• 한국초등과학교육학회지:초등과학교육
• /
• 제25권spc5호
• /
• pp.476-484
• /
• 2007

본 연구의 목적은 일반 학생과 과학 영재 학생들의 열, 전자기, 힘, 빛 개념을 중심으로 한 물리 영역에 대한 오개념을 조사하여, 과학 영재 학생과 일반 학생을 비교하여 개념의 이해도, 오개념의 유형에 어떤 차이가 있는지 알아보기 위한 것이었다. 연구 대상은 대구 지역의 영재교육원의 과학 영재 75명과 동일 지역에 소재하고 있는 두 개의 초등학교 5, 6학년 학생 148명을 표집했다. 선행 연구와 교육 과정 분석을 통해 물리 영역에 대한 초등학교에서 갖추어야 할 개념을 선정한 후, 기존의 물리영역에 대한 개념 검사 도구를 보완 및 수정하여 문항을 작성하였으며, 일부는 개발하여 선택형과 진술형으로 초등학교 물리 오개념 검사 도구를 개발하였다. 20문항으로 구성된 그 검사 도구는 열개념, 전자기 개념, 힘 개념, 빛 개념을 대상으로 하며 각 개념별로 5가지의 하위 개념을 조사하였다. 진술형 문항에 의한 결과를 바탕으로 과학 영재학생과 일반 학생의 물리 개념의 이해도 차이를 분석하였고, 선택형 문항에 의한 결과를 바탕으로 오개념의 차이를 분석하였다. 연구 결과로 첫째, 열 개념, 전자기 개념, 힘 개념, 빛 개념에서 과학 영재 학생과 일반 학생 모두 이해도가 비교적 낮았으나, 과학 영재 학생이 일반학생보다 모든 물리 영역에서 개념 이해도가 통계적으로 유의하게 높은 것으로 나타났으며, 이로부터 과학 영재 학생이 일반 학생에 비해 물리 영역에 대한 개념에 대한 이해 수준이 높았다고 말할 수 있다. 또 과학 영재 학생이나 일반 학생 모두 개념 이해도가 전자기 개념, 열 개념, 힘 개념, 빛 개념 순으로 낮아져서 과학 영재 학생이나 일반 학생이 각각서로 다른 어떤 특정 개념의 이해에 곤란을 겪는 것은 아니고, 동일 개념에 대해 비슷한 난이도를 느끼고 있음을 보여주었다. 둘째, 과학 영재 학생과 일반 학생은 대부분 비슷한 오개념 유형을 나타냈으며 과학 영재 학생은 일반 학생에 비해 오개념을 적게 가지고 있었다. 결론적으로 초등학교 과학 영재 학생도 일반 학생처럼 과학에 대한 오개념을 가지고 있지만, 오개념이 정착되지 않아 학습 후 과학적 개념으로 쉽게 수정될 수 있는 가능성을 보여주었다.

• 문화예술교육연구
• /
• 제5권1호
• /
• pp.97-147
• /
• 2010

최근 세계화의 흐름에서 교육에 대한 새로운 문제제기는 다문화적 흐름을 요청할 수밖에 없는 핵심적 문제로서 도전받고 있다. 더 나아가 전지구적 차원에서 인류의 '공동위험'에 대해 공동협력하고, 문화간 차이의 이해가 더욱 중요시되는 이전과는 상이한 상황에 노출되어 있다. '교육노마디즘'은 교육의 새로운 가치와 의미를 새롭게 생성하는 은유적 표현이다. 최근 초국가적 교육열의 흐름은 이미 중심적 흐름이며, 위기와 기회의 양면성을 동시에 내재하고 있다. 이러한 기회의 양면성을 소화하지 못하는 측면에서 '한국교육의 공동화'현상으로 진단할 수 있다. 이는 교육의 미국교육의 과도한 의존과 자생교육이 상호교류하는 기저로서 필요함에도 불구하고, 아직 마련되지 않음을 의미한다. 교육의 세계화의 흐름은 국가의 '이중낭비'와 학부모의 과도한 사교육비의 '이중부담'과 강요된 탕진, '학력세탁'을 향한 전지구적으로 이동하는 현재의 흐름으로 발견된다. 이러한 위기국면에서 근대교육은 외국시스템과의 창조적 접목으로 교육의 세계화의 흐름에 맞는 한국교육의 새로운 기저가 요구됨에도 불구하고, 한국교육의 독특한 강점인 공동체적-정감적-시너지적 관계의 아름다움이 교육의 세계화의 흐름에서 살려지지 않는다. 즉 세계화의 흐름에 맞는 새로운 한국교육의 기저는 코뮤니타스를 향한 전지구적 강한 연대와 공동체성으로 도약하는 소통세계와 만나는 일이다. 이 소통세계는 근대의 모델인 우리 모두를 몰아가고 있는 치열한 제로섬 경쟁구도로부터 즐김과 향유 그리고 자족과 증여의 기쁨을 시너지적으로 새롭게 생성하는 문명전환의 교육으로 거듭날 수 있는 기회이다. 이 논문은 이 기회가 잘못 활용되는 학부모들의 초국가적 교육열의 패러다임을 살펴봄으로써 진정한 교육노마디즘의 가능성과 그 한계를 살펴보고자 하였다.

• 인터넷정보학회논문지
• /
• 제15권3호
• /
• pp.71-77
• /
• 2014

상호정보 포텐셜과 델타 함수열 (cross-information potential and Dirac-delta functions, CIPD) 을 이용한 Equalizer 알고리듬이 충격성 잡음 하에서도 채널의 ISI 제거 성능이 우수한 반면, 블록 처리 방식으로 가중치 갱신을 행하고 있어서 계산량이 많다는 단점을 갖고 있다. 이 논문에서는 CIPD 알고리듬의 계산량을 크게 줄일 수 있는 방법으로서 매 샘플 시간마다 수행하는 CIPD 알고리듬의 이중 합산을 단일 합산으로 바꿀 수 있는 방법을 제시하였다. 실험 결과에서 제안된 방식은 기존 CIPD 알고리듬과 동일한 기울기 학습 곡선을 나타냈다. 또한 충격성 잡음 상황에서도 기존 방식이 블록처리 데이터 수에 비례하는 계산량을 나타낸 반면 제안된 방식은 이와 관계없이 더 작은 계산량을 유지하면서 CIPD 알고리듬과 동일한 기울기 값을 산출해낸다.

• 전자공학회논문지C
• /
• 제36C권8호
• /
• pp.46-53
• /
• 1999

본 논문에서는 원격 작업 환경에서 명령자의 제스처를 자동으로 인식하기 위하여 글로브 센서 기반의 인식 기법을 이용한 3차원 제스처 인식 시스템을 구현하였다. 인식 시스템은 PinchGlove에 부착하여 사용되는 Polhemus 센서로부터 획득한 손 궤적의 3차원 위치 좌표열을 입력으로 사용한다. 또한 본 논문에서는 제스처 인식을 위해 제스처를 구성하는 스트로크를 기본 인식 단위로 사용하는 방법을 제안한다. 각 스트로크는 이산 HMM으로 모델링 되며 이들 HMM을 연결하여 생성된 결합 HMM으로 원격 작업에 사용될 각 제스처들을 모델링 한다. 이 방법은 새로이 정의되는 제스처에 대해 추가의 학습 과정을 필요로 하지 않아 인식 시스템의 확장성을 높일 수 있다. 16개의 제스처를 사용한 인식 실험에서 스트로크 기반의 결합 HMM은 제스처를 기본 단위로 사용한 HMM에 비해 더 좋은 인식 성능을 나타냄을 확인할 수 있었다.

• 한국항행학회논문지
• /
• 제21권4호
• /
• pp.365-370
• /
• 2017

본 연구는 전력수요 패턴이 다른 평일과 특수일 데이터가 가지는 상관관계를 분석하여, 별도의 데이터 셋을 구축하고, 각 데이터 셋에 적합한 딥 러닝 네트워크를 이용하여, 전력수요예측 오차를 감소하는 방안을 제시하였다. 또한, 기본적인 전력수요 예측요소인 기상요소에 환경요소, 구분요소 등 다양한 예측요소를 추가하여 예측율을 향상하는 방안을 제시하였다. 전체데이터는 시계열 데이터 학습에 적합한 LSTM을 이용하여 전력수요예측을 하였으며, 특수일 데이터는 DNN을 이용하여 전력수요예측을 하였다. 실험결과 기상요소 이외의 예측요소 추가를 통해 예측율이 향상되었다. 전체 데이터 셋의 평균 RMSE는 LSTM이 0.2597이며, DNN이 0.5474로 LSTM이 우수한 예측율을 보였다. 특수일 데이터 셋의 평균 RMSE는 0.2201로 DNN이 LSTM보다 우수한 예측율을 보였다. 또한, 전체 데이터 셋의 LSTM의 MAPE는 2.74 %이며, 특수 일의 MAPE는 3.07 %를 나타냈다.

• 한국문헌정보학회지
• /
• 제47권2호
• /
• pp.75-101
• /
• 2013

본 연구는 대학생 250명을 대상으로 메타인지가 정보탐색행위에 미치는 영향을 분석하였다. 이를 위해 메타인지는 서울대학교 인지학습연구회에서 2005년에 개발한 검사 양식지를 사용하여 검사하였으며, 정보탐색행위는 정보탐색 수행평가와 설문조사의 방법으로 조사하였다. 분석 결과, 메타인지는 한 항목을 제외하고는 전부 정보탐색행위 설문조사의 항목에 유의했다. 이로써 메타인지는 인지 과정 이후에 작용하는 인지적 특성이므로 자신의 정보탐색행위를 두뇌로 생각하면서 결론을 내리는 사고적인 행위에 영향을 미쳤다고 할 수 있다. 그리고 메타인지는 탐색과정, 탐색결과와 일반적인 정보탐색행위에 영향을 미쳤다. 따라서 탐색과정, 탐색결과, 일반적인 정보탐색행위를 포함한 정보탐색행위 전반적 측면에서는 메타인지 연구가 효율적이라고 할 수 있다.

• 한국음향학회지
• /
• 제15권6호
• /
• pp.5-11
• /
• 1996

본 논문은 불특정 화자의 단모음 인식에 관한 연구로써, fuzzy개념를 이용한 VQ(Vector Quantization)/NN(Neural Network)에 의한 음성 인식 방법을 제안한다. 이 방법은 fuzzy를 이용하여 VQ codebook에 의해 다중 관측열(multi-observation sequence)을 구해 각 symbol이 데이타로부터 가질 수 있는 확률값을 계산하여 이 값을 신경 회로망의 입력으로 사용하는 방법이다. 인식 대상어로는 한국어 단모음을 선정하였으며 10명의 남성 화자가 8개의 단모음을 10번씩 발음한 음성 데이터베이스를 이용하여 fuzzy를 이용하지 않은 VQ/NN과 fuzzy를 이용한 VQ/HMM(hidden Markov model)에 의한 인식률과 비교 실험한다. 실험 결과에 의하며, VQ/NN에 의한 인식률은 92.3%이며, fuzzy를 이용한 VQ/HMM에 의한 인식률은 93.8%이고, fuzzy를 이용한 VQ/Nn에 의한 인식률은 95.7%이다. 그러므로, 본 연구의 fuzzy를 이용한 VQ/NN이 학습 능력이 뛰어난 관계로 fuzzy를 이용한 VQ/HMM과 일반적인 VQ/NN 보다 인식률이 향상됨을 보여준다.

• 한국지능시스템학회논문지
• /
• 제13권2호
• /
• pp.148-153
• /
• 2003

서비스 거부 공격은 침입을 위한 침입시도 형태로 나타나며 대표적인 공격으로 Syn Flooding 공격이 있다. Syn Flooding 공격은 신뢰성 및 연결 지향적 전송서비스인 TCP의 종단간에 3-way handshake의 취약점을 이용한 공격이다. 본 논문에서는 네트워크 기반의 지능적 침입 방지 모델을 제안한다. 제안하는 모델은 Syn Flooding 공격을 탐지하기 위하여 패킷 정보를 수집하고 분석한다. 이 모델은 퍼지인식도(Fuzzy Cognitive Maps)를 적용한 결정모듈의 분석 결과를 활용하여 서비스 거부 공격의 위험도를 측정하고 공격에 대응하도록 대응모듈을 학습시킨다. 제안하는 모델은 Syn Flooding 공격의 위험을 격감 또는 방지하는 네트워크 기반의 지능적 침입 방지 모델이다.

• 한국인터넷방송통신학회논문지
• /
• 제17권4호
• /
• pp.11-17
• /
• 2017

최근 많은 기업 및 기관에서 내부정보가 유출되는 사고가 지속적으로 발생하고 있으며, 이러한 내부정보 유출사고는 대부분 권한 있는 내부자에 의해 발행하고 있다. 본 논문에서는 은닉 마르코프 모델(HMM)을 이용하여 내부자의 정상행위에서 생성된 정보를 모델링한 후 내부자들의 비정상행위를 탐지하는 내부정보 유출 탐지 기법에 대해 제안한다. 보안시스템들의 로그를 통해 내부자들의 행위에 대한 특징을 추출하여 입력 시퀀스를 생성하고, HMM 모델에 학습하여 정상행위에 대한 모델을 생성한다. 이상행위에 대한 판정은 사용자 행위에 대한 관측열을 정상행위 모델에 적용하여 확률값을 계산하고, 이 값을 특정 임계값과 비교하여 이상행위를 탐지한다. 실험을 통해 내부자 정보유출 행위를 탐지하기 위한 최적의 HMM 매개변수를 결정하였고, 실험결과 제안한 시스템이 내부자 정보유출 행위에 대해 20%의 오탐율과 80%의 탐지율을 보여주었다.

• 전자공학회논문지CI
• /
• 제45권4호
• /
• pp.27-33
• /
• 2008

유전자 발현 데이터의 분석 기법 중 무감독 학습 기반의 클러스터링 기법은 생물학적 변화와 진의 발현 정도를 이해하는데 자주 사용되는 방법이다. 생명공학 연구에 있어서 그래프 기반의 MCL 알고리즘은 그래프 내의 노드들을 클러스터링 하는 알고리즘으로 빠르고 효과적이다. 우리는 기존의 MCL 알고리즘을 개선하여 마이크로어레이 데이터에 적용시켰다. MCL 알고리즘 수행 시 inflation과 대각선 항의 두 요인을 조정하는 시뮬레이션을 실행하였으며, 마코브 행렬을 이용하여 변환하였다. 또한 개선된 MCL 알고리즘에서는 더 명확한 클래스를 구분하기 위하여 각 열의 평균을 구한 후 그 값을 임계치로 사용하였다. 따라서 수정된 알고리즘은 기존의 알고리즘들보다 정확도를 높일 수 있었다. 즉, 실제 실험 결과 기존에 알려진 클래스와 비교했을 때 평균 70%의 정확도를 보였다. 또한, 다른 클러스터링 기법, K-means 알고리즘, 계층적 클러스터링 그리고 SOM 알고리즘을 비교 분석하였으며, 그 결과 MCL 알고리즘이 다른 클러스터링 기법보다 더 좋은 결과를 보임을 알 수 있다.