• 한국지반공학회논문집
• /
• 제38권11호
• /
• pp.87-95
• /
• 2022

국토지반정보 포털시스템이 구축된 지반정보는 최근 설계, 시공, 지하안전관리, 재해재난 평가 등 다양한 분야에서 활용되고 있다. 그러나 전국적으로 기 구축된 약 30여만공의 지반정보는 누락되거나 잘못된 정보를 다수 포함하고 있어 데이터 활용시 신뢰도를 확보하기가 어렵다. 따라서 분석 데이터의 신뢰도를 확보하기 위해서는 지반정보를 활용하기 전 단계에서 지반정보의 정제(품질관리)가 반드시 필요하다. 본 연구에서는 딥러닝 기법 중 하나인 인공신경망 기법을 활용하여 지반정보를 자동으로 품질관리 하는 방안에 대하여 제안하였다. 특히, 가장 일반적으로 사용되는 정보인 표준관입시험 결과와 지층정보를 이용하여 지반정보의 이상치를 탐지하였다. 서울시 지반정보 데이터를 이용하여 분석하였으며, 검증데이터에 대한 오분류 비율은 5.4%로 확인되었다. 신경망 모델에서 이상치 분류된 데이터만을 추후에 검사함으로써 효율적으로 이상치를 탐지할 수 있을 것으로 기대된다.

• 전기전자학회논문지
• /
• 제26권4호
• /
• pp.614-621
• /
• 2022

본 논문은 CAN(Controller Area Network) 버스에서 해킹에 의한 공격을 탐지하기 위한 랜덤 포레스트 기반 칩입 감지 시스템(RIDS: Random Forest-Based Intrusion Detection)을 제안한다. RIDS는 CAN 버스에서 나타날 수 있는 전형적인 세 가지 공격, 즉 DoS(Denial of Service) 공격, Fuzzing 공격, Spoofing 공격을 탐지하며, 데이터 프레임 사이의 시간 간격과 그 편차, 페이로드끼리의 해밍 거리와 그 편차의 네 가지 파라미터를 사용하여 공격을 판단한다. RIDS는 메모리 중심 방식의 아키텍쳐를 가지며 노드의 정보를 메모리에 저장하여 사용하며 트리의 개수와 깊이만 조절하면 DoS 공격, Fuzzing 공격, Spoofing 공격을 모두 탐지할 수 있도록 확장이 용이한 구조로 설계되었다. 시뮬레이션 결과 RIDS는 정확도 0.9835, F1 점수 0.9545로 세 가지 공격을 효과적으로 탐지할 수 있었다.

• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제25권1호
• /
• pp.43-55
• /
• 2022

수학을 지도하고 배우는 방법에 관하여 교사 교육 프로그램을 통해서 교사들의 신념이 변화하는지 조사하는 것은 중요하다. 이런 의미에서 이 연구는 초등 예비교사들의 신념 변화를 알기 위해 이를 측정하는 도구를 개발하는데 목적이 있다. 수학교육 전문가들과 함께 검사 문항들을 생성하고 검토한 후, 연구자들은 이 도구의 구조 타당도를 평가하기 위해 수학과 교재연구 및 지도법 강좌를 수강한 166명의 예비교사들로부터 설문자료를 수집하였다. 검사도구 개발을 위해 평행 분석과 탐색적 요인분석을 차례로 적용하여 타당도와 신뢰도를 검토하였다. 연구 결과로 개발된 도구는 초등 예비교사의 교사 중심, 학습자 중심 교육 신념을 측정하는데 이용할 수 있다. 그리고 개발 도구를 적용해서 얻는 점수를 적절히 해석하는 방법을 제안한다.

• 한국농공학회논문집
• /
• 제64권3호
• /
• pp.63-73
• /
• 2022

A more accurate understanding of the irrigation water supply is necessary for efficient agricultural water management. Although we measure water levels in an irrigation canal using ultrasonic water level gauges, some errors occur due to malfunctions or the surrounding environment. This study aims to apply CNN (Convolutional Neural Network) Deep-learning-based image classification and segmentation models to the irrigation canal's CCTV (Closed-Circuit Television) images. The CCTV images were acquired from the irrigation canal of the agricultural reservoir in Cheorwon-gun, Gangwon-do. We used the ResNet-50 model for the image classification model and the U-Net model for the image segmentation model. Using the Natural Breaks algorithm, we divided water level data into 2, 4, and 8 groups for image classification models. The classification models of 2, 4, and 8 groups showed the accuracy of 1.000, 0.987, and 0.634, respectively. The image segmentation model showed a Dice score of 0.998 and predicted water levels showed R² of 0.97 and MAE (Mean Absolute Error) of 0.02 m. The image classification models can be applied to the automatic gate-controller at four divisions of water levels. Also, the image segmentation model results can be applied to the alternative measurement for ultrasonic water gauges. We expect that the results of this study can provide a more scientific and efficient approach for agricultural water management.

• 디지털융복합연구
• /
• 제20권2호
• /
• pp.563-571
• /
• 2022

본 연구는 시뮬레이션 기반 신생아간호 교육을 개발·적용하여 의사소통능력, 자기효능감, 임상수행능력에 미치는 효과를 확인하기 위해 시도되었다. 단일군 사전사후의 실험연구로 D시 소재 일 간호대학생 3학년 122명을 대상으로 하였다. 자료수집은 2021년 5월 3일부터 6월 4일까지 연구의 목적을 이해하고 참여에 서면동의 한 학생에 한해 자가보고식 설문지를 사용하여 자료를 수집하였다. 시뮬레이션 기반 신생아간호 교육은 3-4명을 한 그룹으로 하여 시나리오 구현을 위한 준비, 시나리오 구현, 디브리핑의 총 3단계의 4.5시간을 적용하였다. 연구결과 시뮬레이션 기반 신생아간호 교육 전·후 의사소통능력, 자기효능감, 임상수행능력은 유의한 차이가 있는 것으로 나타났다. 본 연구결과를 통해 아동간호학 분야에서 시뮬레이션 기반 교육은 관찰 위주인 아동간호 임상실습을 보완할 수 있는 효과적인 교수학습방법이 될 수 있음이 확인되었다.

• 산업융합연구
• /
• 제20권2호
• /
• pp.29-36
• /
• 2022

디지털 사회를 위한 AI와 빅데이터 시대의 컴퓨팅 사고는 컴퓨터가 실행할 수 있는 방식으로 우리가 해결하고자 하는 문제와 솔루션을 표현하는 일련의 문제해결 방법을 의미한다. 컴퓨팅 사고는 컴퓨터 과학의 기본 개념을 도출함으로써 문제를 해결하고 시스템을 설계하고 인간의 행동을 이해하는 것으로, 학생들에게는 어려운 문제와 애매한 퍼즐을 맞추는 접근법이다. 본 논문에서 우리는 컴퓨팅 사고를 댄스 동작과 융합하여 학생들이 문제를 해결할 수 있는 수업 모델을 개발하였다. 개발된 수업 모델을 가지고 ◯◯대학교 1학년 예비교원 93명을 대상으로 1학기 동안 수업한 결과, 수업 참가자들은 비디오 수준의 만족스러운 알고리즘을 만들어 냈다. 또한, 제안된 모델이 수업 참여 학생들의 컴퓨팅 사고 이해에 크게 기여함을 알 수 있었다.

• Advances in Computational Design
• /
• 제7권2호
• /
• pp.139-151
• /
• 2022

The article is devoted to the actual problem of studying the possibilities of implementing personalization of the user interface in accordance with the personality psychotypes. The psychological aspect of user interface design tools is studied and the correspondence of their application to the manifestations of personality psychotypes is established. The results of the distribu-tion of attention of users of these categories on the course page of the educational platform are presented and the distribution of attention in accordance with the focus on educational material is analyzed. Individual features and personal preferences regarding the used design tools are described, namely the use of accent colors in interface design, the application of the prin-ciples of typographic hierarchy, and so on. In accordance with this, the prospects for implementing personalization of the user interface of the educational platform are described. The results of the study allow us to state the relevance of developing and applying personalization of the user interface of an educational platform to improve learning outcomes in accordance with the psychological impact of individual design tools, and taking into account certain features of user categories. The research is devoted to the study of user attention concentration using heatmaps, in particular based on eyetreking technology, we will investigate the distribution of user attention on the course page of an educational platform Ta redistribution of atten-tion in accordance with certain categories of personality psychotypes. The results of the study can be used to rearrange the LMS Moodle interface according to the user's psychotype to achieve the best concentration on the training material. The obtained data are the basis for developing effective user interfaces for personalizing educational platforms to improve the quality of the education.

• 한국소프트웨어감정평가학회 논문지
• /
• 제17권2호
• /
• pp.75-81
• /
• 2021

식물의 생육은 수분에 의해서 크게 좌우되기 때문에 토양이 재배하는 식물에 최적의 수분을 가지도록 조절하는 것은 중요하다. 최근 초분광영상을 통하여 식물의 생육정보를 자동으로 분석하는 연구가 진행되고 있으며 토양의 수분함량을 측정하는 것도 포함한다. 그러나 초분광의 경우 많은 분광밴드에서 나타나는 방대한 데이터로 인하여 분석과정이 복잡하기 때문에 사용이 어렵다. 본 논문에서는 초분광영상의 복잡도를 합성곱신경망 (Convolution Neural Network, CNN)을 통하여 해결하는 방법을 제안한다. 제안한 방법은 대상 초분광의 전체 대역을 심층학습방법을 사용하여 자동 분석하기 때문에 각 영상에 대해 인식에 필요한 특정 대역을 찾는 노력을 할 필요가 없다. 제안 시스템의 유효성을 보이기 위해서 토양에서 얻은 초분광영상을 이용한 수분함량분석 실험을 수행하고 결과를 보인다.

• KNOM Review
• /
• 제24권2호
• /
• pp.24-34
• /
• 2021

엣지 컴퓨팅을 사용하는 서비스 공급업체는 높은 수준의 서비스를 제공한다. 이에 따라 다양하고 중요한 정보들이 단말 장치에 저장되면서 탐지하기 더욱 어려운 최신 사이버 공격의 핵심 목표가 됐다. 보안을 위해 침입 탐지시스템과 같은 보안 시스템이 자주 활용되지만, 기존의 침입 탐지 시스템은 탐지 정확도가 낮은 문제점이 존재한다. 따라서 본 논문에서는 엣지 컴퓨팅에서 단말 장치의 더욱 정확한 침입 탐지를 위한 기계 학습 모델을 제안한다. 제안하는 모델은 희소성 제약을 사용하여 입력 데이터의 중요한 특징 벡터들을 추출하는 stacked sparse autoencoder (SSAE)와 convolutional neural network (CNN)를 결합한 하이브리드 모델이다. 최적의 모델을 찾기 위해 SSAE의 희소성 계수를 조절하면서 모델의 성능을 비교 및 분석했다. 그 결과 희소성 계수가 일 때 96.9%로 가장 높은 정확도를 보여주었다. 따라서 모델이 중요한 특징들만 학습할 경우 더 높은 성능을 얻을 수 있었다.

• International Journal of Computer Science & Network Security
• /
• 제22권9호
• /
• pp.175-182
• /
• 2022

In our daily life, we come across different types of information, for example in the format of multimedia and text. We all need different types of information for our common routines as watching/reading the news, listening to the radio, and watching different types of videos. However, sometimes we could run into problems when a certain type of information is required. For example, someone is listening to the radio and wants to listen to jazz, and unfortunately, all the radio channels play pop music mixed with advertisements. The listener gets stuck with pop music and gives up searching for jazz. So, the above example can be solved with an automatic audio classification system. Deep Learning (DL) models could make human life easy by using audio classifications, but it is expensive and difficult to deploy such models at edge devices like nano BLE sense raspberry pi, because these models require huge computational power like graphics processing unit (G.P.U), to solve the problem, we proposed DL model. In our proposed work, we had gone for a low complexity model for Audio Event Detection (AED), we extracted Mel-spectrograms of dimension 128×431×1 from audio signals and applied normalization. A total of 3 data augmentation methods were applied as follows: frequency masking, time masking, and mixup. In addition, we designed Convolutional Neural Network (CNN) with spatial dropout, batch normalization, and separable 2D inspired by VGGnet [1]. In addition, we reduced the model size by using model quantization of float16 to the trained model. Experiments were conducted on the updated dataset provided by the Detection and Classification of Acoustic Events and Scenes (DCASE) 2020 challenge. We confirm that our model achieved a val_loss of 0.33 and an accuracy of 90.34% within the 132.50KB model size.