• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.936-937
• /
• 2017

최근 딥러닝을 통하여 영상의 카테고리 분류를 응용한 행동 인식이 활발히 연구되고 있다. 그러나 행동 인식을 위한 기존 연구 방법은 높은 수준의 하드웨어 사양을 요구하며 행동 인식에 대한 학습에 많은 시간이 소모되는 문제점을 지니고 있다. 또한, 행동 인식 테스트 결과를 얻기 위해 많은 시간이 소모되며 딥러닝 특성상 적은 수의 학습 데이터는 overfitting 문제를 일으킨다. 본 연구에서는 이러한 문제점을 해결하고자 행동인식을 위한 학습시간과 테스트 시간 감소를 위해 미리 학습된 VGG 모델을 사용해 얻어낸 RGB 데이터의 특징만을 학습에 사용하고 적은 수의 데이터로 행동 인식 테스트 결과를 높이기 위하여 RGB 데이터 증대를 통해 기존의 행동인식 연구보다 학습시간과 행동인식 테스트에 소모되는 시간을 줄인 방법을 행동 인식에 적용하였다. 이 방법을 UCF50 Dataset 에 적용하여 98.13%의 행동인식에 관한 정확성을 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.724-729
• /
• 2001

웹기반 수업(Web-Based Introduction: WBI)은 학습자의 지식이나 능력을 향상시키기 위하여 의도적인 상호작용을 웹을 통해 전달하는 활동으로서 자기주도적학습을 가능하게 하고 통시적 커뮤니케이션 통로를 제공하며 다양한 학습 지원 도구를 제공한다. 따라서 본 연구는 시간과 공간의 제약을 받지 않고 학습자가 원하는 시간에 원하는 시간만큼 학습할 수 있는 인격강의시스템을 현장에 도입하여 수업운영에 효과적으로 활용하고자 한다.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.142-142
• /
• 2017

본 연구에서는 파프리카를 자동 수확하기 위한 시스템 개발의 일환으로 파프리카 재배환경에서 획득한 영상 내에 존재하는 파프리카 영역과 비 파프리카 영역의 RGB 정보를 입력으로 하는 인공신경망을 설계하고 학습을 수행하고자 하였다. 학습된 신경망을 이용하여 영상 내 파프리카 영역과 비 파프리카 영역의 구분이 가능 할 것으로 사료된다. 심층 신경망을 설계하기 위하여 MS Visual studio 2015의 C++, MFC와 Python 및 TensorFlow를 사용하였다. 먼저, 심층 신경망은 입력층과 출력층, 그리고 은닉층 8개를 가지는 형태로 입력 뉴런 3개, 출력 뉴런 4개, 각 은닉층의 뉴런은 5개로 설계하였다. 일반적으로 심층 신경망에서는 은닉층이 깊을수록 적은 입력으로 좋은 학습 결과를 기대 할 수 있지만 소요되는 시간이 길고 오버 피팅이 일어날 가능성이 높아진다. 따라서 본 연구에서는 소요시간을 줄이기 위하여 Xavier 초기화를 사용하였으며, 오버 피팅을 줄이기 위하여 ReLU 함수를 활성화 함수로 사용하였다. 파프리카 재배환경에서 획득한 영상에서 파프리카 영역과 비 파프리카 영역의 RGB 정보를 추출하여 학습의 입력으로 하고 기대 출력으로 붉은색 파프리카의 경우 [0 0 1], 노란색 파프리카의 경우 [0 1 0], 비 파프리카 영역의 경우 [1 0 0]으로 하는 형태로 3538개의 학습 셋을 만들었다. 학습 후 학습 결과를 평가하기 위하여 30개의 테스트 셋을 사용하였다. 학습 셋을 이용하여 학습을 수행하기 위해 학습률을 변경하면서 학습 결과를 확인하였다. 학습률을 0.01 이상으로 설정한 경우 학습이 이루어지지 않았다. 이는 학습률에 의해 결정되는 가중치의 변화량이 너무 커서 비용 함수의 결과가 0에 수렴하지 않고 발산하는 경향에 의한 것으로 사료된다. 학습률을 0.005, 0.001로 설정 한 경우 학습에 성공하였다. 학습률 0.005의 경우 학습 횟수 3146회, 소요시간 20.48초, 학습 정확도 99.77%, 테스트 정확도 100%였으며, 학습률 0.001의 경우 학습 횟수 38931회, 소요시간 181.39초, 학습 정확도 99.95%, 테스트 정확도 100%였다. 학습률이 작을수록 더욱 정확한 학습이 가능하지만 소요되는 시간이 크고 국부 최소점에 빠질 확률이 높았다. 학습률이 큰 경우 학습 소요 시간이 줄어드는 반면 학습 과정에서 비용이 발산하여 학습이 이루어지지 않는 경우가 많음을 확인 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.

• The Korean Journal of Coaching Psychology
• /
• v.6 no.1
• /
• pp.33-55
• /
• 2022

This study examined the effects of 1:1 online coaching for college students on self-directed learning, learning motivation and time management. The coaching program consisted of motivation, behavior and cognitive control, which are sub-factors of self-directed learning. Total of 7 sessions(80 minutes per session) were progressed. Seven participants who wanted coaching, out of the total 16 participants, were assigned to the experimental group. A non-equal control group experimental design was applied. Dependent variables were measured by questionnaire before and after the coaching, and satisfaction survey and post-interview were also conducted after the coaching. ANCOVA was adopted to test the effectiveness of the program. The statistical results indicated that the learning coaching of this study has positive effect on self-directed learning and learning motivation of university students, and has partially positive effect on time management. In addition, the mean of satisfaction survey was 4.85 and participants showed positive responses on the program.

• The Journal of the Korea Contents Association
• /
• v.22 no.5
• /
• pp.643-655
• /
• 2022

The purpose of this study was to verify the moderating effect of parental learning involvement in the effect of adolescents' time management ability on face-to-face and non-face-to-face learning flow. The participants were 363 middle and high school adolescents, and data were collected through an online survey. The main statistical analysis methods were ANOVA, correlation analysis, and regression analysis. The major findings were as follows. First, learning flow was significantly higher in the face-to-face class than in the non-face-to-face class. Second, there was a statistically significant positive correlation among time management ability, parental involvement in learning, and learning flow. Third, in the effect of time management ability on face-to-face learning flow, the moderating effect of parental learning involvement was statistically significant. Fourth, in the effect of time management ability on non-face-to-face learning flow, the moderating effect of parental learning involvement was statistically significant. In other words, the higher the positive parental involvement in learning, the stronger the effect of adolescents' time management ability on learning flow. Finally, the importance of positive parental involvement for the improvement of adolescents' learning flow and methods of enhancing time management ability were discussed.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2022.10a
• /
• pp.83-84
• /
• 2022

이 연구에서는 건축물 화재 시, 허용피난시간을 예측하기 위한 예측모델을 개발하는 것을 목표로 한다. 실제 건축물을 대상으로 화재시뮬레이션을 수행하여 FDS 데이터베이스를 구축하였으며, FDS데이터를 학습하여 설계단계에서 건축물 특성을 학습변수로 하여 기계학습을 통해 ASET을 도출하는 예측모델을 제안하였다. 예측모델은 학습데이터와 비교하였을 때 0.9 이상의 높은 R²값을 나타내었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2013.01a
• /
• pp.169-171
• /
• 2013

본 연구는 초등학생을 대상으로 전자교육 학습자의 학습이력에 따른 중도탈락 원인들을 규명하고 재수강 의사 결정에 차이를 보이는지 분석을 통해 학습자의 재수강을 높일 수 있는 방안을 검토하고 효율적인 전자교육 프로그램을 운영할 수 있도록 시사점을 제공하기 위한 것이다. 구체적으로는 초등 전자교육에서 학습이력별 중도탈락 원인을 규명하고 재수강 의사 결정에 차이가 있는지 분석하였다. 연구결과 첫째, 초등전자교육에서 학습자의 학습이력 중 특히 학습자의 이수율이 중도탈락율과 관련 있으며, 유의한 원인은 시간부족, 교육내용 방법 평가로 나타났다. 둘째, 시간이 부족하거나 교육내용 방법 평가 방법이 적절하지 않아 중도탈락한 학습자들의 50% 이상이 재수강 의사를 밝혔으며, 중도탈락 원인 중 학업능력은 재수강을 결정하는데 유의한 원인으로 파악되었다. 셋째, 중도 탈락자의 재수강을 유도하는 방안으로서는 초등 전자교육 수강자는 온라인 플래너를 활용하여 매일 1시간씩 학습 시간을 관리하는 것이 필요하며, 선행학습은 한 학기 전까지 다루는 것이 좋은 것으로 나타났다.

• 한국정보교육학회:학술대회논문집
• /
• 2004.08a
• /
• pp.668-676
• /
• 2004

미술영역 중 서예영역은 7차 교육과정으로 개편되면서 $3{\sim}5$학년 각 8시간, 6학년 6시간으로 한 단원씩 배당되어 6차에 비해 시간수가 11% 감소되었다. 그로 인하여 각 단계별 학습내용을 체계적으로 학습할 시간이 부족하며, 지도할 자료 부족과 자료제작의 어려움, 또한 학생 개인 수준 차이로 서예지도에 많은 어려움이 있다. 이러한 문제를 해결하고자 본 논문에서는 초등 미술과 서예영역의 교육과정을 분석하여 각 학년별 교과 내용의 효과적인 필법 자료를 단계별로 학습의 흐름에 맞추어 투입할 수 있도록 다양한 멀티미디어 자료들을 본 학습 자료와 심화 학습 자료를 재구성하거나 개발하여 적용하는 초등학생을 위한 웹 기반 서예교육 시스템을 설계하고자 한다. 이를 통해 서예 지도를 위한 교사들의 자료 준비와 부족에 대한 부담감이 줄고, 학생 개인차를 고려하여 자료를 투입할 수 있어 자기 학습력 신장을 엿볼 수 있으며, 학생 스스로도 서예에 대한 흥미도가 높아져 향상된 작품을 볼 수 있을 것이다.

• Proceedings of the Korea Contents Association Conference
• /
• 2012.05a
• /
• pp.61-62
• /
• 2012

근래 평생학습의 개념이 등장함에 따라 성인 대상 교육에 대한 사회적 요구가 증가하고 있으며, IT 기술의 발달로 다양한 단말기를 이용하여 학습할 수 있는 환경이 구성되었으므로 본 논문은 시간적 공간적 제한으로부터 벗어나 학습할 수 있으며, 학습 콘텐츠를 객체 기반화하고, LCMS를 도입하여 참여형 콘텐츠 관리 시스템을 설계하며, 또한 N 스크린 기술 적용하여 시간적 공간적 구애로 부터 벗어나 편리하게 사용될 수 있는 시스템을 설계하여 새로운 학습자들이 계속 참여하여 풍부한 콘텐츠를 구축하며 상호교류 하여 소셜 학습 네트워크(Social Learning Network)를 구축할 수 있는 환경을 제공한다.