• Journal of Korea Multimedia Society
• /
• v.5 no.3
• /
• pp.290-297
• /
• 2002

The appearance of web technology has accelerated the role of the application of multimedia technology, computer communication technology and multimedia application contents. Recently WBI model which is based on web has been proposed in the part of the new activity model of teaching-teaming. How to learn and evaluate is required to consider individual learner's learning level. And it is recognized that the needs of the efficient and automated education agents in the web-based instruction is increased But many education systems that had been studied recently did not service fluently the courses which learners had been wanting and could not provide the way for the learners to study the learning weakness which is observed in the continuous feedback of the course. In this paper we propose design of multi-module system for course scheduling of learner-oriented using weakness analysis algorithm. First proposed system monitors learner's behaviors constantly, evaluates them, and calculates his accomplishment and weakness. From this weakness the multi-agent prepares the learner a suitable course environment to strengthen his weakness. Then the learner achieves an active and complete teaming from the repeated and suitable course.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.10 no.11
• /
• pp.3241-3245
• /
• 2009

In this paper we propose mechanism for course scheduling of learner-oriented using weakness analysis algorithm. The proposed mechanism monitors learner's behaviors constantly evaluates them and calculates his accomplishment. From this accomplishment the schedules the suitable course for the learner. The learner achieves an active and complete learning from the repeated and suitable course.

• Review of KIISC
• /
• v.30 no.6
• /
• pp.107-115
• /
• 2020

다양한 응용분야에서 심층신경망 기반의 학습 모델이 앞 다투어 이용됨에 따라 인공지능의 설명 가능한 동작 원리 해석과, 추론이 갖는 불확실성에 관한 분석 또한 심도 있게 연구되고 있다. 이에 심층신경망 기반 기계학습 모델의 취약성이 수면 위로 드러났으며, 이러한 취약성을 이용하여 악의적으로 모델을 공격함으로써 오동작을 유도하고자 하는 시도가 다방면으로 이루어짐에 의해 학습 모델의 강건함 보장은 보안 분야에서의 쟁점으로 부각되고 있다. 모델 추론의 입력으로 이용되는 이미지에 교란값을 추가함으로써 심층신경망의 오분류를 발생시키는 임의의 변형된 이미지를 적대적 사례라 정의하며, 본 논문에서는 최근 인공지능 및 컴퓨터비전 분야에서 이루어지고 있는 이미지 기반 적대적 사례의 생성 기법에 대하여 논한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05d
• /
• pp.802-806
• /
• 2002

최근에 웹 기반 교육 시스템으로서 다양한 온라인 학습에 대한 새로운 교수 모형이 제시되고 있다. 또한, 학습자의 요구에 맞는 코스웨어의 주문이 증가되고 있는 추세이며 그에 따라 웹 기반 교육 시스템에 효율적이고 자동화된 교육 에이전트의 필요성이 인식되고 있다. 그러나 현재 연구되고 있는 많은 교육 시스템들은 학습자 성향에 맞는 코스를 적절히 서비스해 주지 못할 뿐 아니라 지속적인 피드백과 학습자가 코스를 학습함에 있어서 취약한 부분을 재학습 할 수 있도록 도와주는 서비스를 원활히 제공하지 못하고 있다. 본 논문에서는 취약성 분석 알고리즘을 이용한 학습자 중심의 코스 스케쥴링 멀티 에이전트 시스템을 제안한다. 제안한 시스템은 먼저 학습자의 학습을 지속적으로 모니터링하고 평가하여 개인 학습자의 학습 성취도를 계산하며, 이 성취도를 에이전트의 스케쥴에 적용하여 학습자에게 적합한 코스를 제공하고, 학습자는 이러한 코스에 따라 능력에 맞는 반복된 학습을 통하여 적극적인 완전학습을 수행하게 된다.

• The KIPS Transactions:PartB
• /
• v.8B no.6
• /
• pp.595-600
• /
• 2001

Recently, WBI model which is based on web has been proposed in the part of the new activity model of teaching-learning. The demand for the customized coursewares which is required from the learners is increased, the needs of the efficient and automated education agents in the web-based instruction are recognized. But many education systems that had been studied recently did not service fluently the courses which learners had been wanting and could not provide the way for the learners to study the learning weakness which is observed in the continuous feedback of the course. In this paper we propose design of multi-agent system for course scheduling of learner-oriented using weakness analysis algorithm. First, proposed system monitors learner's behaviors constantly, evaluates them, and calculates his accomplishment. From this accomplishment, the multi-agent schedules the suitable course for the learner. The learner achieves an active and complete learning from the repeated and suitable course.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.621-623
• /
• 2023

본 논문에서는 기계 학습 모델의 취약점과 대응책에 초점을 맞추어 적대적인 기계 학습 공격 및 방어 분야를 탐구한다. 신중하게 만들어진 입력 데이터를 도입하여 기계 학습 모델을 속이거나 조작하는 것을 목표로 하는 적대적 공격에 대한 심층 분석을 제공한다. 이 논문은 회피 및 독성 공격을 포함한 다양한 유형의 적대적 공격을 조사하고 기계 학습 시스템의 안정성과 보안에 대한 잠재적 영향을 조사한다. 또한 적대적 공격에 대한 기계 학습 모델의 견고성을 향상시키기 위해 다양한 방어 메커니즘과 전략을 제안하고 평가한다. 본 논문은 광범위한 실험과 분석을 통해 적대적 기계 학습에 대한 이해에 기여하고 효과적인 방어 기술에 대한 통찰력을 제공하는 것을 목표로 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04a
• /
• pp.545-548
• /
• 2002

최근에 웹 기반 교육 시스템으로서 다양한 온라인 학습에 대한 새로운 교수 모형이 제시되고 있다. 또한, 학습자의 요구에 맞는 코스웨어의 주문이 증가되고 있는 추세이며 그에 따라 뭔 기반 교육 시스템에 효율적이고 자동화된 교육 에이전트의 필요성이 인식되고 있다. 그러나 현재 연구되고 있는 많은 교육 시스템들은 학습자 성향에 맞는 코스를 적절히 서비스해 주지 못할 뿐 아니라 지속적인 피드백과 학습자가 코스를 학습함에 있어서 취약한 부분을 재학습 할 수 있도록 도와주는 서비스를 원활히 제공하지 못하고 있다. 본 논문에서는 취약성 분석 알고리즘을 이용한 학습자 중심의 코스 스케쥴링 멀티 에이전트 시스템을 제안한다. 제안한 시스템은 먼저 학습자의 학습을 지속적으로 모니터링하고 평가하여 개인 학습자의 학습 성취도를 계산하며, 이 성취도를 에이전트의 스케줄에 적용하여 학습자에게 적합한 코스를 제공하고, 학습자는 이러한 코스에 따라 능력에 맞는 반복된 학습을 통하여 적극적인 완전학습을 수행하게 된다.

• The KIPS Transactions:PartA
• /
• v.8A no.4
• /
• pp.517-522
• /
• 2001

The appearance of web technology has accelerated a role of the development of the multimedia technology, the computer communication technology and the multimedia application contents. And serveral researches of WBI (Web-based Instruction) system have combined the technology of the digital library and LOD. Recently WBI (Web-based Instruction) model which is based on web has been proposed in the part of the new activity model of teaching-learning. And the demand of the customized coursewares which is required from the learners is increased, the needs of the efficient and automated education agents in the web-based instruction are recognized. But many education systems that had been studied recently did not service fluently the courses which learners had been wanting and could not provide the way for the learners to study the learning weakness which is observed in the continuous feedback of the course. In this paper we propose "Design of Multi-agent System for Course Scheduling of Learner-oriented using Weakness Analysis Algorithm". First proposed system monitors learner's behaviors constantly, evaluates them, and calculates his accomplishment. From this accomplishment the multi-agent schedules the suitable course for the learner. And the learner achieves a active and complete learning from the repeated and suitable course.le course.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.646-648
• /
• 2001

전자도서관과 LOD 기술을 접목한 웹기반 교육 시스템의 연구는 몇 년 동안 활발히 진행되어 왔다. 특히, 멀티미디어 기술 및 컴퓨터 통신 기술 개발의 가속화 및 이을 응용한 컨텐츠 개발에 촉진제 역할을 하게된 웹의 탄생은 교수-학습 활동에서의 교육형태로 인식할 수 있는 전환점을 제공하게 되었고, 웹을 기반으로 한 교육(WBI: Web-Based Instruction)이라는 새로운 교수 모형이 제시되기에 이르렀다. 또한, 최근에 학습자의 요구에 맞는 코스웨어 주문이 증가되고 있는 추세이며 그에 따라 웹 기반 교육 시스템의 효율적이고 자동화된 교율 에이전트의 필요성이 인식되어 있다. 그러나 현재 연구되고 있는 많은 교육 시스템들은 학습자 성향에 맞는 코스를 적절히 서비스 해지 못할 뿐 아니라 지속적인 피드백과 학습자가 코스를 학습함에 있어서 취약한 부분을 재학습 할 수 있도록 도와주는 서비스를 제공하지 못하고 있다. 본 논문에서는 학습자의 학습 모니터링과 지속적인 학습평가에 의하여 개인 학습자의 학습 성취도를 계산하여 학습자에게 적합한 코스 스케쥴을 제공해 주는 코스 스케쥴링 멀티 에이전트를 제안하고자 한다.

• Journal of the Society of Disaster Information
• /
• v.18 no.4
• /
• pp.899-907
• /
• 2022

Purpose: Although many studies on seismic fragility analysis of general bridges have been conducted using machine learning methods, studies on curved bridge structures are insignificant. Therefore, the purpose of this study is to analyze the seismic fragility of bridges with I-shaped curved girders based on the machine learning method considering the material property and geometric uncertainties. Method: Material properties and pier height were considered as uncertainty parameters. Parameters were sampled using the Latin hypercube technique and time history analysis was performed considering the seismic uncertainty. Machine learning data was created by applying artificial neural network and response surface analysis method to the original data. Finally, earthquake fragility analysis was performed using original data and learning data. Result: Parameters were sampled using the Latin hypercube technique, and a total of 160 time history analyzes were performed considering the uncertainty of the earthquake. The analysis result and the predicted value obtained through machine learning were compared, and the coefficient of determination was compared to compare the similarity between the two values. The coefficient of determination of the response surface method was 0.737, which was relatively similar to the observed value. The seismic fragility curve also showed that the predicted value through the response surface method was similar to the observed value. Conclusion: In this study, when the observed value through the finite element analysis and the predicted value through the machine learning method were compared, it was found that the response surface method predicted a result similar to the observed value. However, both machine learning methods were found to underestimate the observed values.