• The Journal of the Convergence on Culture Technology
• /
• v.9 no.3
• /
• pp.845-850
• /
• 2023

In this paper, we propose a method for diagnosing ball bearing vibration using transfer learning. STFT, which can analyze vibration signals in time-frequency, was used as input to CNN to diagnose failures. In order to rapidly learn CNN-based deep artificial neural networks and improve diagnostic performance, we proposed a transfer learning-based deep learning learning technique. For transfer learning, the feature extractor and classifier were selectively learned using a VGG-based image classification model, the data set for learning was publicly available ball bearing vibration data provided by Case Western Reserve University, and performance was evaluated by comparing the proposed method with the existing CNN model. Experimental results not only prove that transfer learning is useful for condition diagnosis in ball bearing vibration data, but also allow other industries to use transfer learning to improve condition diagnosis.

• Proceedings of the KAIS Fall Conference
• /
• 2011.05b
• /
• pp.590-593
• /
• 2011

본 연구는 물리치료학과 학생들을 대상으로 근거중심의 학습을 통해 학습 이해도와 성취도, 실무능력을 증진시키고자 하는 연구를 실시하였다. 과학적이고 근거중심의 단계별 수업을 이수한 1학년 대상자인 17명이 연구에 참여하였고, 남자와 여자로 구분하여 강의전, 후로 나누었다. 성별에 따른 성취도 분석과 강의 전, 후에 따른 근거중심 학습의 효용성에 관한 특성을 비교하였다. 통계처리 방법으로 실험 전 후 차이를 검증하였고, 모든 통계적 유의수준은 0.05로 하였다. 본 연구의 결과 근거중심 학습의 필요성, 학습 시너지 효과, 전문학술지 접근도에서 강의 전에 비해 후에 유의한 감소를 보였다. 향후 저학년인 1, 2학년 물리치료학과 학생들에게 흥미를 유발하고 동기를 부여하여 저널 탐색을 통한 임상 물리치료에 대한 접근도를 강화시킬 필요가 있고 이를 통해 이론중심의 수업보다 실무중심의 명확한 근거 위주의 수업을 지향해야 할 필요성이 있다고 생각한다.

• Smart Media Journal
• /
• v.10 no.1
• /
• pp.55-62
• /
• 2021

We applied machine learning of semi-supervised learning, transfer learning, and federated learning as examples of AI use cases that can be applied to the three major industries(Automobile industry, Energy industry, and AI/Healthcare industry) of Gwangju Metro-city, and established an ML strategy for AI services for the major industries. Based on the ML strategy of AI service, practical approaches are suggested, the semi-supervised learning approach is used for automobile image recognition technology, and the transfer learning approach is used for diabetic retinopathy detection in the healthcare field. Finally, the case of the federated learning approach is to be used to predict electricity demand. These approaches were tested based on hardware such as single board computer Raspberry Pi, Jaetson Nano, and Intel i-7, and the validity of practical approaches was verified.

• The Journal of the Convergence on Culture Technology
• /
• v.10 no.2
• /
• pp.465-470
• /
• 2024

The advancement of AI-based image generation technology has resulted in the creation of various images, emphasizing the need for technology capable of accurately discerning them. The amount of generated image data is limited, and to achieve high performance with a limited dataset, this study proposes a model for discriminating generated images using transfer learning. Applying pre-trained models from the ImageNet dataset directly to the CIFAKE input dataset, we reduce training time cost followed by adding three hidden layers and one output layer to fine-tune the model. The modeling results revealed an improvement in the performance of the model when adjusting the final layer. Using transfer learning and then adjusting layers close to the output layer, small image data-related accuracy issues can be reduced and generated images can be classified.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.432-434
• /
• 2022

우리는 전이 학습을 이용하여 원하는 특정 패션 스타일 분류기를 학습하였다. 패션 스타일 검색 결과물을 온라인 쇼핑몰과 연결하는 웹 서비스를 사용자에게 제공한다. 패션 스타일 분류기는 구글에서 이미지 검색을 통해 수집된 데이터를 이용하여 ResNet34[1]에 전이 학습하였다. 학습된 분류 모델을 이용하여 사용자 이미지로부터 패션 스타일을 17가지 클래스로 분류하였고 F1 스코어는 평균 65.5%를 얻었다. 패션 스타일 분류 결과를 네이버 쇼핑몰과 연결하여 사용자가 원하는 패션 상품을 구매할 수 있는 서비스를 제공한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.701-704
• /
• 2020

이미지 초해상도는 딥러닝의 발전과 함께 이를 활용하며 눈에 띄는 성능향상을 이루었다. 딥러닝을 기반으로 한 대부분의 이미지 초해상도 연구는 딥러닝 네트워크 모델의 구조에 대한 연구 위주로 진행되어 왔다. 그러나 최근 들어 딥러닝 기반의 이미지 초해상도가 합성된 데이터에 대해서는 높은 성능을 보이지만 실제 데이터에 대해서는 높은 성능을 보이지 못한다는 사실이 주목받고 있다. 이에 따라 모델 구조를 바꿔 성능을 향상 시키는 것에는 한계가 있어 데이터의 활용이나 학습 방법에 대한 연구의 필요성이 증대되고 있다. 따라서 본 논문은 이미지 초해상도를 위한 난이도 조절 기반 전이학습법(transfer learning)을 제안한다. 제안된 방법에서는 이미지 초해상도를 배율을 난이도가 쉬운 낮은 배율부터 순차적으로 전이학습을 진행한다. 이는 이미지 초해상도의 배율이 높아질수록 학습이 어렵기 때문이다. 결과적으로 본 논문에서는 높은 배율의 이미지 초해상도를 진행하기 위해 낮은 배율의 이미지 초해상도, 즉 난이도가 쉬운 학습부터 점진적으로 학습을 진행하였을 때 더욱 빠르고 효과적으로 학습할 수 있음을 보여준다. 제안된 전이학습 방법을 통해 적은 횟수의 업데이트로 학습을 진행하였을 때 일반적인 학습방법 대비 약 0.18 dB 의 PSNR 상승을 얻어, RealSR [9] 데이터셋에서 28.56 dB의 성능으로 파라미터 수 대비 높은 성능을 얻을 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.61-61
• /
• 2022

최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 활발히 개발되고 있다. 기존 머신러닝을 이용한 강우예측모델 개발 관련 연구는 주로 한 지역에 대해 수행되며, 데이터 기반으로 훈련되는 머신러닝 기법의 특성상 개발된 모델이 훈련된 지역에 대해서만 좋은 성능을 보인다는 한계점이 존재한다. 이러한 한계점을 해결하기 위해 사전 훈련된 모델을 이용하여 새로운 데이터에 대해 모델을 훈련하는 전이학습 기법 (transfer learning)을 적용하여 여러 유역에 대한 강우예측모델을 개발하고자 하였다. 본 연구에서는 사전 훈련된 강우예측 모델로 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용한 미래 강우예측모델을 사용하였다. 해당 모델은 기상청에서 제공된 2014년~2017년 여름의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시켰으며, 2018년 레이더 이미지 자료를 이용한 단기강우예측 모의에서 좋은 성능을 보였다. 본 연구에서는 훈련된 모델을 이용해 새로운 댐 유역(안동댐, 충주댐)에 대한 강우예측모델을 개발하기 위해 여러 전이학습 기법을 적용하고, 그 결과를 비교하였다. 결과를 통해 새로운 데이터로 처음부터 훈련시킨 모델보다 전이학습 기법을 사용하였을 때 좋은 성능을 보이는 것을 확인하였으며, 이를 통해 여러 댐 유역에 대한 모델 개발 시 전이학습 기법이 효율적으로 적용될 수 있음을 확인하였다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.20 no.10
• /
• pp.332-340
• /
• 2019

This descriptive research study was undertaken to identify the degree of learning motivation, transfer climate, learning self-efficacy, and transfer motivation, and to correlate the variables, in nursing students receiving simulation-based education. The subjects of this study were 4th grade nursing students who completed a simulation course at a nursing university; data collected using the self-report questionnaire were analyzed using the SPSS 21.0 program. Our results indicate high values of learning motivation, transfer climate (including the lower variables supervisor's support, peer's support, and transfer opportunity), learning self-efficacy, and transfer motivation. Learning motivation, learning self-efficacy, and transfer motivation significantly differed with respect to social motivation for entering school (Z=6.04, p=0.049; Z=6.92, p=0.031; Z=9.16, p=0.010, respectively) and major satisfaction (Z=8.55, p=0.036; Z=12.55, p=0.006; Z=13.47, p=0.004, respectively). All these variables were positively correlated, especially transfer motivation with learning motivation, supervisor's support, peer's support, transfer opportunity, and learning self-efficacy. Taken together, the results of this study indicate a need to develop an effective simulation-based education program to encourage transfer motivation, as well as follow-up studies that verify the causal relationship between transfer motivation and related variables.

• Korean Journal of Remote Sensing
• /
• v.37 no.6_1
• /
• pp.1685-1695
• /
• 2021

To generate a deep learning model with high performance, a large training dataset should be required. However, it requires a lot of time and cost to generate a large training dataset in remote sensing. Therefore, the importance of transfer learning of deep learning model using a small dataset have been increased. In this paper, we performed transfer learning of trained model based on open datasets by using orthoimages and digital maps to detect changes of building objects in multitemporal orthoimages. For this, an initial training was performed on open dataset for change detection through the HRNet-v2 model, and transfer learning was performed on dataset by orthoimages and digital maps. To analyze the effect of transfer learning, change detection results of various deep learning models including deep learning model by transfer learning were evaluated at two test sites. In the experiments, results by transfer learning represented best accuracy, compared to those by other deep learning models. Therefore, it was confirmed that the problem of insufficient training dataset could be solved by using transfer learning, and the change detection algorithm could be effectively applied to various remote sensed imagery.

• The Journal of the Korea Contents Association
• /
• v.13 no.8
• /
• pp.482-489
• /
• 2013

The purpose of this study was to identify the relationship of instructional design, perceived learning transfer, and satisfaction. The data were collected using questionnaire from the sample of 239 nursing students. The level of learning transfer was explained by introduction with learning context & providing guidance and initial attention. The level of learning transfer was explained by learning object with motivation, learning goal alignment, accessibility and feedback & adaptation. The level of program satisfaction was explained by introduction with learning context & providing guidance and initial attention. The level of program satisfaction was explained by learning object with motivation, presentation design, interaction availability, feedback & adaptation, learning goal alignment and contents quality. The findings serve as basic data to design e-Learning program to improve learning transfer and satisfaction.