• 한국콘텐츠학회논문지
• /
• 제14권6호
• /
• pp.453-465
• /
• 2014

본 연구는 과학과 의학 분야에서 많은 연구와 그 성과를 검증받고 있지만 사회과학과 경영분야에서 상대적으로 미흡한 연구가 진행된 문제중심학습에 대한 연구이다. 또한 본 연구에서는 외식창업관련과목에서 문제중심학습의 적용을 통해 문제해결능력에 대한 효과를 검증하고자하였다. 본 연구를 위한 문헌조사를 마친 후 외식창업관련과목을 위한 문제중심학습의 개발을 위해 교과목의 목표와 학생들의 외식창업관련 기초 지식을 점검하였다. 이후 문제의 개발과 시행에 대한 구체적이고 세밀한 부분에 대한 고려를 통해 하이브리드 형식의 문제중심학습을 진행하기로 하고 수업계획서, 문제의 생성과 적용, 평가과정에 대한 일련의 구성을 완성하였다. 교육 시행 후 학생들에게서 나타나는 문제해결능력의 향상 정도를 측정하기 위해 실험집단과 통제집단을 구분하고 이들에게 각각 문제중심학습과 일반적인 강의방식의 교육을 실시한 후 교육전과 후의 문제해결능력에 대한 변화를 측정하였다. 연구의 결과를 통해 일반적인 강의방식의 일부를 적용한 하이브리드 방식의 문제중심학습의 적용은 외식창업관련과목에서 학생들의 문제해결력을 향상시키는데 있어서 매우 효과적인 학습방법임을 선행연구들과 함께 다시 한 번 증명하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.73-82
• /
• 2022

Early detection continues to be the mainstay of breast cancer control as well as the improvement of its treatment. Even so, the absence of cancer symptoms at the onset has early detection quite challenging. Therefore, various researchers continue to focus on cancer as a topic of health to try and make improvements from the perspectives of diagnosis, prevention, and treatment. This research's chief goal is development of a system with deep learning for classification of the breast cancer as non-malignant and malignant using mammogram images. The following two distinct approaches: the first one with the utilization of patches of the Region of Interest (ROI), and the second one with the utilization of the overall images is used. The proposed system is composed of the following two distinct stages: the pre-processing stage and the Convolution Neural Network (CNN) building stage. Of late, the use of meta-heuristic optimization algorithms has accomplished a lot of progress in resolving these problems. Teaching-Learning Based Optimization algorithm (TIBO) meta-heuristic was originally employed for resolving problems of continuous optimization. This work has offered the proposals of novel methods for training the Residual Network (ResNet) as well as the CNN based on the TLBO and the Genetic Algorithm (GA). The classification of breast cancer can be enhanced with direct application of the hybrid TLBO- GA. For this hybrid algorithm, the TLBO, i.e., a core component, will combine the following three distinct operators of the GA: coding, crossover, and mutation. In the TLBO, there is a representation of the optimization solutions as students. On the other hand, the hybrid TLBO-GA will have further division of the students as follows: the top students, the ordinary students, and the poor students. The experiments demonstrated that the proposed hybrid TLBO-GA is more effective than TLBO and GA.

• 전자공학회논문지
• /
• 제49권9호
• /
• pp.370-378
• /
• 2012

본 연구에서는 다양한 모바일 기기에 운용 가능한 표준화와 고도화 기능을 충족시키기 위한 하이브리드 웹 기반의 스마트 러닝 시스템 구축 방안을 제안한다. 제안한 연구에서는 스마트 러닝 시스템 기능 정의를 바탕으로 표준 API 사양서 작성하고 이를 근거로 PC 기반의 e-러닝 시스템의 데이터를 API 연동 규격에 맞게 ASP 페이지를 구현한다. 그리고 PC 기반의 e-러닝 시스템과 모바일 기반의 스마트 러닝 시스템 간의 데이터 연동은 표준 API 방식 연동을 통한 Json/XML 형태의 데이터를 Https 프로토콜 기반으로 상호 연동을 수행하도록 한다. 제안한 시스템은 별도의 기반 시스템 및 지원 시스템 없이 즉시 데이터 교환이 가능한 구성을 가지며 PC 기반의 e-러닝 시스템의 수정 및 변화 없이 모바일 기반으로 학습 서비스가 가능함으로써 비용적인 측면에서 효과적인 시스템 구축이 가능함을 알 수 있다.

• 한국멀티미디어학회논문지
• /
• 제18권3호
• /
• pp.359-367
• /
• 2015

In this paper, we propose intelligent fire learning and detection system using hybrid visual attention mechanism of human. Proposed fire learning system generates leaned data by learning process of fire and smoke images. The features used as learning feature are selected among many features which are extracted based on bottom-up visual attention mechanism of human, and these features are modified as learned data by calculating average and standard variation of them. Proposed fire detection system uses learned data which is generated in fire learning system and features of input image to detect fire.

• Journal of Information Technology Applications and Management
• /
• 제9권2호
• /
• pp.1-16
• /
• 2002

Recently, neural network methods have been studied to find out more valuable information in data bases. But the supervised learning methods of neural networks have an overfitting problem, which leads to errors of target patterns. And the unsupervised learning methods can distort important information in the process of regularizing data. Thus they can't efficiently classify data, To solve the problems, this paper introduces a hybrid neural networks HACAB(Hybrid Algorithm combining a Competition learning model And BP Algorithm) combining a competition learning model and 8P algorithm. HACAB is designed for cases which there is no target patterns. HACAB makes target patterns by adopting a competition learning model and classifies input patterns using the target patterns by BP algorithm. HACAB is evaluated with random input patterns and Iris data In cases of no target patterns, HACAB can classify data more effectively than BP algorithm does.

• Nuclear Engineering and Technology
• /
• 제55권8호
• /
• pp.2854-2863
• /
• 2023

Objective: To present a hybrid approach that incorporates a constrained beam-hardening estimator (CBHE) and deep learning (DL)-based post-refinement for metal artifact reduction in dental cone-beam computed tomography (CBCT). Methods: Constrained beam-hardening estimator (CBHE) is derived from a polychromatic X-ray attenuation model with respect to X-ray transmission length, which calculates associated parameters numerically. Deep-learning-based post-refinement with an artifact disentanglement network (ADN) is performed to mitigate the remaining dark shading regions around a metal. Artifact disentanglement network (ADN) supports an unsupervised learning approach, in which no paired CBCT images are required. The network consists of an encoder that separates artifacts and content and a decoder for the content. Additionally, ADN with data normalization replaces metal regions with values from bone or soft tissue regions. Finally, the metal regions obtained from the CBHE are blended into reconstructed images. The proposed approach is systematically assessed using a dental phantom with two types of metal objects for qualitative and quantitative comparisons. Results: The proposed hybrid scheme provides improved image quality in areas surrounding the metal while preserving native structures. Conclusion: This study may significantly improve the detection of areas of interest in many dentomaxillofacial applications.

• 한국콘텐츠학회논문지
• /
• 제14권6호
• /
• pp.513-528
• /
• 2014

디지털 정보통신의 발달은 여러 미디어 관련 분야들이 융복합의 형태로 발전하면서 사회의 각 분야에 급속한 변화를 이끌어 온라인 교육의 혁명을 가져오게 되었다. 이것이 교육환경에 영향을 미쳐 기존의 교수자 중심 교육에서 학습자 중심교육으로 바뀌게 했다. 온라인 교육은 시간과 공간의 제약에서 벗어나 기본적 인프라가 구축되어 있는 곳이면 언제 어디서든 수업이 가능하다는 장점을 가지고 있다. 또한 이것은 반복학습 혹은 반복교수가 가능하기 때문에 학습자는 자신의 학습 유형(learning style)과 학습 성향 (learning orientation)에 맞는 수업을 받을 수 있게 되어 궁극적으로는 맞춤형 학습(customized learning)이 가능하게 한다. 그러나 이러한 온라인 교육의 장점 속에서도 여전히 면대면 교육의 필요성이 대두되는 바, 이 두 가지 방식을 적절히 혼합하여 상호 보완한 하이브리드 교육이 등장하게 되었다. 이러한 상황에서 앞으로도 온라인 교육은 계속해서 더욱 발전할 것이므로 기독교 대학은 향후 온라인 교육방식의 미래를 예측하면서 이에 대한 충분한 이해와 연구를 통해서 다양하게 활용해야 할 것이다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1998년도 추계종합학술대회 논문집
• /
• pp.1281-1284
• /
• 1998

This paper proposes an efficient time series prediction of the nonlinear dynamical discrete-time systems using multilayer neural networks of a hybrid learning algorithm. The proposed learning algorithm is a hybrid backpropagation algorithm based on the steepest descent for high-speed optimization and the dynamic tunneling for global optimization. The proposed algorithm has been applied to the y00 samples of 700 sequences to predict the next 100 samples. The simulation results shows that the proposed algorithm has better performances of the convergence and the prediction, in comparision with that using backpropagation algorithm based on the gradient descent for multilayer neural network.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1150-1156
• /
• 2019

This paper explores a model-free value-based approach for solving survival gridworld problem. Survival gridworld problem opens up a challenge involving taking risks to gain better rewards. Classic value-based approach in model-free reinforcement learning assumes minimal risk decisions. The proposed method involves a hybrid on-policy and off-policy updates to experience roll-outs using a modified Q-based update equation that introduces a parametric linear rectifier and motivational discount. The significance of this approach is it allows model-free training of agents that take into account risk factors and motivated exploration to gain better path decisions. Experimentations suggest that the proposed method achieved better exploration and path selection resulting to higher episode scores than classic off-policy and on-policy Q-based updates.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 B
• /
• pp.578-580
• /
• 1998

The paper presents an approach to the structure identification based on the CART (Classification And Regression Tree) algorithm and to the parameter identification by hybrid learning method in neuro-fuzzy system. By using the CART algorithm, the proposed method can roughly estimate the numbers of membership function and fuzzy rule using the centers of decision regions. Then the parameter identification is carried out by the hybrid learning scheme using BP (Back-propagation) and RLSE (Recursive Least Square Estimation) from the numerical data. Finally, we will show it's usefulness for fuzzy modeling to truck backer upper control.