• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.220-222
• /
• 2006

분산 어플리케이션은 동시에 여러 사용자가 각기 다른 환경에서 동기화된 프로세서를 사용하기 때문에 일정 한 성능을 유지하는 것이 무엇보다 중요하다. 진단엔진은 시스템을 진단하여 시스템 결함의 원인을 발견하여 시스템이 자가치료가 가능하게 한다. 적응형 미들웨어는 진단엔진을 사용해서 분산 어플리케이션이 로컬환경에 맞는 고른 서비스를 유지 할 수 있도록 한다. 본 논문은 베이지안 네트워크를 사용한 적응형 미들웨어의 진단엔진을 제안한다. 베이지안 네트워크는 상황인지분야에서 널리 사용되는 추론기법으로서, 수집 된 데이터를 통해서 그 구조를 학습하고 데이터를 증거 값으로 시스템 진단을 한다. 본 논문은 실험 대상자로부터 윈도우시스템에서 두 시간 동안 데이터를 수집하여 한 시간은 베이지안 네트워크 학습에 사용하고, 나머지는 베이지안 네트워크 성능평가에 사용하였다. 실험 결과 학습된 두 개의 베이지안 네트워크 모델은 각각 95.41%, 99.77%의 정확성을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.491-493
• /
• 2021

최근 코로나 19 상황으로 인해 많은 사람들이 모이는 병원 방문을 꺼리거나, 치료비에 부담을 느끼는 근골격계 재활 환자들이 많다. 이러한 환자들을 위해 이 프로젝트에서는 재활 치료 빈도가 높은 어깨와 손목 등 여섯 가지 근골격 부위의 자가 재활 치료를 돕는 기계 학습 기반 웹 페이지을 구현한다. 이 웹 페이지는 각 부위에 대한 재활 치료 자세를 구글 티처블 머신으로 학습 시킨 데이터를 기반으로 환자가 올바른 자세로 운동하는지를 판별해 준다. 이 때, 사용자의 재활 치료 자세는 웹 카메라로부터 캡쳐한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.22 no.9
• /
• pp.1199-1207
• /
• 2018

This study was done to identify the effects of self-monitoring method using smartphone video on self-directed learning ability, competency in nursing skills self-confidence and practice satisfaction of nursing students. It was designed a quasi-experimental study with a pre-post test. The participants were 54 students in the experimental group and 51 students in the control group. There was no significant difference in self-directed learning ability (p = .450) between the groups, but there was a significant difference between the pre-post scores of the experimental group. There was no significants difference of competency in nursing skills, self-confidence and practice satisfaction between the two groups. In conclusion, the self-assessment learning method using smartphone video during the self-practice is considered to be an effective method to improve the self-directed learning ability and to ensure the accuracy and skill of the technique.

• Journal of the Korean Data and Information Science Society
• /
• v.24 no.1
• /
• pp.13-22
• /
• 2013

Smartphone addiction has become more serious than internet addiction since people can download and run numerous applications with smartphones even without internet connection. However, smartphone addiction is not sufficiently dealt with in current studies. The S-scale method developed by Korea National Information Society Agency involves so many questions that respondents are likely to avoid the diagnosis itself. Moreover, since S-scale is determined by the total score of responded items without taking into account of demographic variables, it is difficult to get an accurate result. Therefore, in this paper, we have extracted important factors from all data, which affect smartphone addiction, including demographic variables. Then we classified the selected items with a neural network. The result of a comparative analysis with backpropagation learning algorithm and multiclass support vector machine shows that learning rate is slightly higher in multiclass SVM. Since multiclass SVM suggested in this paper is highly adaptable to rapid changes of data, we expect that it will lead to a more accurate self-diagnosis of smartphone addiction.

• Journal of agricultural medicine and community health
• /
• v.36 no.1
• /
• pp.13-24
• /
• 2011

Objectives: The purpose of this study is to compare educational effects between traditional classroom instruction and video self-instruction (VSI) for cardiopulmonary resuscitation (CPR) in boy's high school students. Methods: This study was carried out targeting totally 96 boy students(47 people for experimental group, 49 people for control group) in the second grade of high school where is located in G city of G province from July 9-10, 2009. The experimental group and control group were arbitrarily selected two classes in the second grade. One class was assigned to the experimental group. another class was assigned to the control group. The experimental group was educated with VSI for CPR. The control group was educated with traditional classroom instructions for CPR. The analysis was performed with SPSS WIN (version 12.0) program using frequency chi-square($x^2$) test, independent samples t-test, and paired t-test. Results: After instructions, the knowledge, attitude, self-confidence, and skill performance accuracy scores on CPR increased statistically in both group. The increases of self-confidence ($2.40{\pm}0.73$) and skill performance accuracy score ($2.67{\pm}0.29$) in the experiment group were significantly higher than those ($2.01{\pm}0.96$ and $2.54{\pm}0.31$) in the control group, respectively. Conclusion: This study suggested that VSI was more effective than traditional classroom education for self-confidence and skill-performance accuracy in CPR. To confirm it, more studies are warranted.

• Annual Conference on Human and Language Technology
• /
• 2009.10a
• /
• pp.247-250
• /
• 2009

본 실험에서는 단어회상이 영어어휘 학습에 미치는 영향을 살펴보기 위해 160개 단어 쌍에 대해 어휘학습을 실시하였다. 세 종류의 어휘 학습 방법(교대학습, 반복검사, 반복학습)을 채택하여 학습을 실시하였으며 학습 1주일 후 160개 단어 쌍에 대해 지연회상검사를 실행하였다. 그 결과 세 종류의 어휘 학습 방법 중 단어회상을 강조한 두 개의 어휘 학습 방법에서 그렇지 않은 조건에 비해 유의미하게 좋은 지연회상률을 보였다. 또한 실험 참가자를 대상으로 선호하는 학습 방법에 대해 설문조사를 실시한 결과 63.5%의 설문 응답자가 한 번 학습한 것에 대해 스스로 시행하는 회상 검사를 선호하였다. 그러나 자가검증을 통한 회상 검사 자체가 효과적인 학습 방법이라고는 생각하지 않는 것으로 나타났다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.335-339
• /
• 2005

본 논문에서는 퍼지 RBF 네트워크의 학습 성능을 개선하기 위하여 Delta-bar-Delta 알고리즘을 적용하여 학습률을 동적으로 조정하는 개선된 퍼지 RBF 네트워크를 제안한다. 제안된 학습 알고리즘은 일반화된 델타 학습 방법에 퍼지 C-Means 알고리즘을 결합한 방법으로, 중간층의 노드를 자가 생성하고 중간층과 출력충의 학습에는 일반화된 델타 학습 방법에 Delta-bar-Delta 알고리즘을 적용하여 학습률을 동적으로 조정하여 학습 성능을 개선한다. 제안된 RBF 네트워크의 학습 성능을 평가하기 위하여 컨테이너 영상에서 추출한 40개의 식별자를 학습 데이터로 적용한 결과, 기존의 ART2 기반 RBF 네트워크와 기존의 퍼지 RBF 네트워크 보다 학습 시간이 적게 소요되고, 학습의 수렴성이 개선된 것을 확인하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.30 no.2C
• /
• pp.31-40
• /
• 2005

we propose an enhanced self-generation supervised algorithm that by combining an ART algorithm and the delta-bar-delta method. Form the input layer to the hidden layer, ART-1 and ART-2 are used to produce nodes, respectively. A winner-take-all method is adopted to the connection weight adaption so that a stored pattern for some pattern is updated. we test the recognition of student identification, a certificate of residence, and an identifier from container that require nodes of hidden layers in neural network. In simulation results, the proposed self-generation supervised learning algorithm reduces the possibility of local minima and improves learning speed and paralysis than conventional neural networks.

• KIPS Transactions on Software and Data Engineering
• /
• v.13 no.1
• /
• pp.28-34
• /
• 2024

Since e-learning is conducted based on the learner's autonomy, motivation to continuously participate is crucial for success in e-learning. As the number of adult learners participating in lifelong education increases, it is necessary to study learner participation and the motivating factors. Drawing upon the Expectancy-Value Theory and Self-Regulated Learning Theory, this study analyzed the influence of motivational factors (value, costs, cognitive regulation, and scheduling) on learner participation. An e-learning program was implemented on MoodleCloud, and learners completed a survey before going through the program. Regression analysis was conducted using the survey response data along with the participation score, calculated using the log data. The results of the analysis demonstrated that value and scheduling significantly influenced learner participation, with gender differences found in value. This means that as adult learners perceive higher value in the e-learning program and possess better scheduling skills, they are more likely to participate. These findings can be utilized in developing teaching and learning strategies for both learners and instructors, ultimately helping to prevent dropout in e-learning.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.04b
• /
• pp.1029-1032
• /
• 2001

자기구성 특징지도(Self-Organizing feature Map : SOM) 및 $L^*$ 등의 자가 학습 신경망의 알고리즘들은 학습 결과 중에 바람직하지 못한 뒤틀림 현상(cross-over)을 생성하게 되므로 재학습으로 인한 전반적인 학습 시간의 지연을 초래한다. 이 논문에서는 비교적 학습 속도가 빠른 $L^*$의 점증적 학습 구조를 기본으로 하여 뒤틀림 현상 방지를 목적으로 초기 학습 단계에서 학습 가중치들의 노드들을 재조정하는 개선된 알고리즘을 제안한다. 이러한 알고리즘의 실험 결과는 모두 정상적인 학습 결과를 보이고 학습의 시행 착오적인 재실행이 없으므로 전반적인 학습 속도는 기존의 알고리즘보다 빠르게 됨을 보인다.