• 대한정형외과학회지
• /
• 제55권2호
• /
• pp.143-153
• /
• 2020

목적: 58예의 직접전방 접근법을 통한 인공 고관절 치환술의 임상결과와 학습곡선을 분석하여 학습능력이 향상되는 시점에 대하여 알아보고자 하였다. 대상 및 방법: 2016년 11월부터 2018년 11월까지 58명의 환자를 대상으로 직접전방 접근법을 사용한 인공 고관절 치환술을 시행하였다. 초기 시행한 29명과 후기 시행한 29명을 후향적으로 비교분석하였다. 수술시간과 합병증(대전자 견열 골절, 외측 대퇴피신경 손상, 이소성 골화증, 감염, 탈구 등)을 바탕으로 분석하였다. 통계적 방법은 양 군 간에 대응표본 T 검정, 카이제곱 검정과 누적합법(cumulative sum, CUSUM) 분석을 사용하였다. 결과: 수술 시간은 전치환술은 평균 132.1분, 반치환술은 평균 79.7분으로 양 군에서 유의한 차이를 보였다. 수술 기간에 따른 CUSUM 분석을 시행하였고, 전치환술에서는 16번째 증례, 반치환술에서는 14번째 증례부터 수술시간이 각각 평균 수술시간보다 감소하였다. 합병증으로 전반기에 5예, 후반기에 0예로 총 5예의 대전자 견열골절이 있었으며, 외측대퇴피하신경 손상은 전반기 8예, 후반기 2예로 총 10예, 이소성 골화증은 전반기 3예, 후반기 2예로 총 5예, 탈구와 감염은 각각 전반기 1예씩, 기타 합병증 3예가 있었다. 전반기 1년간 수술 중 발생한 대전자 견열골절은 5예(17.2%), 후반기에는 0예(0%)가 있었으며 이를 CUSUM 분석을 통해 모니터링하였으나 증례가 많지 않아 유의한 차이를 보이지는 않았다. 결론: 직접전방 접근법을 이용한 인공 고관절 치환술은 해부학적 이해가 선행되어야 하고, 수술 시야의 확보가 어렵기 때문에 습득하는 데 최소 30예 이상의 학습곡선이 필요하다.

• 한국국방경영분석학회지
• /
• 제36권2호
• /
• pp.1-10
• /
• 2010

Learning rate is generally applied to estimate an appropriate production labor cost. Learning effect is obtained from repetitive work during the production period under 3 assumptions ; homogeneous production, same producer, quantity measure in continuous unit. However, production breaks occur frequently in Korean defense industry environment because of budget constraint and annual requirements. In this case previous learning effect can not be applied due to learning loss. This paper proposed the application of learning rate when a production break occurs in Korea defense industry. To obtain a learning loss, we surveyed various learning loss factors for different production breaks(6, 12, 18 months) from 4 defense industry companies. Then, we estimate the first unit labor hours in re-production phase after production break using Anderlohr method and Retrograde method with the result of the survey. This work is the first attempt to show a method which defines and evaluates the learning loss factors in Korean defense industry environment.

• 스마트미디어저널
• /
• 제5권3호
• /
• pp.35-41
• /
• 2016

본 논문에서는 심층 학습 모델 방법을 이용하여 EPS(Electronic Potential Sensor) 기반의 손동작 신호를 인식하는 시스템을 제안한다. 전기장 기반 센서인 EPS로부터 추출된 신호는 다량의 잡음이 포함되어 있어 이를 제거하는 전처리과정을 거쳐야 한다. 주파수 대역 특징 필터를 이용한 잡음 제거한 후, 신호는 시간에 따른 전압(Voltage) 값만 가지는 1차원적 특징을 지닌다. 2차원 데이터를 입력으로 하여 컨볼루션 연산을 하는 알고리즘에 적합한 형태를 갖추기 위해 신호는 차원 변형을 통해 재구성된다. 재구성된 신호데이터는 여러 계층의 학습 층(layer)을 가지는 심층 학습 기반의 모델을 통해 분류되어 최종 인식된다. 기존 확률 기반 통계적 모델링 알고리즘은 훈련 후 모델을 생성하는 과정에서 초기 파라미터에 결과가 좌우되는 어려움이 있었다. 심층 학습 기반 모델은 학습 층을 쌓아 훈련을 반복하므로 이를 극복할 수 있다. 실험에서, 제안된 심층 학습 기반의 서로 다른 구조를 가지는 컨볼루션 신경망(Convolutional Neural Networks), DBN(Deep Belief Network) 알고리즘과 통계적 모델링 기반의 방법을 이용한 인식 결과의 성능을 비교하였고, 컨볼루션 신경망 알고리즘이 다른 알고리즘에 비해 EPS 동작신호 인식에서 보다 우수한 성능을 나타냄을 보였다.

• 재활치료과학
• /
• 제4권2호
• /
• pp.73-83
• /
• 2015

목적 : 본 연구는 오차배제훈련을 병행한 시간차회상훈련이 경도인지장애(Mild Cognitive Impairment; MCI) 환자의 기억력에 미치는 효과와 수단적 일상생활(Instrumental Activities of Daily Living; IADL) 및 우울에 미치는 영향을 알아보고자 하였다. 연구방법 : 주간보호시설에 등록된 78세 MCI 노인을 대상으로 단일 대상 실험 연구 중 ABA 설계를 사용하여 실험을 진행하였다. 연구를 진행한 총 16회기 중 기초선 A는 총 3회기, 중재기간 B는 총 10회기, 기초선 A'는 총 3회기였다. 기억력을 측정하기 위한 회기별 평가로 Rey-Kim 언어 기억 검사(K-Auditory Verbal Learning Test; K-AVLT)를 사용하였고, 인지기능, IADL 수행 능력, 우울을 측정하기 위하여 각각 한국판 몬트리올 인지평가(Korean version of Montreal Cognitive Assessment; MoCA-K), 필라델피아 노인 센터 IADL 도구(Philadelphia Geriatric Center Instrumental Activities Daily Living; PGC IADL), 한국판 노인우울척도(Geriatric Depression Scale Korean Version; GDS-K)를 사용하였다. 결과 : 대상자는 기초선 A기간에 비하여 중재를 제공한 B기간에서의 즉시회상 및 지연회상이 현저히 증가하였다. 또한, 즉시회상과 지연회상 모두 B 기간에서 증가하던 측정값의 경향이 중재를 제거한 후인 기초선 A'구간에서 감소하는 경향을 보였다. MoCA-K 점수는 향상을 보였으며, PGC IADL 점수는 중재 전과 후가 같았고 GDS-K의 점수는 감소하였다. 결론 : 본 연구의 결과를 통하여 MCI 환자를 대상으로 실시한 오차배제훈련을 병행한 시간차 회상훈련의 근거를 확고히 하였다. 나아가 MCI 환자들이 기억력과 함께 어려움을 겪는 요인을 향상시키기 위한 중재 및 기억력과 다른 기능적 요소들에 대한 상관관계에 대하여 추가적인 연구가 필요할 것이다.

• 교육공학연구
• /
• 제33권4호
• /
• pp.1001-1024
• /
• 2017

최근 대학에서 학습자 중심 교수학습방법으로 플립드 러닝이 활발히 적용되고 있다. 학습자의 적극적인 참여를 유도하는 학습환경으로서 플립드 러닝의 장점에도 불구하고, 강의식 수업에 익숙한 다수의 학습자들은 보다 능동적인 역할이 요구되는 플립드 러닝 환경에 쉽게 적응하지 못한다는 지적이 제기되고 있다. 이에 본 연구에서는 플립드 러닝에서 성공적인 학습활동을 지원하기 위하여 역량모델링을 통하여 플립드 러닝 환경에서 우수한 학습자의 역량과 행동지표를 탐색하였다. 본 연구에서 역량모델링은 1) 자료수집, 2) 역량도출 및 모형개발, 3) 역량모형 타당화의 절차로 진행되었다. 먼저, 자료수집을 위해 서울 시내에 소재한 한 대학에서 플립드 러닝으로 운영된 강좌를 수강한 학습자 8명을 대상으로 행동사건면담을 실시하였다. 우수 학습자들은 플립드 러닝으로 진행된 대학 강좌에서 형성 평가와 팀 프로젝트 평가에서 상위 10%이내의 성적을 받았으며 학습과정에서 우수한 수행으로 교수자의 추천을 받은 학생들이었다. 이들에 대한 면담 자료를 분석 후, 대학의 플립드 러닝에서 우수 학습자 역량을 도출하였다. 연구 결과, 대학의 플립드 러닝에서 우수 학습자 역량으로 '피드백 도움 요청', '성실한 학습관리', '지식 확장', '동료 상호작용', '학습지향성'이 도출되었으며, 이에 대한 세부적인 행동지표들을 개발하였다. 도출된 역량모형의 타당화를 위하여 플립드 러닝 수강생 134명을 대상으로 요인분석을 실시하였다. 끝으로 플립드 러닝의 수업 전과 수업 중의 두 단계에 따라 보다 중요시되는 역량들을 확인함으로써 플립드 러닝의 수업단계에 따라 성공적인 학습을 위해 요구되는 최종 역량모형을 제시하였다.

• Biomolecules & Therapeutics
• /
• 제16권4호
• /
• pp.320-327
• /
• 2008

Several lines of evidence indicate that adenosine $A_{2A}$ agonist disrupts spatial working memory. However, it is unclear which stages of learning and memory are affected by the stimulation of adenosine $A_{2A}$ receptor. To clarify these points, we employed CV-1808 as adenosine $A_{2A}$ agonist and investigated its effects on acquisition, consolidation, and retrieval phases of learning and memory using passive avoidance and the Morris water maze tasks. During the acquisition phase, CV-1808 (2-phenylaminoadenosine, 1 and 2 mg/kg, i.p.) decreased the latency time in passive avoidance task and the mean savings in the Morris water maze task, respectively. During the consolidation and retrieval phase tests, CV-1808 did not exhibited any effects on latency time in passive avoidance task and the mean savings in the Morris water maze task. These results suggest that CV-1808 as an adenosine $A_{2A}$ agonist impairs memory acquisition but not consolidation or retrieval.

• Korean Journal of Hydrosciences
• /
• 제4권
• /
• pp.1-9
• /
• 1993

It is a major objective for the management and operation of water resources system to forecast streamflows. The applicability of artificial neural network model to hydrologic system is analyzed and the performance is compared by statistical method with observed. Multi-layered perception was used to model rainfall-runoff process at Pyung Chang River Basin in Korea. The neural network model has the function of learning the process which can be trained with the error backpropagation (EBP) algorithm in two phases; (1) learning phase permits to find the best parameters(weight matrix) between input and output. (2) adaptive phase use the EBP algorithm in order to learn from the provided data. The generalization results have been obtained on forecasting the daily and hourly streamflows by assuming them with the structure of ARMA model. The results show validities in applying to hydrologic forecasting system.

• 한국수학교육학회지시리즈D:수학교육연구
• /
• 제25권1호
• /
• pp.21-43
• /
• 2022

Investigating the relationship between intrinsic and extrinsic motivation and their effects on affective mathematics engagement in a cultural context is critical for determining which types of motivation promote affective mathematics engagement and the relationship with cultural affordance. The investigation in the current study is comprised of two dependent studies. The results from Phase 1 indicate that attitude and emotion are better explained by extrinsic motivation, while self-acknowledgment and value are better explained by intrinsic motivation. The results of Phase 2 indicate that the Korean sample has greater extrinsic motivation, attitude, and emotion, while the U.S. sample has greater intrinsic motivation, self-acknowledgment, and value. The key outcome for this research is that disentangling cultural affordance from the emotional and cognitive structures is impossible.

• 한국통신학회논문지
• /
• 제16권10호
• /
• pp.934-940
• /
• 1991

본 논문에서는 새로운 양자화 방법을 도입하여 학습을 수행하는 단층 신경망을 광학적으로 구현하였다 본 논문의 시스템은 입력 마스크 위상형 홀로그램 회절격자. LCD, CCD 카메라 등으로 구성된다. 입력단의 뉴런과 출력단의 뉴런간의 연결은 홀로그램 회절격자를 이용하여 2차원 연결을 이루었으며, 회절광들의 세기를 같게 하기 위하여 진폭형 회절격자를 위상형 회절격자로 변환시켰다. 뉴런간의 가중치는 2진 양자화되어 LCD를 이용하여 나타내었고, 출력값은 CCD를 통하여 컴퓨터에 입력되어 가중치를 보정하며, 이 과정은 학습이 완료될 때가지 반복 수행된다. 실험은 학습도 (learning rate) 0.5, 0.9에 대하여 실행하였으며, 제안된 방식으로 학습을 무리없이 수행할 수 있음을 확인할 수 있었다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제45권2호
• /
• pp.151-158
• /
• 2022

The Cardiac Gated Blood Pool (GBP) scintigram, a nuclear medicine imaging, calculates the left ventricular Ejection Fraction (EF) by segmenting the left ventricle from the heart. However, in order to accurately segment the substructure of the heart, specialized knowledge of cardiac anatomy is required, and depending on the expert's processing, there may be a problem in which the left ventricular EF is calculated differently. In this study, using the DeepLabV3 architecture, GBP images were trained on 93 training data with a ResNet-50 backbone. Afterwards, the trained model was applied to 23 separate test sets of GBP to evaluate the reproducibility of the region of interest and left ventricular EF. Pixel accuracy, dice coefficient, and IoU for the region of interest were 99.32±0.20, 94.65±1.45, 89.89±2.62(%) at the diastolic phase, and 99.26±0.34, 90.16±4.19, and 82.33±6.69(%) at the systolic phase, respectively. Left ventricular EF was calculated to be an average of 60.37±7.32% in the ROI set by humans and 58.68±7.22% in the ROI set by the deep learning segmentation model. (p<0.05) The automated segmentation method using deep learning presented in this study similarly predicts the average human-set ROI and left ventricular EF when a random GBP image is an input. If the automatic segmentation method is developed and applied to the functional examination method that needs to set ROI in the field of cardiac scintigram in nuclear medicine in the future, it is expected to greatly contribute to improving the efficiency and accuracy of processing and analysis by nuclear medicine specialists.