• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2004년도 춘계학술발표대회논문집
• /
• pp.247-250
• /
• 2004

본 논문에서는 간단한 사각형 특징과 계층적 분류기를 이용하여 실시간으로 얼굴을 검출하는 방법을 제안하고자 한다. 우리는 다섯 가지 형태의 기본적인 특징 모델을 바탕으로 20*20 크기의 훈련 영상에 적용하여 많은 초기 특징 집합을 구성하였다. AdaBoost(Adaptive Boosting) 알고리즘을 이용한 학습을 통하여 초기 특징 집합 중에서 얼굴 검출하는데 강인한 집합들만을 선택하였다. 제안된 알고리즘을 이용한 실제 실험에서 90% 이상의 높은 검출율을 확인하였고 초당 10프레임의 실시간 검출에도 성공하였다.

• 전자공학회논문지CI
• /
• 제45권3호
• /
• pp.31-39
• /
• 2008

지금까지 이러닝 시스템을 통해서 학습 능력을 향상시키는 기술이 많이 나와 있다. 대부분의 이러닝 시스템에서 학습자들은 강의 자료와 학습문제를 통해서 학습을 한다. 그러나, 때로는 학습자간의 자료공유나 토론을 통해서 학습능력과 학습 의욕을 향상시킬 수 있다. 이 경우에 일반적으로 게시판을 통해서 학습 자료를 공유하거나 MSN과 같은 메신저를 사용하여 학습자들끼리 토론 및 자료를 공유한다. 하지만, 이와 같은 형태의 학습 공유 유형은 학습 자료가 주제별로 분류되어 있지 않기 때문에 학습자가 관련 자료를 검색하는 일이 쉽지 않다. 그 결과 학습에 크게 도움이 되지 않는다. 대부분의 텍스트 마이닝 기술은 문서데이터의 집합으로부터 요약 데이터를 추출하거나 유사한 문서의 집합을 분류하는 기술이다. 따라서, 본 논문에서 학습자가 학습능력을 향상시킬 수 있도록 이러닝 시스템에 텍스트 마이닝 기술을 적용하여 효과적으로 이러닝 자료를 분류하여 학습자에게 도움이 되는 시스템을 구현하고 평가하였다.

• 정보관리학회지
• /
• 제23권1호
• /
• pp.279-299
• /
• 2006

학술지 논문에 디스크립터를 자동부여하기 위하여 기계학습 기반의 접근법을 적용하였다. 정보학 분야의 핵심 학술지를 선정하여 지난 11년간 수록된 논문들을 대상으로 문헌집단을 구성하였고, 자질 선정과 학습집합의 크기에 따른 성능을 살펴보았다. 그 결과, 자질 선정에서는 카이제곱 통계량(CHI)과 고빈도 선호 자질 선정 기준들(COS, GSS, JAC)을 사용하여 자질을 축소한 다음, 지지벡터기계(SVM)로 학습한 결과가 가장 좋은 성능을 보였다. 학습집합의 크기에서는 지지벡터기계(SVM)와 투표형 퍼셉트론(VPT)의 경우에는 상당한 영향을 받지만 나이브 베이즈(NB)의 경우에는 거의 영향을 받지 않는 것으로 나타났다.

• 기독교교육논총
• /
• 제71권
• /
• pp.155-179
• /
• 2022

본 연구의 목표는, 여성 정치사상가 한나 아렌트(Hannah Arendt)가 『책임과 판단』에서 소개한 개념 '집합적 책임'을 들여와 기후변화를 주제로 하는 기독교교육 분야에 응용하는 것이다. 먼저 본 연구는 '집합적 책임' 개념을 집합적 유죄 개념에 대비하면서 작금의 기후변화 문제가 개인윤리의 과제라기보다는 정치적 과제로 인식되어야 한다는 사실을 강조한다. 그리고 기후변화에 대한 '집합적 책임'의 교육활동이 그 자체로 교육자와 학습자가 공히 참여하는 공공의 정치행위로 전개되어야 마땅하다고 주장한다. 본 연구는 정치행위로서 기독교교육 활동의 전개방안에 관하여 다음의 네 가지를 제안한다. 첫째, 기후변화로 인한 인류존망 위기에 대한 불안 및 분노의 감정을 공적 수준에서 발표하며 공유하기. 둘째, 칸트가 말한 "확장된 심성(공통감각)"을 통하여 이기주의(이권 편향)를 초월하기. 셋째는 "시민참여로서 아렌트적 토론학습"으로 호명되는 대화와 토론의 학습공동체를 결성하는 일이다. 마지막으로 넷째는, 그 같은 학습공동체 안에서 "사랑으로 행동하는 믿음"을 이웃사랑의 지평에서 실천할 수 있도록 격려하는 기독교교육이 일어나야 한다는 점이다. 본 연구의 학술적 의의는 아렌트의 정치이론을 기후변화 및 기후활동, 그리고 기독교교육에 관계지어 구체적으로 다룬 국내 최초의 학제간 연구논문이라는 사실이다. 비록 정치이론을 기독교교육에 응용하는 이론적 조직신학적 연구를 표방하나, 실제 교육장면에서 활용가능한 실천적 제안을 동반하고 있음을 자부한다.

• 한국컴퓨터정보학회논문지
• /
• 제12권3호
• /
• pp.115-122
• /
• 2007

이 연구는 전자교육(e-Learning)과 집합교육의 장단점을 상호보완하는 교육형태인 블렌디드 학습(blended learning)이 고등학교 전자계산의 학습성취에 미치는 효과성을 검증하는데 목적이 있다. 이 목적을 달성하고자, 블렌디드 학습모형을 도출하고 이를 토대로 온라인 학습환경을 구축한 후, 경기도내 C고등학생 136명을 대상으로 실험집단(68명)과 비교집단(68명)을 구성했다. 두 집단의 사전검사 분석결과, 유의수준 5%에서 통계적으로 유의미한 차이가 없는 것으로 나타나 두 집단은 동질집단임을 확인하였다. 또한 두 집단을 대상으로 블렌디드 학습(실험집단)과 전통식 면대면 교실학습(비교집단)을 실시한 결과, 두 집단 학업성취도의 평균값 사이에 유의수준 1%에서 통계적으로 유의미한 차이를 나타내었다. 즉, 블렌디드 학습에서의 학업성취도가 전통적인 면대면 집합학습보다 더 높은 것으로 나타났다(t=-3.16. p=.0019). 이러한 결과는 블렌디드 학습이 전자계산 학습의 효과성에 긍정적인 결과를 가져다 줄 가능성을 보여 준 것으로, 블렌디드 학습이 기존 전자교육의 단점을 보완해 주는 대안적인 교수 학습방법으로 사용될 수 있음을 시사해 준다.

• 한국컴퓨터정보학회논문지
• /
• 제20권2호
• /
• pp.21-28
• /
• 2015

본 논문에서는 최근접 이웃 규칙을 이용한 프로토타입 선택 기반 분류 학습을 제안하였다. 각 훈련 데이터가 대표하는 클래스 영역을 구(sphere)로 분할하는데 최근접 이웃 규칙을 적용시키며, 구의 내부는 동일 클래스 데이터들만 포함하도록 한다. 프로토타입은 구의 중심점이며 프로토타입의 반지름은 가장 인접한 다른 클래스 데이터와 가장 먼 동일 클래스 데이터의 중간 거리 값으로 결정한다. 그리고 전체 훈련 데이터를 대표하는 최소의 프로토타입 집합을 선택하기 위해 집합 덮개 최적화를 이용하여 프로토타입 선택 문제를 변형시켰다. 제안하는 프로토타입 선택 방법은 클래스 별 적용이 가능한 그리디 알고리즘으로 설계되었다. 제안하는 방법은 계산 복잡도가 높지 않으며, 대규모 훈련 데이터에 대한 병렬처리의 가능성이 높다. 프로토타입 기반 분류 학습은 선택된 프로토타입 집합을 새로운 훈련 데이터 집합으로 사용하고 최근접 이웃 규칙을 적용하여 테스트 데이터의 클래스를 예측한다. 실험에서 제안하는 프로토타입 기반 분류기는 최근접 이웃 학습, 베이지안 분류 학습과 다른 프로토타입 분류기에 비해 일반화 성능이 우수하였다.

• 한국학교수학회논문집
• /
• 제6권1호
• /
• pp.27-43
• /
• 2003

본 논문은 자데교수에 의해 소개된 퍼지집합을 정의하면서 시작된 퍼지이론과 도이거넌과 팔마건에 의해 발전된 지식공간의 수학교육의 교수학습에 효과적으로 적용될 수 있는 모색하고자 하는 의도로 새로운 이론을 소개한다. 특히, 위 두 이론은 평가부분에서 현재의 평가방법이 해결할 수 없는 부분을 접근하여 수학 학습 평가의 새로운 장을 열 것으로 기대한다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2002년도 추계정기학술대회
• /
• pp.258-265
• /
• 2002

베이지안망은 기존의 방법에 비해 불확실한 상황에서도 지식을 표현하고 결론을 추론하는데 유용한 것으로 알려져 있다. 본 논문에서는 대표적인 베이지안망 분류기들을 제시하고, 동일 임상데이터에 대해 서로 다른 유형별 베이지안망 분류기들을 학습하였다. 베이지안망을 적용할 때 변수의 수가 많아짐에 따라 베이지안망의 구조를 학습하는데 탐색공간이 넓어져 어려움이 있다. 본 연구에서는 이런 탐색공간을 효율적으로 줄이기 위하여 클래스 노드의 Markov blanket에 속한 특징들로 집합을 축소하는 것을 제안하고, 실험을 통해 이 특징 축소방법이 베이지안망 분류기들의 성능을 높여 줄 수 있는지 알아보았다. 분류기들의 성능에서는 축소한 특징집합으로부터 얻은 베이지안망으로 확장한 나이브 베이지안망 분류기가 가장 우수한 정확도를 가짐을 실험을 통해 알 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
• /
• pp.244-246
• /
• 2006

웹 기반 교육 시스템에서 문제 집합 구성은 주로 고정 출제 방식, 무작위 출제 방식, 난이도에 따른 출제 방식으로 이루어진다. 문제 집합의 구성 시 문제 은행에서 문제 난이도에 대한 객관성을 유지하는 것이 무엇보다 중요하다. 따라서 본 논문에서는 난이도를 재조정하는데 학습자들의 문제 풀이 결과를 반영하는 새로운 난이도 재조정 알고리즘을 제시한다. 본 논문에서 제안하는 학습자 피드백 기반 문제 수준 조절 방법은 개인 시험 결과, 그룹 시험 결과 그리고 개인의 특정 섹션 시험 결과를 함께 고려하여 난이도를 조절한다. 기존 알고리즘과 비교 분석한 결과 문제 난이도의 변화율 측면에서 보다 현실적인 문제 난이도 변화를 확인할 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.154-156
• /
• 1999

문서 분류는 미리 정의된 두 개 또는 그 이상의 클래스에 새로 생성되는 객체들을 할당하는 방법이다. 문서의 자동 분류에 대한 연구는 오래 전부터 연구되어 왔지만 한국어에 대한 적용 및 연구는 다른 분야에 비해 아직까지 활발히 이루어지지 않고 있다. 본 논문에서는 문서를 자동으로 분류하기 위해 문서의 주제어에 가중치를 부여하고, 부족한 문서의 특징을 보충하기 위하여 말뭉치로부터 주제어들과의 상호정보에 의해 추출된 단어를 사용하여 문서를 표현한 후, 가중치를 부여한 문서의 주제어에 베이지안 분류자를 사용하여 문서분류를 수행한다. 실험은 한국어 정보검색 실험용 데이터 집합인 KTset95 문서 4,414개 중 1,300개의 문서를 학습 집합으로, 1,000개의 문서를 분류에 대한 검증 집합으로 사용하였다. 실험 결과, 순수 베이지안 확률을 사용한 기존의 방법보다 실험 집합과 검증 집합에서 각각 1.92%, 4.3% 향상된 분류 정확도를 얻었다.