• Convergence Security Journal
• /
• v.24 no.3
• /
• pp.33-39
• /
• 2024

The remarkable advancement of artificial intelligence technology is bringing innovative changes to the field of education. In particular, generative AI models like ChatGPT hold great potential in self-directed programming education due to their natural conversational abilities. This study analyzed the learning effects of using ChatGPT in Scratch classes for non-SW majors. Dividing the classes into those using ChatGPT and those not, and conducting the same evaluations and surveys for the ChatGPT-utilizing group, the results showed that ChatGPT significantly enhanced learning outcomes and the utility of ChatGPT was highly evaluated in advanced learning areas such as understanding Scratch's advanced features and algorithms. This study is significant as it empirically demonstrates the potential of generative AI like ChatGPT as an effective tool in programming education.

• Annual Conference of KIPS
• /
• 2015.10a
• /
• pp.1235-1238
• /
• 2015

센서 레지스트리 시스템(Sensor Registry System, CRS)은 이기종 센서 네트워크 환경에서 센서 데이터의 일관성 있는 의미 해석을 위하여 센서 메타데이터를 등록하고 관리하는 시스템이다. 최근 사물인터넷(Internet of Things, IoT) 패러다임이 대두됨에 따라 센서 네트워크의 개념 및 이용 목적 등이 변화되고 있으며, SRS 역시 이를 반영하여 센서와 연관된 데이터 모델의 개선 및 확장이 요구된다. 따라서 이 논문은 IoT 환경에서 기존 SRS를 개선하기 위하여 Semantic Sensor Network Ontology(SSNO) 기반의 SRS 데이터 모델을 제안한다. 이를 위하여 IoT 환경에서 SRS의 목적 및 요구사항을 분석하고 SSNO의 개념들 중 필요 요소와 불필요 요소를 반영하여 제안 모델을 설계한다. 또한 생성된 SRS 데이터 모델을 이용하여 관계형 데이터베이스로 구축하고 SRS를 웹 어플리케이션으로 구현한다. 제안하는 SRS 데이터 모델은 기존 모델들에 비해 SSNO 온톨로지를 가장 적합하게 표현하므로 풍부한 의미 처리가 가능하다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.317-320
• /
• 2020

연설문은 구어체와 문어체 두 가지 특성을 모두 갖고 있는 복합적인 데이터 형태이다. 발화자의 문장 표현, 배열, 그리고 결합에 따라 그 구조가 다르기 때문에, 화자 별 갖는 문체적 특성 또한 모두 다르다. 국정을 다루는 정치인들의 연설문은 국정 현황을 포함한 다양한 주요 문제점을 다룬다. 그러면 발화자의 문서 내 문체적 특성을 고려할 경우, 해당 문서가 어느 정치인의 연설문인지 파악 할 수 있는가? 본 연구에서는 대한민국 정책 브리핑 사이트로부터 한국어 기반 사전 학습된 언어 모델을 활용하여 연설문에 대한 미세조정을 진행함으로써 발화자 예측 분류 모델을 생성하고, 그 가능성을 입증하고자 한다. 본 연구는 5-cross validation으로 모델 성능을 평가하였고 KoBERT, KoGPT2 모델에서 각각 90.22%, 84.41% 정확도를 보였다.

• Journal of KIISE:Software and Applications
• /
• v.26 no.9
• /
• pp.1052-1060
• /
• 1999

이제까지 비디오 데이타베이스를 모델링하기 위한 많은 연구들이 수행되었지만 그 모든 모델들에서 다루는 비디오 데이타는 사용자의 개입이 없을 때 항상 미리 정의된 순서로 보여진다는 점에서 정적 데이타 모델로 간주될 수 있다. 주문형 뉴스 서비스, 주문형 비디오 서비스, 디지털 도서관, 인터넷 쇼핑 등과 같이 최신 비디오 정보 서비스를 제공하는 비디오 데이타베이스 응용들에서는 빈번한 비디오 편집이 요구되는데 실시간 처리가 바람직하다. 이를 위해서 기존의 비디오 데이타 내용이 변경되거나 새로운 비디오 데이타가 생성되어야 하지만 이제까지의 비디오 데이타 모델에서는 이러한 비디오 편집 작업이 일일이 수작업으로 수행되어야만 했다. 본 논문에서는 비디오 편집에 드는 노력을 줄이기 위해서 객체지향 데이타 모델에 기반하여 DVID(Dynamic Video Object Data Model)라는 동적 비디오 객체 데이타 모델을 제안한다. DVID는 기존의 정적 비디오 객체뿐만 아니라 사용자의 개입없이도 비디오의 내용을 비디오 데이타베이스로부터 동적으로 결정하여 보여주는 동적 비디오 객체도 함께 제공한다.Abstract A lot of research has been done on modeling video databases, but all of them can be considered as the static video data model from the viewpoint that all video data on those models are always presented according to the predefined sequences if there is no user interaction. For some video database applications which provides with up-to-date video information services such as news-on-demand, video-on-demand, digital library, internet shopping, etc., video editing is requested frequently, preferably in real time. To do this, the contents of the existing video data should be changed or new video data should be created, but on the traditional video data models such video editing works should be done manually. In order to save trouble in video editing work, this paper proposes the dynamic video object data model named DVID based on object oriented data model. DVID allows not only the static video object but also the dynamic video object whose contents are dynamically determined from video databases in real time even without user interaction.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1863_1864
• /
• 2009

본 연구에서는 복잡한 비선형 모델링 방법인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)와 PNN(Polynomial Neural Network)을 접목한 새로운 형태의 Radial Basis Function Polynomial Neural Network(RPNN)를 제안한다. RBF 뉴럴 네트워크는 빠른 학습 시간, 일반화 그리고 단순화의 특징으로 비선형 시스템 모델링 등에 적용되고 있으며, PNN은 생성된 노드들 중에서 우수한 결과값을 가진 노드들을 선택함으로써 모델의 근사화 및 일반화에 탁월한 효과를 가진 비선형 모델링 방법이다. 제안된 RPNN모델의 기본적인 구조는 PNN의 형태를 이루고 있으며, 각각의 노드는 RBF 뉴럴 네트워크로 구성하였다. 사용된 RBF 뉴럴 네트워크에서의 커널 함수로는 FCM 클러스터링을 사용하였으며, 각 노드의 후반부는 다항식 구조로 표현하였다. 또한 입력개수, 입력변수, 클러스터의 개수를 PSO알고리즘(Particle Swarm Optimization)을 사용하여 최적화 시켰다. 제안한 모델의 적용 및 유용성을 비교 평가하기 위하여 비선형 데이터를 이용하여 그 우수성을 보인다.

• Proceedings of the IEEK Conference
• /
• 2009.05a
• /
• pp.261-263
• /
• 2009

본 연구에서는 복잡한 비선형 모델링 방법인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)와 PNN(Polynomial Neural Network)을 접목한 새로운 형태의 Radial Basis Function Polynomial Neural Network(RPNN)를 제안한다. RBF 뉴럴 네트워크는 빠른 학습 시간, 일반화 그리고 단순화의 특징으로 비선형 시스템 모델링 등에 적용되고 있으며, PNN은 생성된 노드들 중에서 우수한 결과값을 가진 노드들을 선택함으로써 모델의 근사화 및 일반화에 탁월한 효과를 가진 비선형 모델링 방법이다. 제안된 RPNN모델의 기본적인 구조는 PNN의 형태를 이루고 있으며, 각각의 노드는 RBF 뉴럴 네트워크로 구성하였다. 사용된 RBF 뉴럴 네트워크에서의 커널 함수로는 FCM 클러스터링을 사용하였으며, 각 노드의 후반부는 다항식 구조로 표현하였다. 또한 각 노드의 후반부 파라미터들은 최소자승법을 이용하여 최적화 하였다. 제안한 모델의 적용 및 유용성을 비교 평가하기 위하여 비선형 데이터를 이용하여 그 우수성을 보인다.

• Annual Conference of KIPS
• /
• 2005.05a
• /
• pp.451-454
• /
• 2005

본 논문에서는 수정된 CNN(Convolutional Neural Network) 모델과 다중 필터가 상호 결합된 형태의 얼굴 패턴 검출 기법을 소개 한다. 이는 로봇 시각의 응용문제에서 실내영상의 실시간 인식문제를 대상으로 한다. 검출 과정의 효율성 향상을 위하여 도입된 다중 필터는 후보 영역의 개수와 범위를 줄일 수 있게 한다. 제안된 모델에서 CNN 신경망은 가보변환(Gabor Transform)계층을 두어 검출 과정의 첫 단계에서 영상 내의 기본 특징 지도를 생성 하도록 하였다. 보다 강인한 검출기능을 위하여 조명보정 기법이 시스템의 전처리 단계로 구현 된다. 실제 영상을 통한 실험 결과로부터 제안된 이론의 타당성을 고찰 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.706-708
• /
• 2005

본 연구에서는 다단계 필터와 복합형 신경망을 사용하는 얼굴 검출 시스템에서 FMM 모델을 이용한 특징선정 기법을 소개한다. 색상, 모션 및 명암을 이용한 다단계 필터는 검출 대상 영역의 개수를 줄임으로써 시스템의 실시간 검출기능을 가능하게 한다. 신경망을 이용한 특징추출 단계에서는 대상영역의 기본 특징으로부터 일련의 특징지도를 생성하게 된다. 이 과정에서 패턴 분류 신경망의 입력으로 사용되는 특징집합이 지나치게 커짐으로써 신경망의 규모와 계산량이 방대해지는 단정을 갖는다. 이에 본 논문에서는 FMM 모델의 수정된 특성으로부터 특징과 각 클래스에 대한 상호 연관도 요소를 정의하고, 이로부터 특징의 상대적 중요도를 평가함으로써 성능의 저하 없이 최적의 특징집합을 선정하는 방법론을 소개한다.

• Annual Conference of KIPS
• /
• 2001.04a
• /
• pp.7-10
• /
• 2001

최근 전산환경은 웹 환경에 적합한 개방형 시스템으로 변모하고 있다. 서로 다른 플랫폼을 기반으로 한 클라이언트들과의 연동을 위해서, 각 시스템에 따른 어플리케이션이 개발되어야 했다. 이러한 문제점을 극복하기 위해 JDBC를 이용한 이 기종간의 시스템을 통합할 수 있는 통합 시스템 필요하다. 따라서, 본 논문에서는 인터넷 환경하에서 생성되는 산출물을 객체 형태로 통합 관리하고, 데이터베이스와 연결하여 객체들을 효율적으로 관리해 주는 웹기반 통합 객체 관리 모델을 설계한다. 이 모델로 기존의 시스템을 재사용하고 급변하는 소프트웨어 산업에 능동적으로 대체와 소프트웨어 개발에 시간을 단축함으로써 현존하는 다양한 데이터베이스군들을 최소한의 코드 수정을 통하여 구동할 수 있게 함으로써 경제성을 높이는 것이 본 논문의 목적이다.

• Annual Conference of KIPS
• /
• 2004.05a
• /
• pp.597-600
• /
• 2004

최근에는 웹 환경에 적합한 개방형과 컴포넌트들을 효율적으로 분류하고 추출하는 방법이 연구되고 있다. 본 논문은 개발환경에서 생성되는 산출물들 중 디자인패턴을 통합 관리하고, 추출, 검색하여 관리해 주는 인덱스순서관계정보모델을 설계 구현한다. 이 제안의 장점은 "인덱스 순서관계정보"로 클래스들 사이의 관련된 여러 관계정보를 UML 설계방법에 적응할 수 있는 구조로 변형할 수 있다. 두 번째 장점은 개발자가 인덱스 순서관계 정보에서 제공하는 정보를 가지고 관계정보를 쉽게 파악할 수 있으며, 디자인 패턴을 쉽게 추출함으로서 개발자는 설계정보에 쉽게 적용할 수 있다. 따라서 본 논문에서는 검색시간과 추출의 효율성을 입증하기 위해 시뮬레이션을 실시하여 향상된 기능을 입증하였다. 이 모델은 급변하는 소프트웨어 산업에 능동적으로 대체와 소프트웨어 개발에 시간을 단축함으로써 현존하는 다양한 디자인 패턴들을 최소한의 코드 수정을 통하여 재설계 함으로써 소프트웨어 개발 경제성을 높이는 데 있다.