero Velocity Compensation 방법을 소개한다. ZVC의 결과에 필수적인 저주파의 시계열 신호 실시간 끝점 추출과 동시에 패턴인식을 위한 특징추출 기능을 수행하는 새로운 알고리즘을 제안하며 기존의 방법과 실험적으로 성능을 비교한다. 또한 입력된 가속도계 신호를 학습된 인식기를 통해 인식하는 기존의 연구에서 더 나아가, 마우스의 좌표변화를 짧은 시간동안 가속도 신호의 실시간 분석을 통해 모사하기 위해 변형시킨 알고리즘을 소개한다.

• Journal of KIISE:Software and Applications
• /
• v.31 no.11
• /
• pp.1431-1438
• /
• 2004

Reinforcement learning learns policies for accomplishing a task's goal by experience through interaction between agent and environment. Q-learning, basis algorithm of reinforcement learning, has the problem of curse of dimensionality and slow learning speed in the incipient stage of learning. In order to solve the problems of Q-learning, new function approximation methods suitable for reinforcement learning should be studied. In this paper, to improve these problems, we suggest Fuzzy Q-Map algorithm that is based on online fuzzy clustering. Fuzzy Q-Map is a function approximation method suitable to reinforcement learning that can do on-line teaming and express uncertainty of environment. We made an experiment on the mountain car problem with fuzzy Q-Map, and its results show that learning speed is accelerated in the incipient stage of learning.

• KIPS Transactions on Software and Data Engineering
• /
• v.3 no.2
• /
• pp.87-92
• /
• 2014

In this paper, we present a two-phase activity recognition system using smartphone's accelerometers. To consider the unique temporal pattern of accelerometer data for each activity, our system executes the decision-tree(DT) learning in the first phase, and then, in the second phase, executes the hidden Markov model(HMM) learning based on the sequences of classification results of the first phase classifier. Moreover, to build a robust recognizer for each activity, we trained our system using a large amount of data collected from different users, different positions and orientations of smartphone. Through experiments using 6720 examples collected for 6 different indoor activities, our system showed high performance based on its novel design.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05b
• /
• pp.1133-1136
• /
• 2003

인터넷의 급속한 발전과 해킹사고의 발생율이 증가함에 따라 방화벽의 사용이 일반화되고 있다. 과도한 트래픽이 방화벽을 지나게 되면 방화벽 자체 성능에 따라 처리되지 않은 패킷을 잃어버리거나 패킷을 재전송 해야 하므로 추가 트래픽이 발생한다. 이에 대한 방안으로 소프트웨어 또는 하드웨어적으로 방화벽의 성능을 높이는 방법이 있지만, 높은 비용 및 호환성 문제가 있다 이의 다른 대안으로 방화벽 가속을 하는 방법이 있는데 기존의 연구 모델에서는 특정 방화벽과 연동하거나 기기 설정을 해야 하는 번거로움이 있었다. 본 논문에서는 어떤 방화벽과도 서로 연동될 수 있고 관리자의 관리 추가 설정 없이도 동작하도록 방화벽의 세션을 스스로 학습하여 방화벽 성능을 높이는 방식의 방화벽 가속기를 제안하고 패킷 처리 성능을 올릴 수 있음을 실험을 통해 증명하였다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.6 no.2
• /
• pp.67-74
• /
• 2017

This paper proposes a method of user authentication through the patterns of arm movement with a wrist-type wearable device. Using the accelerometer sensor which is built in the device, the 3-axis accelerometer data are collected. Then, the collected data are integrated and the periodic cycle are extracted. In the cycle, the features of frequency are generated with the accelerometer. With the frequency features, 2D Gaussian mixture are modelled. For authenticating an user, the data(the accelerometer) of the user at some point are tested with confidence interval of the Gaussian distribution. The model showed a valuable results for the user authentication with an example, which is average 92% accuracy with 95% confidence interval.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.482-484
• /
• 2023

인공지능 가속기는 인공 지능 및 기계 학습 응용 프로그램의 연산을 더 빠르게 수행하도록 설계된 하드웨어 가속기이다. 인공지능 가속기 내에서 데이터가 효율적으로 처리되기 위해서는 그 흐름을 제어해야 한다. 데이터의 흐름을 제어하는 방법에 따라 가속기의 면적, 전력, 성능의 차이가 발생하는데, 그 다양한 데이터 흐름 제어방법에 대해 소개한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.249-251
• /
• 2021

In this paper, we introduce the deep-learning system using Tensorflow for recognizing situations that can occur fall situations when the elderly are moving or standing. Fall detection uses the LSTM (long short-term memory) learned using Tensorflow to determine whether it is a fall or not by data measured from wearable accelerator sensor. Learning is carried out for each of the 7 behavioral patterns consisting of 4 types of activity of daily living (ADL) and 3 types of fall. The learning was conducted using the 3-axis acceleration sensor data. As a result of the test, it was found to be compliant except for the GDSVM(Gravity Differential SVM), and it is expected that better results can be expected if the data is mixed and learned.