• 지구물리와물리탐사
• /
• 제23권3호
• /
• pp.131-140
• /
• 2020

머신러닝을 이용한 분류 모델 훈련에서 학습자료의 양과 질은 학습한 모델의 성능을 좌우하므로 학습자료 생성이 매우 중요한 역할을 한다. 그러나 자료 생성에 높은 비용이 들어 이상적인 학습자료 생성이 어려울 때에는 클래스 간 자료 불균형 문제가 발생한다. 만약 학습자료로 사용될 탐사자료가 클래스 간 불균형하게 얻어지면, 클래스 별로 균형있는 학습이 이루어지기 힘들다. 따라서 데이터가 상대적으로 적은 클래스는 재현율이 현저히 떨어지게 된다. 그 뿐만 아니라 정확도와 정밀도 등의 평가지표들에 대한 신뢰도가 떨어지게 된다. 따라서 이 연구에서는 두 단계에 걸쳐 자료 불균형 문제를 해소하고자 하였다. 첫 번째로 기존의 정확도와 정밀도를 개선하여 자료 불균형을 고려할 수 있는 새로운 평가지표로 가중정확도와 가중정밀도를 고안하였다. 다음으로 클래스 간의 가중정밀도와 재현율의 균형을 맞추어 주도록 오버샘플링을 수행하였다. 개발한 알고리듬을 물리검층 자료를 이용한 암상 및 공극유체 규명 문제에 적용함으로써 검증하였다. 그 결과 다수 클래스와 소수 클래스들 간의 불균형이 상당 부분 완화되었고, 클래스 간의 경계를 보다 명확하게 확인할 수 있었다.

• 컴퓨터교육학회논문지
• /
• 제23권4호
• /
• pp.23-33
• /
• 2020

온라인 저지는 학습자가 제출한 소스의 컴파일과 실행, 문제 해결 여부에 대한 즉각적인 교정적 피드백을 제공하며 평가의 정확성과 신뢰성을 확보할 수 있지만, 대부분의 온라인 저지가 텍스트형 언어 만을 제공하고 있어 학습자의 수준에 따른 언어 선택이 어렵다. 본 연구에서는 온라인 저지용 블록형 언어를 개발하여 고등학교 수업에 적용하고, 블록형 언어 집단과 텍스트형 언어 집단 간 자기효능감의 차이를 확인하였다. 검정 결과, 블록형 언어 집단은 텍스트형 언어 집단 보다 '혐오경험극복 능력기대'가 더 높았고, 텍스트형 언어 집단은 사전-사후 검사에서 '활동시작 능력기대'와 '활동지속 능력기대'가 유의하게 감소된 것을 확인하였다. 이는 블록형 언어의 경우 차후 프로그래밍 활동에 대한 효능감에 효과가 있으며, 텍스트형 언어는 활동의 시작 단계와 진행 단계에서 학생의 자기효능감이 저하되지 않도록 하는 교수·학습 및 평가 방법을 강구해야 한다는 점을 함의한다. 본 연구는 고교 프로그래밍 수업에서 블록형 언어와 텍스트형 언어의 적용과 관련하여 자기 효능감 증진을 위한 교수·학습 설계의 기초를 제공한다는 점에서 의미가 있다.

• 한국지리정보학회지
• /
• 제17권4호
• /
• pp.101-111
• /
• 2014

공간사건들은 데이터마이닝 분류알고리즘을 이용하여 예측 가능하며, 의사결정 트리는 대표적인 분류알고리즘들 중 하나로 사용되고 있다. 의사결정 트리는 레이블 값을 갖는 분류작업에 주로 사용되었으나 규칙평가 기법을 트리 리프노드 등급 계산에 응용하면서부터 공간사건 예측에 이용되고 있다. 이 논문에서는 의사결정 트리에서 사용되는 규칙평가 방법들을 공간예측에 적용하여 비교하였다. 실험을 위해 의사결정 트리 알고리즘인 C4.5알고리즘과 규칙 평가기법인 Laplace, M-estimate 및 m-branch 기법들을 구현하여 자연환경에서 발생되는 대표적인 공간예측 응용분야인 산사태에 적용하였다. 적용한 규칙 평가 기법들의 정확도 평가결과, 그 특성에 따라 정확도의 차이가 있었으며 m-branch가 가장 높은 성능을 보였다. 그러나 m-branch 및 M-estimate와 같이 별도의 파라미터를 갖는 경우 반복적으로 최적의 파라미터 값을 찾는 과정을 요구하였다. 따라서 적용 대상에 따라 선택적으로 활용할 수 있다. 이러한 의사결정 트리를 이용한 공간예측은 예측 결과뿐만 아니라 특정 위치에서의 예측결과에 대한 원인분석을 가능하게 함으로 다양한 응용을 가능하게 한다.

• 한국과학교육학회지
• /
• 제38권2호
• /
• pp.219-234
• /
• 2018

본 연구에서는 국내 교육학 연구에서 거의 사용되지 않던 머신 러닝 기술을 과학 교육 연구에 접목하여, 학생들의 과학 논변 활동에서 나타나는 논변의 구성 요소를 분석하는 과정을 자동화할 수 있는 가능성을 탐색해보았다. 학습 데이터로는 Toulmin이 제안하였던 틀에 따라 학생들의 과학 논변 구성 요소를 코딩한 국내 선행 문헌 18건을 수합하고 정리하여 990개의 문장을 추출하였으며, 테스트 데이터로는 실제 교실 환경에서 발화된 과학 논변 전사 데이터를 사용하여 483개의 문장을 추출하고 연구자들이 사전 코딩을 수행하였다. Python의 'KoNLPy' 패키지와 '꼬꼬마(Kkma)' 모듈을 사용한 한국어 자연어 처리(Natural Language Processing, NLP)를 통해 개별 논변을 구성하는 단어와 형태소를 분석하였으며, 연구자 2인과 국어교육 석사학위 소지자 1인의 검토 과정을 거쳤다. 총 1,473개의 문장에 대한 논변-형태소:품사 행렬을 만든 후에 다섯 가지 방법으로 머신 러닝을 수행하고 생성된 예측 모델과 연구자의 사전 코딩을 비교한 결과, 개별 문장의 형태소만을 고려하였을 때에는 k-최근접 이웃 알고리즘(KNN)이 약 54%의 일치도(${\kappa}=0.22$)를 보임으로써 가장 우수하였다. 직전 문장이 어떻게 코딩되어 있는지에 관한 정보가 주어졌을 때, k-최근접 이웃 알고리즘(KNN)이 약 55%의 일치도(${\kappa}=0.24$)를 보였으며 다른 머신 러닝 기법에서도 전반적으로 일치도가 상승하였다. 더 나아가, 본 연구의 결과는 과학 논변 활동의 분석에서 개별문장을 고려하는 단순한 방법이 어느 정도 유용함과 동시에, 담화의 맥락을 고려하는 것 또한 필요함을 데이터에 기반하여 보여주었다. 또한 머신 러닝을 통해 교실에서 한국어로 이루어진 과학 논변 활동을 분석하여 연구자와 교사들에게 유용하게 사용될 수 있는 가능성을 보여준다.

• 한국학교수학회논문집
• /
• 제15권1호
• /
• pp.109-135
• /
• 2012

2009 개정에 따른 수학과 교육과정은 수학적 창의성과 더불어 인성을 갖춘 미래 사회의 인재 양성을 목표로 하며, 이러한 목표를 위하여 실생활과 연계된 수학 교육 내용을 구성하고, 학생 활동을 유도하여 수학을 체험할 수 있도록 권장하고 있다. 본 연구에서는 학교 수학에서 실생활과 연계성이 강한 확률과 통계 영역 내용에 해당하는 국제성취도 평가인 PISA 2003, TIMSS 2007의 일부 문항 분석을 통해 우리나라 학교수학에서의 효율적인 교수 학습 활동의 방향을 제안해 보고자 한다. 본 연구에서 두 국제성취도 평가를 분석 대상으로 삼은 이유는 PISA는 단순히 학생의 학업성취도만을 비교하는 것이 아니라 교육 환경이나 학습자와 관련된 여러 배경 변인들이 학업성취도에 어떤 영향을 미치는지에 대한 정보를 제공하고, TIMSS 또한 수학 과학 성취도를 국제적인 수준에서 파악하고 그 변화를 살펴 연구 참여국들의 교수 학습의 실제와 교육정책을 상호 비교할 수 있는 정보를 제공하는 연구이기 때문이다.

• 인터넷정보학회논문지
• /
• 제8권3호
• /
• pp.19-32
• /
• 2007

본 논문에서는 실시간 얼굴인증 시스템의 구축을 위한 LVQ 신경망 기반의 새로운 얼굴 인식 방법을 제안한다. 기존의 연구에서 PCA, LDA 변환이 많이 적용되며 신경망을 결합한 형태가 제안되고 있지만 신경망 학습 시간이 오래 걸리는 단점을 가지고 있다. LVQ 신경망은 학습 시간이 짧고 클래스간의 분리도를 최대화할 수 있는 교사학습방법이다. 따라서, 본 논문에서 제안된 방법은 동영상으로부터 실시간으로 입력되는 얼굴영상을 PCA와 LDA변환을 순차적으로 적용하여 부분공간상의 변환된 특징벡터로부터 LVQ 신경망의 학습을 통하여 얼굴을 인식한다. 외부조명의 영향에 강건한 인식시스템을 구축하기 위하여 얼굴검출 단계에서 검출된 얼굴영역은 밝기값의 최대-최소 정규화 방법에 의해 보정된 정규화 영상을 생성한다. 정규화된 얼굴영상은 PCA와 LDA 변환을 통해 부분공간상의 특징벡터로 변환된다. 변환된 훈련 데이터로부터 LVQ 신경망의 초기 중심 벡터를 결정하고 신경망의 학습률 향상을 위해 K-Means 클러스터링 알고리즘을 적용하며, 초기 중심 벡터를 이용하여 LVQ2 학습 방법에 의해 학습된 중심벡터는 클래스의 대표 벡터가 된다. 결국 각 클래스의 대표 벡터로부터 입력 영상의 특징벡터간의 유클리디언 거리 비교법을 적용하여 얼굴 인식을 수행한다. ORL 데이터베이스를 이용한 정지 영상에 대한 인식과 실시간으로 입력되는 영상에 대한 인식 등 두 가지 형태의 영상을 기반으로 실험한 결과 두 경우에 모두 제안된 방법이 기존의 인식 방법보다 인식률에서 우수함을 입증할 수 있었다.

• 전자공학회논문지SC
• /
• 제46권3호
• /
• pp.52-58
• /
• 2009

칼만 필터는 이동 목표물의 운동 상태 특성이 선형이라고 가정할 경우 비교적 정확하게 표적의 위치를 추정할 수 있는 알고리즘으로 목표물의 운동 상태 특성이 얼마나 정확하게 모형화 되었느냐에 따라 성능이 좌우된다. 표적의 다양성을 고려하지 않고 운동 특성을 일반적으로 모형화 하여 칼만필터(SKF : Simple Kalman filter) 알고리즘을 적용하는 경우 표적이 갑작스런 기동을 하게 되면 칼만필터의 고정된 프로세스 잡음 분산은 기동을 다를 수 없게 되므로 추적 성능은 현저히 저하된다. 본 논문에서는 이러한 문제점을 해결하기 위해 표적의 기동에 따른 프로세스 잡음 분산을 능동적으로 변화시켜 적용할 수 있는 능동형 칼만필터(ABC Active Kalman filter)를 구현하였다. 즉 표적이 가질 수 있는 기동의 범위를 구분하여 설정하고 기동의 정도에 따라 표적을 추적할 수 있는 칼만필터 프로세스 잡음 분산을 구하여 기동 정도에 따른 칼만필터 프로세스 잡음 분산을 오프 라인(off-line)에서 선행 학습시켰다. 선행 학습은 뉴럴네트워크를 이용하여 표적의 기동 상태에 따른 시스템 프로세스 잡음 분산을 인식하도록 하였으며, 그 결과에 따라 레이더가 실제 표적 탐지 및 추적 처리시 칼만필터의 프로세스 잡음 분산을 선택하여 실시간으로 반영할 수 있도록 능동형 칼만필터(AKF : Active Kalman filter)를 구현하고 시뮬레이션을 통해 성능 개선을 입증하였다.

• 생태와환경
• /
• 제33권3호통권91호
• /
• pp.230-243
• /
• 2000

1995년까지 우리 나라의 주요 하천을 대상으로 하여 출판된 논문에서 저서성 대형무척추 동물의 주요 분류군 출현현황을 종합적으로 고찰하고 인공신경회로망을 이용하여 유형분석을 하였다. 한강 수계의 11개 지류를 포함한 총 27개 하천에서 5문 10강 26목 108과 571종이 보고되었으며 주로 파리류, 하루살이류, 날도래류, 강도래류, 딱정벌레류, 잠자리류, 빈모류, 복족류 등이 출현하였고 주요 출현분류과는 Ephemerellidae, Baetidae, Heptageniidae, Hydropsychidae, Chironomidae, Hirudinae, Tubificidae, Perlodidae 등이었다. 하천의 군집구성은 환경교란 정도에 따라 세 그룹으로 나뉘어졌고 환경교란에 따라 군집의 종풍부도가 영향을 받았으며 Ephemeroptera, Plecoptera, Trichoptera, Diptera 및 Diptera 내의 Chironomidae에서는 환경교란이 클수록 종풍부도가 많이 감소되었다. 반면 Chironomus속은 교란이 커질수록 종풍부도가 증가되었다. 전 자료를 대상으로 코호넨망에 입력하여 유형화하였을 때 일차적으로 한강, 낙동강, 섬진강 등 주요 수계에 따라 군집이 묶여졌고 다음으로 환경교란에 따라 무리화 되었다. 비교적 청정하거나 오염이 심한 곳의 군집은 비교적 무리화가 잘된 반면 중간 정도로 오염된 곳은 세부군집으로 묶여져 흩어져 나타났다.

• 한국콘텐츠학회논문지
• /
• 제13권9호
• /
• pp.312-321
• /
• 2013

본 연구는 우리의 임상상황에 맞는 시뮬레이션 학습시나리오를 개발하고 시뮬레이션 학습에서 문제해결력과 학습 만족도를 평가함으로 적용가능성을 검증하고자 하였다. 본 연구의 학습시나리오는 응급실에 내원한 간경화증환자의 고칼륨혈증 사례를 개발하여 간경화증과 관련하여 합병증과 증상에 대한 다양한 상황을 시행해볼 수 있는 내용으로 구성하였다. 시나리오 개발단계는 시뮬레이션 학습 목표 및 시나리오 상황 설정, 알고리즘 작성, 임상수행평가 체크리스트 작성, 디브리핑 준비 순으로 이루어졌고, 시나리오는 Jeffries가 제시한 시뮬레이션 학습시나리오 진행 개요에 따라 모니터 세팅(행동들), 환자/마네킨(행동들), 예상되는 중재(사건), 단서를 시간에 따라 구성하였다. 시나리오는 '임상수행능력평가' 과목에 등록한 53명의 간호 학생을 4-5명씩 그룹화 하여 2011년에 사용되었다. 시뮬레이션 학습 적용 전 후 간호학생의 문제해결력 점수는 학습 전 평균 4.05점에서 학습 후 평균 4.30점으로 통계적으로 유의하게 향상되었고 (t=-3.97, p<.001), 시뮬레이션 학습 적용 후 학생들의 학습만족도는 5점 척도에 평균 4.09점을 나타냈으며, 학생들을 수업의 주체로 이끌어 낸 점은 시뮬레이션을 활용한 수업이 효과적인 간호교육방법이 될 수 있다고 본다.

• 대한원격탐사학회지
• /
• 제25권2호
• /
• pp.145-154
• /
• 2009

고해상도 위성영상이 갖는 공간 객체의 복잡성과 다양성에 의해 기존 중 저해상도 영상에서 사용하던 분류 방식을 고해상도 영상에 그대로 적용하기에는 한계가 있다. 이러한 문제를 극복하기 위하여 영상의 공간적인 특성을 추가적으로 추출하여 분광정보와 결합하여 분류를 수행하는 방식의 연구가 진행되고 있다. 본 연구의 목적은 고해상도 영상의 분류정확도를 개선하기 위하여 새로운 공간 개체(spatial feature)인 SSI(Shape-Size Index)를 제안하는데 있다. SSI feature는 영역 확장(Region Growing) 기반의 영상 분할(Image Segmentation)을 수행한 후, 세그먼트 내에 공간 속성값을 할당하여 공간정보를 추출한다. 추출된 공간정보를 고해상도 영상의 다중분광 밴드와 결합하여 Support Vector Machine(SVM)을 이용한 분류를 수행하였다. SSI를 구성하는데 필요한 두 매개변수인 분할변수와 가중치변수의 최적값을 얻기 위해서 고해상도 위성영상인 KOMFSAT-2와 QuickBird-2에 반복적으로 적용하였다. 결과적으로 고해상도 영상의 공간특성을 표현하는데 적합한 매개변수를 통하여 도출된 SSI와 고해상도 분광 밴드를 결합하여 분류를 수행한 결과가 분광밴드만을 이용하여 분류를 수행한 결과에 비해 높은 분류정확도를 도출함을 확인하였다.