• Journal of Internet of Things and Convergence
• /
• v.2 no.3
• /
• pp.1-6
• /
• 2016

This paper aims to present the physical computing learning model applicable in teaching the information and communication technology for technology and engineering education. This model is based on the physical computing and deals with the information creation and information transfer in one framework, thus provides students with the total understanding and practice opportunity about information and communication. The proposed learning models are classified into the client-server based model and the web based model. In the implemented learning model, the acquirement and control of information is performed by sketch on Arduino and the communication of information is performed by the Python socket on Raspberry Pi well known as an education platform. Our proposed learning model can be used for teaching students to understand the concept of Internet of Things (IoT), which provides us with world wide control and communication of information.

• The Proceeding of the Korean Institute of Electromagnetic Engineering and Science
• /
• v.27 no.4
• /
• pp.19-28
• /
• 2016

최근 RFID와 같은 무선 센싱 네트워크 기술과 객체 추적을 위한 센싱 디바이스 및 다양한 컴퓨팅 자원들이 빠르게 발전함에 따라, 기존 웹의 형태는 소셜 웹에서 유비쿼터스 컴퓨팅 웹으로 자연스럽게 진화되고 있다. 유비쿼터스 컴퓨팅 웹에서 사물인터넷(IoT)은 기존의 컴퓨터를 대체할 수 있는데, 이것은 곧 한 사람과 주변 사물들 간에 연결되는 네트워크가 확장되는 것과 동시에 네트워크 안에서 생성되는 데이터의 수가 기하급수적으로 증가되는 것을 의미한다. 따라서 보다 지능적인 IoT 서비스를 위해서는, 수많은 미가공 데이터들 사이에서 사람의 의도와 상황을 실시간으로 정확히 파악할 수 있어야 한다. 이때 사물과의 상호작용을 위한 동작 인식 기술(Gesture recognition)은 집적적인 접촉을 필요로 하지 않기 때문에, 미래의 사람-사물 간 상호작용에 응용될 수 있는 잠재력을 갖고 있다. 한편, 기계학습 분야의 최신 알고리즘들은 다양한 문제에서 사람의 인지능력을 종종 뛰어넘는 성능을 보이고 있는데, 그 중에서도 의사결정나무(Decision Tree)를 기반으로 한 Decision Forest는 분류(Classification)와 회귀(Regression)를 포함한 전 영역에 걸쳐 우월한 성능을 보이고 있다. 따라서 본 논문에서는 지능형 IoT 서비스를 위한 다양한 동작 인식 기술들을 알아보고, 동작 인식을 위한 Decision Forest의 기본 개념과 구현을 위한 학습, 테스팅에 대해 구체적으로 소개한다. 특히 대표적으로 사용되는 3가지 학습방법인 배깅(Bagging), 부스팅(Boosting) 그리고 Random Forest에 대해 소개하고, 이것들이 동작 인식을 위해 어떠한 특징을 갖는지 기존의 연구결과를 토대로 알아보았다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.858-861
• /
• 2020

로봇이 사람과 같이 다양하고 복잡한 사물 조작을 하기 위해서 휴먼형 로봇손의 사물 파지 작업이 필수적이다. 자유도 (Degree of Freedom, DoF)가 높은 휴먼형(anthropomorphic) 로봇손을 학습시키기 위하여 사람 데모(human demonstration)가 결합된 강화학습 최적화 방법이 제안되었다. 본 연구에서는 강화학습 최적화 방법에 사람 데모가 결합된 Demonstration Augmented Natural Policy Gradient(DA-NPG)와 NPG 의 성능 비교를 통하여 행동 복제의 효율성을 확인하고, DA-NPG, DA-Trust Region Policy Optimization (DA-TRPO), DA-Proximal Policy Optimization (DA-PPO)의 최적화 방법의 성능 평가를 위하여 6 종의 물체에 대한 휴먼형 로봇손의 사물 조작 작업을 수행한다. 그 결과, DA-NPG 와 NPG를 비교한 결과를 통해 휴먼형 로봇손의 사물 조작 강화학습에 행동 복제가 효율적임을 증명하였다. 또한, DA-NPG 는 DA-TRPO 와 유사한 성능을 보이면서 모든 물체에 대한 사물 파지에 성공하여 가장 안정적이었다. 반면, DA-TRPO 와 DA-PPO 는 사물 조작에 실패한 물체가 존재하여 불안정한 성능을 보였다. 본 연구에서 제안하는 방법은 향후 실제 휴먼형 로봇에 적용하여 휴먼형 로봇 손의 사물조작 지능 개발에 유용할 것으로 전망된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.245-246
• /
• 2022

최근 IoT 환경에서 기계학습을 이용한 공격 탐지 모델의 연구가 활발히 진행되고 있으며, 탐지 정확도도 점차 향상되고 있다. 하지만, IoT 환경의 특징인 저 사양 하드웨어, 고차원의 특징, 방대한 트래픽 등으로 인해 탐지성능이 저하되는 문제가 있다. 따라서 본 논문에서는 MQTT(Message Queuing Telementry Transport) 프로토콜 기반의 IoT 환경에서 수집된 데이터셋을 대상으로 주성분 분석(Principal Component Analysis)과 LightGBM을 이용하여 데이터셋 차원을 감소시키고, 공격 클래스를 분류하였다. 실험결과 원본 데이터셋 차원을 주성분 3개(약 9%)로 감소시켰음에도 모든 특징(33개)을 사용한 실험결과와 거의 유사한 성능을 보였다. 또한 기존 연구의 특징 선택을 통한 탐지 모델과 비교하였을 때도 분류성능이 더 우수한 것으로 나타났다.

• Journal of Korean Elementary Science Education
• /
• v.21 no.2
• /
• pp.171-186
• /
• 2002

This is a study on science related class(Object Lesson in Germany) of a German elementary school. The research methods were participant observation, content analysis of various learning materials. In this study, the themes and processes of the Object Lesson are analyzed from the 1st grade to 1st semester of 2nd grade in B-G Schule at Goettingen. German Object Lesson(GOL) is performed as integrated education. It is started with experientially familiar materials and proceeded to deeper contents with special knowledges. The students have lots of time to play with friends, to do what they want, to think about others and etc. in GOL. They don't teach their students many science knowledges but inquirying methods to make their own knowledges. From this analysis results, the implications for Korean science education are to be described. The implications are as follows; We might make our science class be integrated one, especially in elementary science course, to develop several familiar materials, to give student direct experiences, to teach inquirying methods for making students' own science knowledges. And all of the adults included national authorities, economic companies, social parties, several specialists, should give supplies to school science class and have responsibilities on education

• Journal of Internet of Things and Convergence
• /
• v.3 no.2
• /
• pp.15-20
• /
• 2017

The purpose of this study is to understand the concept of transformative learning and the meaning and process of learning. Transformative learning explains that learning takes place in three aspects. First, Instrumental learning takes place in the process of acquiring knowledge based on facts, such as hypothesis testing. Secondly, Communicative learning recognizes the meaning of other people's thoughts or social norms, cultures and values through language. Thirdly, emancipatory learning makes through critical self-reflection by understanding oneself on the basis of psychological and cultural assumptions. The implications of outplacement convergence education, is that main purpose of outplacement education is to build theory and shift the perspective to learning conversion in general operation practice. The content of the outplacement convergence education is that it should shift from instrumental learning to communicative and emancipatory learning.

• Journal of Broadcast Engineering
• /
• v.24 no.6
• /
• pp.1076-1084
• /
• 2019

In this paper, we introduced a system that extracts metadata by recognizing characters and objects in media using deep learning technology. In the field of broadcasting, multimedia contents such as video, audio, image, and text have been converted to digital contents for a long time, but the unconverted resources still remain vast. Building media archives requires a lot of manual work, which is time consuming and costly. Therefore, by implementing a deep learning-based metadata generation system, it is possible to save time and cost in constructing media archives. The whole system consists of four elements: training data generation module, object recognition module, character recognition module, and API server. The deep learning network module and the face recognition module are implemented to recognize characters and objects from the media and describe them as metadata. The training data generation module was designed separately to facilitate the construction of data for training neural network, and the functions of face recognition and object recognition were configured as an API server. We trained the two neural-networks using 1500 persons and 80 kinds of object data and confirmed that the accuracy is 98% in the character test data and 42% in the object data.

• Journal of Internet of Things and Convergence
• /
• v.7 no.4
• /
• pp.29-34
• /
• 2021

In order to apply reinforcement learning to a robot in a real environment, it is necessary to use simulation in a virtual environment because numerous iterative learning is required. In addition, it is difficult to apply a learning algorithm that requires a lot of computation for a robot with low-spec. hardware. In this study, ML-Agent, a reinforcement learning frame provided by Unity, was used as a virtual simulation environment to apply reinforcement learning to the obstacle collision avoidance problem of mobile robots with low-spec hardware. A DQN supported by ML-Agent is adopted as a reinforcement learning algorithm and the results for a real robot show that the number of collisions occurred less then 2 times per minute.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.391-394
• /
• 2017

사물에 센서를 부착해 실시간으로 데이터를 인터넷으로 연결하는 사물인터넷 시대가 대두되고 고성능의 스마트 기기가 등장함에 따라 현대 교육 시스템에도 큰 영향을 주었다. 특히 오락과 학습이 적절한 조화를 이루는 에듀테인먼트 콘텐츠는 학습자들의 몰입(flow)과 상호작용(interaction)을 통해 흥미를 유발시킨다. 그러나 스마트교육 콘텐츠는 웹을 기반으로 한 콘텐츠가 대다수이며, 어플리케이션 역시 교육의 질 대비 유료서비스를 제공하는 것이 대부분이고 내용이 다소 부재하다는 한계가 있다. 따라서 본 논문에서는 Unity3D와 뷰포리아사의 SDK를 활용하여 증강현실의 장점을 살리고, 학습자들이 흥미를 잃지 않고 쉽게 학습할 수 있는 에듀테인먼트 콘텐츠 제작방법을 제안한다.

• Journal of Digital Contents Society
• /
• v.19 no.7
• /
• pp.1423-1431
• /
• 2018

IoT(Internet of Things) is applied to technologies such as agriculture and dairy farming, making it possible to cultivate crops easily and easily in cities.In particular, IoT technology that intelligently judge and control the growth environment of cultivated crops in the agricultural field is being developed. In this paper, we propose a method of predicting the growth environment of plants by learning the moisture supply cycle of plants using the intelligent object internet. The proposed system finds the moisture level of the soil moisture by mapping learning and finds the rules that require moisture supply based on the measured moisture level. Based on these rules, we predicted the moisture supply cycle and output it using media, so that it is convenient for users to use. In addition, in order to reduce the error of the value measured by the sensor, the information of each plant is exchanged with each other, so that the accuracy of the prediction is improved while compensating the value when there is an error. In order to evaluate the performance of the growth environment prediction system, the experiment was conducted in summer and winter and it was verified that the accuracy was high.