• 제목/요약/키워드: 플로어 타임

검색결과 4건 처리시간 0.017초

비대칭 링크에서 TCP segment 전송을 위한 수신단에서의 버퍼 오버플로어 방지 (Prevention of buffer overflow for TCP segment transmission in asymmetric link)

  • 강제완;장주욱
    • 한국정보과학회:학술대회논문집
    • /
    • 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (3)
    • /
    • pp.541-543
    • /
    • 2001
  • 비대칭 링크 상에서 TCP 전송율 향상을 위한 새로운 기법을 제시하였다. 기존 TCP는 비대칭 링크에서 수신단의 전송버퍼의 오버프로우에 인하여 패킷의 재전송, 타임아웃 등으로 인하여 전송율이 상당히 낮아지는 문제점을 가진다. 본 논문에서는 이러한 단점을 극복하기 위해 수신단의 전송 버퍼가 가득 찰 경우. 이를 송신 단에게 통보하여 송신단은 전송을 중단하고, 혼잡 윈도우를 유지함으로써. 전송 버퍼의 여유가 생겨서 수신단이 송신단에 이를 통보하여 다시 전송이 가능해졌을 경우 송신단이 즉시 전송을 재개할 수 있도록 하였다 제안된 기법의 성능 향상을 시뮬레이션을 통해 확인하였다 .

  • PDF

자폐스펙트럼장애 아동의 후두 높이 및 음성 특성 (Laryngeal height and voice characteristics in children with autism spectrum disorders)

  • 이정헌;김고운;김성태
    • 말소리와 음성과학
    • /
    • 제13권2호
    • /
    • pp.91-101
    • /
    • 2021
  • 본 연구의 목적은 자폐스펙트럼장애를 가진 아동의 후두 특성을 확인하고자 하였다. 자폐스펙트럼장애로 진단받은 2~4세 아동 8명과 같은 연령의 정상 대조군 42명을 포함하여 총 50명의 아동이 실험에 참여하였다. 모든 아동들은 경추와 후두의 중앙시상면의 X-ray 영상을 촬영하여 두 군의 후두 위치를 비교하였다. 또한 모음 연장발화 시 음성 샘플을 수집하여 음향 매개 변수들을 분석하였다. X-ray 검사 결과, 정상군의 설골 높이는 3세가 가장 낮았으며, 4세에 후두 높이가 상승하였다. 다른 한편으로, 외이도에서 설골까지의 거리는 4세가 가장 긴 것으로 나타났다. 이와는 대조적으로, 모든 연령대의 자폐스펙트럼장애군의 설골 높이는 정상군보다 낮았으며, 연령에 따른 설골 위치의 차이는 없었다. 음향학적 평가 결과, PFR, vFo, vAm은 정상 대조군에 비해 자폐스펙트럼장애군이 통계적으로 유의미하게 높게 나타났다. 결론적으로, 자폐스펙트럼장애 아동들의 낮은 후두 높이는 언어발달의 지연과 관련이 있는 것으로 사료된다. 음향학적 변수들 중 음성 조절기능을 보여주는 PFR, vFo, vAm은 정상 아동과 자폐스펙트럼장애 아동의 음질 차이를 보여주는 voice marker로 생각된다.

포스트 코로나 시대 신앙교육을 위한 지능형학습플랫폼 모형 구성 연구 (A Study on the Construction of Intelligent Learning Platform Model for Faith Education in the Post Corona Era)

  • 이은철
    • 기독교교육논총
    • /
    • 제66권
    • /
    • pp.309-341
    • /
    • 2021
  • 본 연구의 목적은 포스트 코로나 시대를 준비하기 위해 신앙교육을 위한 지능형 학습플랫폼 모형을 개발하는 것이다. 이를 위해서 인공지능 알고리즘, 학습플랫폼 개발 연구, 신앙교육 관련 선행연구를 검토하여 포스트 코로나 시대를 대비할 수 있는 지능형 학습플랫폼 설계 모형의 초안을 개발하였다. 개발된 모형 초안은 전문가 5명을 대상으로 델파이 조사를 실시하여, 타당성을 검증하였다. 개발된 모형 초안은 전문가 타당성 검증결과 내용타당도가 모두 1로 나타나 타당한 것으로 검증되었다. 모형에 대해 전문가들의 수정의견이 3가지가 제시되었고, 전문가들의 의견을 반영하여 모형을 최종 수정하였다. 수정된 최종 모형은 학습자료, 학습활동, 학습데이터 및 인공지능 3개 영역으로 구성하였으며, 각 영역에 교육과정, 학습콘텐츠 추가학습자원, 학습자 유형화, 학습 행동, 평가 행동, 학습자 특성 데이터, 학습활동 데이터, 인공지능 데이터 학습분석 9개의 요소로 구성하였고, 각 구성 요소에는 29개의 세부요소를 설정하였다. 이와 함께 14개의 학습플로어를 구성하였다. 본 연구는 신앙교육을 위한 지능형 학습플랫폼의 기초적인 모형을 최초로 개발한 것이 가장 큰 시사점이라고 할 수 있다.