• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2995-2997
• /
• 2000

원자력발전소의 열출력 계산 결과에 가장 큰 영향을 미치는 변수는 주급수 유량이며, 측정방식상의 특성(Venturi Fouling)으로 인해 계산시 과다하게 반영될 소지가 있다 본 연구에서는 이 측정 오차를 최소화하기 위하여 뉴로-퍼지 논리를 이용하여 주급수 유량을 예측한 후 그 결과를 통해 열출력을 재평가하고자 하였다. 즉, 뉴로-퍼지로의 입력 변수(증기발생기 압력 및 수위. 터빈 충동실 압력)들은 모의훈련으로 출력을 상승시키면서 취득한 후 Wavelet Denoising 기법을 이용하여 노이즈를 제거시키고. 뉴로-퍼지 추론 계통의 파라메타들을 최적화시키기 위하여 유전적 알고리듬 및 최소자승법에 의한 Hybrid Learning Rule을 이용하여 학습시켰다. 시뮬레이션을 수행한 결과, 주급수 유량이 양호하게 예측되어, 이 결과를 토대로 열출력을 평가하는데 본 알고리듬의 적용이 성공적임을 입증하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.11-13
• /
• 2021

본 논문에서는 시계열 데이터 분류를 통한 음성 감정 인식을 제안한다. mel-spectrogram을 사용하여 음성파일에서 특징을 뽑아내 다변수 시계열 데이터로 변환한다. 이를 Conv1D, GRU, Transformer를 결합한 딥러닝 모델에 학습시킨다. 위의 딥러닝 모델에 음성 감정 인식 데이터 세트인 TESS, SAVEE, RAVDESS, EmoDB에 적용하여 각각의 데이터 세트에서 기존의 모델 보다 높은 정확도의 음성 감정 분류 결과를 얻을 수 있었다. 정확도는 99.60%, 99.32%, 97.28%, 99.86%를 얻었다.

• 한국만화애니메이션학회:학술대회논문집
• /
• 2011.05a
• /
• pp.4-11
• /
• 2011

<2010 만화산업백서>에서는 2009년과 2010년 상반기 주요 이슈 중 하나로 학습만화의 강세를 꼽았다. 시리즈(예림당)는 3천만 부를 돌파했고, <만화로 보는 그리스로마신화>(가나출판사)는 2천 3백만 부를, <먼나라 이웃나라>(김영사)는 1천 5백만 부, <마법천자문>(아울북)은 1천3백만 부, <코믹 메이플 스토리>(서울문화사)는 1천 1백만 부, <서바이벌 만화 과학상식>시리즈(아이세움)는 1천 만부를 각각 돌파했다고 한다. 초판 발행 부수가 2,000부도 넘지 못하고 있는 현 만화 단행본 시장에서 이러한 학습만화의 강세는 단순한 유행이나 교육열을 넘어, 학습만화가 한국 만화 산업에 중요한 위치로 자리매김 했음을 보여주고 있다. 실제로 2009년 출판만화 시장의 현황을 보면, 어린이만화는 총 927종이 발행되어 시장 규모가 2,362억 원에 달해, 출판만화 전체 시장의 67%를 차지하고 있을 정도로, 한국 만화 산업에서 중요한 위치를 점하고 있다.1) 1970년대 '만화전집' 형태로 출판되어 영업사원들에 의해 판매되던 한국 학습만화는 1987년 고려원에서 출간된 이원복의 <먼나라 이웃나라>에 이르러 대중들에게 주목받기 시작했다. 그러던 것이 2000년 초반 <만화로 보는 그리스로마신화>와 <서바이벌 만화 과학상식>시리즈와 <마법 천자문> 등이 참신한 기획력과 적극적인 마케팅 전략으로 천만 부 시대를 열었고, 시리즈에 이르러 3천 만부를 돌파하면서, 명실상부 학습만화 시대를 열었다. 물론 2000년대 중반 인기작의 아류작들이 쏟아져 나오고, 만화 출판 경험이 없는 출판사들이 학습만화 시장에 뛰어 들면서 학습만화 시장의 거품에 대한 우려의 목소리가 아주 없었던 것은 아니다. 실제로 학습만화 시장에 뛰어 들었던 많은 출판사들이 서점 가판대에 제대로 진열조차 못해본 체 사라져 가고 있다. 그럼에도 불구하고, 학습만화 시장은 꾸준한 성장세를 보이고 있다. 그렇다면, 천만 부 이상을 판매하고 있는 학습만화의 성공요인은 무엇일까? 본고에서는 성공한 학습만화의 스토리텔링을 유형별로 분류하여 분석해 보고, 변화한 스토리텔링 방식이 마케팅과 기획력과 결합해 어떻게 시너지 효과를 내고 있는지 사례별로 분석해 보고자 한다.

• Journal of Digital Convergence
• /
• v.10 no.6
• /
• pp.369-373
• /
• 2012

Educational game is applied by learner's customized education based on its characteristics inducing user's interests and motives and drawing spontaneousness. And, the perception is gradually improved. At present, educational game customized by learners is provided by only the form of character customizing. Therefore, this study suggested visual customizing editor which can provide visual factors to learners in game for more efficient educational game. It will improve interests and motives of learners and increase concentration, so studying effects will be improved.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.35-38
• /
• 2000

본 연구에서는 연속음성인식 시스템의 성능 향상을 위한 기초 연구로서 시스템에 적합한 음향모델과 언어모델을 작성하고 항공편 예약 태스크를 대상으로 인식실험을 실시한 결과 그 유효성을 확인하였다. 이를 위하여 먼저 HMM의 출력확률분포의 mixture와 파라미터의 차원에 대한 정확한 분석을 통한 음향모델을 작성하였다. 또한 반복학습법으로 특정 태스크를 대상으로 N-gram 언어모델을 적용하여 인식 시스템에 적합한 모델을 작성하였다. 인식실험에 있어서는 3인의 화자가 발성한 200문장에 대해 파라미터 차원 및 mixture의 변화에 따른 음향모델과 반복학습에 의해 작성한 언어모델에 대해 multi-pass 탐색 알고리즘을 이용하였다. 그 결과, 25차원에 대한 mixture 수가 9인 음향모델과 10회 반복 학습한 언어모델을 이용한 경우 평균 $81.0\%$의 인식률을 얻었으며, 38차원에 대한 mixture 수가 9인 음향모델과 10회 반복 학습한 언어모델을 이용한 경우 평균 $90.2\%$의 인식률을 보여 인식률 제고를 위해서는 38차원에 대한 mixture 수가 9인 음향모델과 10회 반복학습으로 작성한 언어모델을 이용한 경우가 매우 효과적임을 알 수 있었다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.12 no.8
• /
• pp.3486-3491
• /
• 2011

This study aims to identify the effect of neurofeedback training by observing the pre and post brainwave measurement results of about 60(experimental group 30, control group 30) subjects who have shown self directed learning ability. The study took place at neuro-training center B, in between the months of Jan. 2010 and Jul. 2010. As the brainwaves are adjusted by timeseries linear analysis. The result confirmed the differences of both self regulation quotient, training protocol, and questionnaire. The result of the study suggest neurofeedback technique's possibility in positively affecting the subjects' self directed learning ability.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.301-301
• /
• 2022

본 연구는 운영 조건이 달라짐에 따라 회전수가 변하는 기기의 정상적 가동 여부와 고장 종류를 판별하기 위한 인공지능 알고리즘의 적용을 다루고 있다. 회전수가 변하는 장비로부터 계측된 상태 모니터링 센서의 신호는 비정상(non-stationary)적 특성이 있으므로, 상태 신호의 한계치가 고장 판별의 기준이 되기 어렵다는 점을 해결하고자 하였다. 정상 가동 여부는 이상 감지에 효율적인 오토인코더 및 기계학습 알고리즘을 적용하였으며, 고장 종류 판별에는 기계학습법과 합성곱 기반의 심층학습 방법을 적용하였다. 변하는 회전수와 연계된 주파수의 비정상적 시계열도 적절한 고장 특징 (Feature)로 대변될 수 있도록 시간 및 주파수 영역에서 특징 벡터를 구성할 수 있음을 예제로 설명하였다. 차원 축소 및 카이 제곱 기법을 적용하여 최적의 특징 벡터를 추출하여 기계학습의 분류 알고리즘이 비정상적 회전 신호를 가진 장비의 고장 예측에 활용될 수 있음을 보였다. 이 과정에서 k-NN(k-Nearest Neighbor), SVM(Support Vector Machine), Random Forest의 기계학습 알고리즘을 적용하였다. 또한 시계열 기반의 오토인코더 및 CNN (Convolution Neural Network) 적용하여 이상 감지와 고장진단을 수행한 결과를 비교하여 제시하였다.

• Smart Media Journal
• /
• v.9 no.4
• /
• pp.26-35
• /
• 2020

Attempts to predict future stock prices have been studied steadily since the past. However, unlike general time-series data, financial time-series data has various obstacles to making predictions such as non-stationarity, long-term dependence, and non-linearity. In addition, variables of a wide range of data have limitations in the selection by humans, and the model should be able to automatically extract variables well. In this paper, we propose a 'sliding time step normalization' method that can normalize non-stationary data and LSTM autoencoder to compress variables from all variables. and 'moving transfer learning', which divides periods and performs transfer learning. In addition, the experiment shows that the performance is superior when using as many variables as possible through the neural network rather than using only 100 major financial variables and by using 'sliding time step normalization' to normalize the non-stationarity of data in all sections, it is shown to be effective in improving performance. 'moving transfer learning' shows that it is effective in improving the performance in long test intervals by evaluating the performance of the model and performing transfer learning in the test interval for each step.

• The KIPS Transactions:PartB
• /
• v.14B no.7
• /
• pp.531-540
• /
• 2007

In this research, we proposed a two-phase hybrid stock price forecasting model with cointegration tests and artificial neural networks. Using not only the related stocks to the target stock but also the past information as input features in neural networks, the new model showed an improved performance in forecasting than that of the usual neural networks. Firstly in order to extract stocks which have long run relationships with the target stock, we made use of Johansen's cointegration test. In stock market, some stocks are apt to vary similarly and these phenomenon can be very informative to forecast the target stock. Johansen's cointegration test provides whether variables are related and whether the relationship is statistically significant. Secondly, we learned the model which includes lagged variables of the target and related stocks in addition to other characteristics of them. Although former research usually did not incorporate those variables, it is well known that most economic time series data are depend on its past value. Also, it is common in econometric literatures to consider lagged values as dependent variables. We implemented a price direction forecasting system for KOSPI index to examine the performance of the proposed model. As the result, our model had 11.29% higher forecasting accuracy on average than the model learned without cointegration test and also showed 10.59% higher on average than the model which randomly selected stocks to make the size of the feature set same as that of the proposed model.

• Journal of Digital Convergence
• /
• v.19 no.10
• /
• pp.521-533
• /
• 2021

The purpose of this study is to explore the self-directed learning experiences of nursing student in an online learning. Data collection was conducted through three focus group interviews from July to August 2021, and the subjects of the study were 15 nursing students who experienced online learning. For analysis, all interviews were recorded and transcribed as the participants said, and analyzed using qualitative content analysis. As a result of the study, 4 categories and 11 subcategories were derived. The four categories which nursing students experienced on online self-directed learning were 'cognitive action of learning motivation', 'preparing my own learning strategy through reflection', 'creating an environment that supports learning', and 'effective online instructional design and enthusiasm of instructors.' The results of this study can be used as basic data for preparing self-directed learning strategies of nursing students in online learning.