• 융합정보논문지
• /
• 제12권5호
• /
• pp.40-50
• /
• 2022

본 연구는 간호대학생이 시뮬레이션 실습 시 동료 팀의 만성폐쇄성폐질환 환자 시나리오 구현 동영상을 실시간으로 관찰하면서 구조화된 동영상 관찰 기록지에 기록한 간호술 영역의 내용을 분석한 질적 연구이다. 4개의 세부영역으로 구분하여 기록된 내용을 효과적, 비효과적 측면으로 구분한 후 내용분석 방법을 사용하여 분석하였다. 연구결과 절차의 정확성에 있어서 효과적 측면은 필요한 물품준비와 증상완화를 위한 중재, 비효과적인 측면은 원칙 미준수, 부적절한 처방 이행, 이론과 수행의 연계 미흡으로 나타났다. 무균술 준수에 있어 효과적 측면은 내과적 무균술 적용과 외과적 무균술 적용, 비효과적 측면은 내과적 무균술 미수행과 외과적 무균술 미수행이었다. 안전과 안위 고려에 있어 효과적 측면은 심리적 안위 고려과 물리적 안전 고려, 비효과적 측면은 안위에 대한 실재감 부족과 환자안전 인식 미흡으로 나타났다. 설명 및 교육의 효과적 측면은 목적 설명과 방법 교육, 비효과적 측면은 설명 부족과 환자수준 미고려이었다. 본 연구에서 간호대학생은 관찰을 통하여 얻은 시각적 정보를 기록하는 과정을 통해 학습에 집중하고 기억을 강화시킬 수 있었을 것으로 사료된다. 또한 본 연구는 시뮬레이션 기반 실습을 통한 간호술 교육의 효율성을 높일 수 있는 요소들을 제시하였다는 점에서 의의가 있다.

• KNOM Review
• /
• 제23권2호
• /
• pp.1-10
• /
• 2020

5G 네트워크의 핵심 기술 중 하나인 네트워크 기능 가상화 (NFV, Network Function Virtualization)는 유연하고 민첩한 네트워크 구축 및 운용을 가능하게 만드는 장점이 있다. 하지만, 한편으로는 수 많은 가상 자원을 생성하기 때문에 네트워크 관리를 복잡하게 만드는 원인이 된다. 일반적으로, NFV 환경에서는 가상 네트워크 기능(VNF, Virtual Network Function)들로 구성된 서비스 펑션 체이닝 (SFC, Service Function Chaining)을 통해 일련의 네트워크 기능들을 트래픽에 적용한다. 따라서 서비스 요구사항을 만족시킬 수 있도록 동적으로 SFC에 알맞은 양의 컴퓨팅 자원 또는 인스턴스를 할당하는 것이 필요하다. 본 논문에서는 SFC에서 적절한 수의 VNF 인스턴스를 운용하기 위해 강화학습 알고리즘의 하나인 Deep Q-Networks (DQN)을 이용한 Auto-scaling 방법을 제안한다. 제안하는 방법은 SFC로 유입되는 트래픽의 증감에 따라 SFC를 구성하는 다계층 (Multi-tier) 구조에서 스케일링(Scaling)이 필요한 계층을 선택하고, 스케일링을 통해 효과적으로 VNF 인스턴스들 개수를 조절한다.

• 한국정보통신학회논문지
• /
• 제26권9호
• /
• pp.1259-1265
• /
• 2022

최근 인공지능, 빅데이터, 사물인터넷 기술이 안전사고 예방을 위한 화재 감지, 가스나 유해 물질 감지 등 다양한 솔루션에서 활용되고 있다. 2021년 고용노동부에서 발간한 산업 재해 발생 현황에 따르면, 2020년과 비교해 재해율, 재해자 수, 사망자 수가 증가하였으며 최근에는 중대재해 처벌 등에 관한 법률과 같은 안전조치를 강화하는 등 제도적, 사회적 관심이 높아지고 있다. 본 논문에서는 한국지능정보사회진흥원(NIA)에서 제공한 데이터셋 구축 가이드라인을 참고하여 현장에서 직접 수집해 데이터셋을 직접 구축하고 YOLOv4로 학습하여 객체 탐지를 통해 충돌위험 객체 탐지 시스템을 제안하고자 한다. 위험 상황 규칙 위반에 대한 정확도는 실내 88%, 실외 92%의 탐지 성능을 보였다. 이러한 시스템을 통해 산업 현장에서 발생하는 안전사고를 사전에 분석해 지능형 플랫폼 연구에 활용이 가능할 것으로 사료된다.

• 한국재난정보학회 논문집
• /
• 제18권3호
• /
• pp.433-443
• /
• 2022

연구목적: 본 논문에서는 스마트 디바이스의 높은 보급률을 활용하여 근감소증을 추정 및 예측하는 딥러닝 알고리즘을 제안과 연구를 수행한다. 연구방법: 딥러닝 학습을 위해 스마트 디바이스에 내장된 관성센서를 활용하여 실험 데이터를 수집하였다. 데이터를 수집하는 테스트용 어플리케이션 구현하여 '정상'과 '비정상'걸음과 '달리기', '낙상', '스쿼트' 자세의 5 가지 상태를 구분하여 데이터를 수집하였다. 연구결과: LSTM, CNN, RNN model 사용 시 예측 정확도를 분석했고 CNN-LSTM 융합형 모델을 활용하여 이진분류 정확도 99.87%, 다중 분류 92.30%의 정확도를 보였다. 결론: 근감소증이 있는 사람의 경우 걸음걸이의 이상이 생긴다는 점에 착안하여 스마트 디바이스를 활용한 연구를 진행하였다. 본 연구를 활용하여 근감소증으로 인해 생기는 재난안전을 강화 할 수 있을 것이다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.179-190
• /
• 2022

데이터 불균형은 한 분류의 데이터 수가 다른 분류에 비해 지나치게 크거나 작은 현상을 의미하며. 이로 인해 분류 알고리즘을 활용하는 기계학습에서 성능을 저하시키는 주요 요인으로 제기되고 있다. 데이터 불균형 문제 해결을 위해서 소수 분포 데이터를 증폭하는 다양한 오버 샘플링(Over Sampling) 방법들이 제안되고 있다. 이 가운데 SMOTE는 가장 대표적인 방법으로 소수 분포 데이터의 증폭 효과를 극대화하기 위해 데이터에 포함된 잡음을 제거(SMOTE-IPF)하거나, 경계선만을 강화(Borderline SMOTE) 시키는 다양한 방법들이 출현하였다. 이 논문은 소수분류 데이터를 증폭하는 전통적인 SMOTE 방법에서 이상데이터(Anomaly Data)에 대한 처리방법개선을 통해 궁극적으로 분류성능을 높이는 방법을 제안한다. 제안 방법은 실험을 통해 기존 방법에 비해 상대적으로 높은 분류성능을 일관성 있게 제시하였다.

• 실천공학교육논문지
• /
• 제14권1호
• /
• pp.75-83
• /
• 2022

파이썬 프로그래밍 언어를 강의하는 과목은, 일반 대학에서 모든 재학생이 필수로 이수하는 교양 과목으로 대부분 운영되고 있다. 이를 통해, 컴퓨팅 사고에 의한 기초 프로그래밍 과정을 학습한 비전공자 학생들이 다양한 전공 분야에서 SW를 적용할 수 있는 융합 역량을 강화하고 있다. 기존 연구결과에서는 컴퓨팅 사고 개념 이해와 코드 작성 역량에 대한 다양한 평가 방법들이 제시되었다. 그러나, 평가 문제 사례는 제시되지 않아, 실제 과목 운영 시 적용하는 데 어려움이 있다. 이에 본 논문에서는 비전공자들을 위한 교양과목으로 적용할 수 있는 파이썬 기초 프로그래밍 커리큘럼을 ADDIE 모형에 따라 제안하였다. 그리고 제안된 상세 커리큘럼에 따른 파이썬 요소별 평가 문제 사례를 1차와 2차로 나누어 제안하였다. 마지막으로 본 평가 문제 사례를 적용한 강좌에서 산출된 비전공자 학생들의 평가 점수 결과를 바탕으로 제안한 평가 문제의 유효성을 분석하였다. 제안된 평가 문제 사례는 실시간 온라인 비대면 평가 방식으로 적용하여, 효과적으로 비전공자 학생들의 프로그래밍 역량을 평가할 수 있음을 확인하였다.

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.487-492
• /
• 2022

대학들은 급변하는 사회 환경에 적합한 교육역량 수준을 높이기 위해 다양한 방법들을 찾고 있다. 본 논문에서는 조사 항목을 수정, 보완한 만족도 사전조사를 개강 전에 실행하여 학업성취도를 높이고 전공 이탈자의 비율을 낮춰 교육 성과를 높이는 방안을 제안한다. 일반적인 만족도 조사 이후에 시행되는 교육품질 개선(CQI) 방식을 보완하고자 만족도 사전조사를 시행하였다. 학생역량을 강화하기 위해 설계가 진행 중인 인공지능형 메디치 플랫폼에 적용할 수 있는 머신러닝 기법의 랜덤 포레스트를 활용하여 중요한 데이터의 예측 및 분석을 가능하게 하였다. 만족도 사전조사 데이터들을 전처리하여 수강 신청 학생들의 정보를 설명 변수로 정의하고 분류하여 모델 생성 및 학습하였다. 실험 환경은 주피터 노트북 3.7.7, Python 3.7에서 관련 알고리즘과 사이킷런(sklearn) 라이브러리를 함께 사용하였다. 제안하는 방안의 결과를 수업에 반영하여 수업 후에 진행하는 교육 만족도 조사의 변화와 중도 탈락생 수의 동향을 비교 분석하였다.

• 한국ITS학회 논문지
• /
• 제21권6호
• /
• pp.70-86
• /
• 2022

실시간 수요대응형 자율주행 버스는 자율주행 버스와 실시간 수요대응형 버스의 단점을 상쇄시킨 미래교통수단이다. 하지만 버스 기능의 고도화로 실시간 수요대응형 자율주행 버스 도입 시 영향에 관한 정량화된 연구는 활발하지 않은 실정이다. 본 연구에서는 강화학습 기반 실시간 수요대응형 자율주행 버스를 미시적 교통 시뮬레이션에 적용하여 실시간 수요대응형 자율주행 버스의 정량화된 효과평가를 실시하였다. 구체적으로 수요 변화에 따라 실시간 수요대응형 자율주행 버스가 도로 네트워크에 끼치는 영향과 이용자 대기시간을 미시적 시뮬레이션 안에서 구현하였다. 시뮬레이션 대상지로는 한국교통대학교 인근을 선정하였다. 시뮬레이션 결과, 실시간 수요대응형 자율주행 버스는 기존 노선 고정형 버스 대비 이용자 대기시간과 평균제어지체는 감소하였고, 평균통행속도는 증가하였다. 본 연구를 통해 실시간 수요대응형 버스의 도입을 정량적으로 평가하는 것이 기대된다.

• 산업경영시스템학회지
• /
• 제45권4호
• /
• pp.42-52
• /
• 2022

North Korea continues to upgrade and display its long-range rocket launchers to emphasize its military strength. Recently Republic of Korea kicked off the development of anti-artillery interception system similar to Israel's "Iron Dome", designed to protect against North Korea's arsenal of long-range rockets. The system may not work smoothly without the function assigning interceptors to incoming various-caliber artillery rockets. We view the assignment task as a dynamic weapon target assignment (DWTA) problem. DWTA is a multistage decision process in which decision in a stage affects decision processes and its results in the subsequent stages. We represent the DWTA problem as a Markov decision process (MDP). Distance from Seoul to North Korea's multiple rocket launchers positioned near the border, limits the processing time of the model solver within only a few second. It is impossible to compute the exact optimal solution within the allowed time interval due to the curse of dimensionality inherently in MDP model of practical DWTA problem. We apply two reinforcement-based algorithms to get the approximate solution of the MDP model within the time limit. To check the quality of the approximate solution, we adopt Shoot-Shoot-Look(SSL) policy as a baseline. Simulation results showed that both algorithms provide better solution than the solution from the baseline strategy.

• 한국공간구조학회논문집
• /
• 제23권2호
• /
• pp.29-36
• /
• 2023

Reinforcement learning (RL) is widely applied to various engineering fields. Especially, RL has shown successful performance for control problems, such as vehicles, robotics, and active structural control system. However, little research on application of RL to optimal structural design has conducted to date. In this study, the possibility of application of RL to structural design of reinforced concrete (RC) beam was investigated. The example of RC beam structural design problem introduced in previous study was used for comparative study. Deep q-network (DQN) is a famous RL algorithm presenting good performance in the discrete action space and thus it was used in this study. The action of DQN agent is required to represent design variables of RC beam. However, the number of design variables of RC beam is too many to represent by the action of conventional DQN. To solve this problem, multi-agent DQN was used in this study. For more effective reinforcement learning process, DDQN (Double Q-Learning) that is an advanced version of a conventional DQN was employed. The multi-agent of DDQN was trained for optimal structural design of RC beam to satisfy American Concrete Institute (318) without any hand-labeled dataset. Five agents of DDQN provides actions for beam with, beam depth, main rebar size, number of main rebar, and shear stirrup size, respectively. Five agents of DDQN were trained for 10,000 episodes and the performance of the multi-agent of DDQN was evaluated with 100 test design cases. This study shows that the multi-agent DDQN algorithm can provide successfully structural design results of RC beam.