• International Journal of Computer Science & Network Security
• /
• 제21권3호
• /
• pp.21-30
• /
• 2021

Economic transformations have led to an increase in the role of creative assets and their central role in public life. Changes in creative activity have led to a change in the organization of the work of institutes engaged in the training of specialists, in particular teachers of labor education. Methods and approaches to training determine the development of creative industries, being the basis for models of professional training of future teachers of labor training. The purpose of an article was to develop a modern model of professional training of future teachers of labor training based on the concept of creative economy. The methodology is based on the concepts of holistic craft and creative economy. Based on the integration of pedagogical learning models "Craft as design and problem-solving", "Craft as skill and knowledge building", "Craft as product-making" and "Craft as self-expression" developed and experimentally confirmed the conceptual model of professional training of future teachers of labor training. The proposed model forms a practitioner with professional, technical, digital and creative skills who is able to transfer the experience to students. The training course "Creativity and creative thinking" has been developed. The model provided for the development of a course based on the strategy of developing professional creativity, flexibility, improvisation, openness, student activity, joint practice, student-oriented approach. The practical value implies the adaptation of the developed model of professional training of future teachers of labor education during the training of teachers in higher education, which is confirmed in the experiment.

• 한국음향학회지
• /
• 제40권2호
• /
• pp.176-182
• /
• 2021

본 논문은 다양한 손실 함수에 따른 Deep Nerual Network(DNN) 기반 음성 향상 모델의 성능을 비교 평가한다. 베이스라인 모델로는 음성의 위상 정보를 고려할 수 있는 복소 네트워크를 사용하였다. 손실 함수는 두 가지 유형의 기본 손실 함수, Mean Squared Error(MSE)와 Scale-Invariant Source-to-Noise Ratio(SI-SNR)를 사용하였으며 두 가지 유형의 지각 기반 손실 함수 Perceptual Metric for Speech Quality Evaluation(PMSQE)과 Log Mel Spectra(LMS)를 사용한다. 성능은 각 손실 함수의 다양한 조합을 사용하여 얻은 출력을 객관적인 평가와 청취 테스트를 통해 측정하였다. 실험 결과, 지각기반 손실 함수를 MSE 또는 SI-SNR과 결합하였을 때 전반적으로 성능이 향상되며, 지각기반 손실함수를 사용하면 객관적 지표에서 약세를 보이는 경우라도 청취 테스트에서 우수한 성능을 보임을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제25권8호
• /
• pp.1212-1223
• /
• 2022

Skin lesions are common diseases that range from skin rashes to skin cancer, which can lead to death. Note that early diagnosis of skin diseases can be important because early diagnosis of skin diseases considerably can reduce the course of treatment and the harmful effect of the disease. Recently, the development of computer-aided diagnosis (CAD) systems based on artificial intelligence has been actively made for the early diagnosis of skin diseases. In a typical CAD system, the accurate classification of skin lesion types is of great importance for improving the diagnosis performance. Motivated by this, we propose a novel deep ensemble classification with multi-scale attention networks. The proposed deep ensemble networks are jointly trained using a single loss function in an end-to-end manner. In addition, the proposed deep ensemble network is equipped with a multi-scale attention mechanism and segmentation information of the original skin input image, which improves the classification performance. To demonstrate our method, the publicly available human skin disease dataset (HAM 10000) and the private animal skin lesion dataset were used for the evaluation. Experiment results showed that the proposed methods can achieve 97.8% and 81% accuracy on each HAM10000 and animal skin lesion dataset. This research work would be useful for developing a more reliable CAD system which helps doctors early diagnose skin diseases.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권8호
• /
• pp.2068-2082
• /
• 2023

With the rapid development of deep learning, Depth Map Super-Resolution (DMSR) method has achieved more advanced performances. However, when the upsampling rate is very large, it is difficult to capture the structural consistency between color features and depth features by these DMSR methods. Therefore, we propose a color-image guided DMSR method based on iterative depth feature enhancement. Considering the feature difference between high-quality color features and low-quality depth features, we propose to decompose the depth features into High-Frequency (HF) and Low-Frequency (LF) components. Due to structural homogeneity of depth HF components and HF color features, only HF color features are used to enhance the depth HF features without using the LF color features. Before the HF and LF depth feature decomposition, the LF component of the previous depth decomposition and the updated HF component are combined together. After decomposing and reorganizing recursively-updated features, we combine all the depth LF features with the final updated depth HF features to obtain the enhanced-depth features. Next, the enhanced-depth features are input into the multistage depth map fusion reconstruction block, in which the cross enhancement module is introduced into the reconstruction block to fully mine the spatial correlation of depth map by interleaving various features between different convolution groups. Experimental results can show that the two objective assessments of root mean square error and mean absolute deviation of the proposed method are superior to those of many latest DMSR methods.

• 트랜스-
• /
• 제14권
• /
• pp.123-155
• /
• 2023

본 논문은, 일본의 커뮤니티 시네마의 역사적 발전과정에 대한 문헌고찰을 바탕으로 영화공동감상을 기반으로 한 사회적 가치창출과정의 특징을 분석한다. 일본에서는 영상매체의 디지털화, 매체공간의 개인화가 증가한 21세기 현대사회에서도 비상업극장 및 비극장상영에서 공동감상의 문화가 유지되고 있다. 그리고 이러한 감상환경을, '커뮤니티 시네마'라는 이름으로 통합하여 지원하는 일본 커뮤니티 시네마 센터도 설립·운영되고 있다. 연구의 결과, 커뮤니티 시네마의 특징은 다음과 같다. 첫째, 비극장상영 단체나 감상단체가 시민과 협력하여 영화관을 설립·운영한다. 둘째, 공동 감상을 운영하는 단체나 기관의 대규모 연계를 통해 영화문화를 이해하고 영화문화운동에 참여할 관객을 육성하는 이론적 · 실천적 · 참여적 학습기회를 만든다. 셋째, 공동감상을 기반으로 하여 관객이 주도하는 영화문화 환경을 정비하여 공동성을 실감하는 사회적 장을 만들고 나아가 영화와 사회문제해결을 융합하는 영화의 사회적 활용을 도모한다.

• 문화기술의 융합
• /
• 제9권3호
• /
• pp.159-166
• /
• 2023

본 지능정보사회에서 인문학은 기술 자체만큼이나 중요성을 지닌다. 감성적이고 인간성을 반영한 인간 중심의 융복합 정보기술(IT)은 예측하기 어려운 미래 시대에 낙관적 전망을 가진 독보적 기술이라 할 수 있다. 이러한 연구 배경에 따라 본 논문은 융복합 교육모델들에 관한 선행연구 분석을 통해 초·중등학생, 예비교원, 현직교원, 학교 관리자, 일반인 등 여러 학습자의 IT인문학 역량을 제고할 수 있는 교육을 구성할 수 있는 교육모델을 제안하였다. 나아가, 제안하는 모델의 실천적 측면을 면밀히 고찰하여 제안하는 교육모델이 교육 현장에 안정적으로 접목되고 활용될 수 있도록 하였다. 본 논문에서 제안하는 교육모델의 실천 전략은 총 7가지로 교재 및 교수·학습자료 연구, 연구 성과의 대중적 확산 활동 및 교육 연계 활동의 활성화, 메이커 스페이스 조성, 글로벌 공동연구, 온라인 교육 운영, 리빙랩 거버넌스 구축, 지속 가능한 실천 교육을 위한 자생플랫폼 다각화 등을 포함한다. 향후 전문가 Delphi를 통한 타당도 검증이 후속 연구로 요구된다.

• Steel and Composite Structures
• /
• 제52권1호
• /
• pp.31-43
• /
• 2024

A very widely used analytical method (mathematical model), mentioned in Eurocode 3, to examine the connections' bending behavior is the component-based method that has certain weak points shown in the plastic behavior part of the moment-rotation curves. In the component method available in Eurocode 3, for simplicity, the effect of strain hardening is omitted, and the bending behavior of the connection is modeled with the help of a two-line diagram. To make the component method more efficient and reliable, this research proposed its advanced version, wherein the plastic part of the diagram was developed beyond the guidelines of the mentioned Regulation, implemented to connect the end plate, and verified with the moment-rotation curves found from the laboratory model and the finite element method in ABAQUS. The findings indicated that the advanced component method (the method developed in this research) could predict the plastic part of the moment-rotation curve as well as the conventional component-based method in Eurocode 3. The comparison between the laboratory model and the outputs of the conventional and advanced component methods, as well as the outputs of the finite elements approach using ABAQUS, revealed a different percentage in the ultimate moment for bolt-extended end-plate connections. Specifically, the difference percentages were -31.56%, 2.46%, and 9.84%, respectively. Another aim of this research was to determine the optimal dimensions of the end plate joint to reduce costs without letting the mechanical constraints related to the bending moment and the resulting initial stiffness, are not compromised as well as the safety and integrity of the connection. In this research, the thickness and dimensions of the end plate and the location and diameter of the bolts were the design variables, which were optimized using Particle Swarm Optimization (PSO), Snake Optimization (SO), and Teaching Learning-Based Optimization (TLBO) to minimization the connection cost of the end plate connection. According to the results, the TLBO method yielded better solutions than others, reducing the connection costs from 43.97 to 17.45€ (60.3%), which shows the method's proper efficiency.

• 한국산업정보학회논문지
• /
• 제29권4호
• /
• pp.77-89
• /
• 2024

슬관절 골관절염(OA, Osteoarthritis)은 전 세계적으로 매우 흔한 근골격계 질환이다. 빠르고 정확한 초기 진단이 필요한 슬관절 골관절염의 등급은 현재 분산된 분류 시스템에 따라 다르게 판정되며, 각 분류 시스템마다 기준이 상이하다. 또한 의료진이 X-ray 사진을 직접 보고 판독하기 때문에 의료진의 주관적인 의견에 따라 달라지며 시간이 많이 소요되어 정확한 진단과 명확한 치료 계획 수립에 시간이 지연되고 있다. 따라서 본 연구는 딥러닝 기술인 CNN을 사용하여 슬관절 골관절염 등급 판단 기준이 되는 협착 부분의 길이 측정 알고리즘과 골극의 탐지 및 길이 측정 알고리즘을 따로 설계하였다. 또한 기존 분류 시스템을 통합 보완한 등급 분류 시스템을 만들어 실제 의료진의 판단과 일치하는 결과를 나타내고자 한다. 공개적으로 사용 가능한 OAI (Osteoarthritis Initiative) 데이터를 기반으로 하여, 총 9,786개의 슬관절 방사선 데이터가 본 연구에 사용되었으며, 최종적으로 Accuracy(정확도) 69.8%, F1 score 76.65%를 달성하였다.

• 유통과학연구
• /
• 제10권1호
• /
• pp.5-10
• /
• 2012

본 연구는 보상프로그램의 구성에 관한 연구이다. 이를 위해 재무가치적 보상프로그램과 서비스 가치적 보상프로그램에 대한 관여수준별 선호도를 분석하였다. 또한 보상 프로그램의 평가모드(SE, JE)에 따라 선호도가 어떻게 달라지는지를 파악하였다. 실험결과 관여수준에 따라 보상프로그램에 대한 선호도는 일부 차이를 보이고 있으며 결합된 보상프로그램에 대한 선호도가 높게 나타나고 있었다. 여기서 특이한 점은 재무적 보상프로그램에 서비스 보상프로그램이 결합되는 경우에 고객들은 보상프로그램에 대해 보다 더 높은 선호도를 보이고 있어, 기존 재무보상 중심에서 벗어나 서비스 보상프로그램에 대한 관심을 제고시킬 필요가 있다. 이는 기존 기업들이 비용에 대한 부담을 갖고 있으면서도 비차별적이로 획일적인 보상프로그램을 진행하는 방식에서 새로운 보상프로그램을 구성하는 계기가 될 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제27권4호
• /
• pp.1-22
• /
• 2021

텍스트를 바탕으로 한 차원 기반 감성 분석(Aspect-Based Sentiment Analysis)은 다양한 산업에서 유용성을 주목을 받고 있다. 기존의 차원 기반 감성 분석에서는 타깃(Target) 혹은 차원(Aspect)만을 고려하여 감성을 분석하는 연구가 대다수였다. 그러나 동일한 타깃 혹은 차원이더라도 감성이 나뉘는 경우, 또는 타깃이 없지만 감성은 존재하는 경우 분석 결과가 정확하지 않다는 한계가 존재한다. 이러한 문제를 해결하기 위한 방법으로 차원과 타깃을 모두 고려한 감성 분석(Target-Aspect-Sentiment Detection, 이하 TASD) 모델이 제안되었다. 그럼에도 불구하고, TASD 기존 모델의 경우 구(Phrase) 간의 관계인 지역적인 문맥을 잘 포착하지 못하고 초기 학습 속도가 느리다는 문제가 있었다. 본 연구는 TASD 분야 내 기존 모델의 한계를 보완하여 분석 성능을 높이고자 하였다. 이러한 연구 목적을 달성하기 위해 기존 모델에 합성곱(Convolution Neural Network) 계층을 더하여 차원-감성 분류 시 보조 손실(Auxiliary loss)을 추가로 사용하였다. 즉, 학습 시에는 합성곱 계층을 통해 지역적인 문맥을 좀 더 잘 포착하도록 하였으며, 학습 후에는 기존 방식대로 차원-감성 분석을 하도록 모델을 설계하였다. 본 모델의 성능을 평가하기 위해 공개 데이터 집합인 SemEval-2015, SemEval-2016을 사용하였으며, 기존 모델 대비 F1 점수가 최대 55% 증가했다. 특히 기존 모델보다 배치(Batch), 에폭(Epoch)이 적을 때 효과적으로 학습한다는 것을 확인할 수 있었다. 본 연구에서 제시된 모델로 더욱 더 세밀한 차원 기반 감성 분석이 가능하다는 점에서, 기업에서 상품 개발 및 마케팅 전략 수립 등에 다양하게 활용할 수 있으며 소비자의 효율적인 구매 의사결정을 도와줄 수 있을 것으로 보인다.