• 한국컴퓨터정보학회논문지
• /
• 제11권4호
• /
• pp.27-33
• /
• 2006

향후 도래하는 유비쿼터스 환경에서는 모든 전자기기가 유/무선 통신망으로 연결되어 사용자는 언제 어디서나 원하는 정보에 접근할 수 있을 것으로 본다. 특히, u-러닝(Ubiquitous-Learning)은 교육학적인 측면뿐 아니라 어디서나 접근할 수 있다는 유비쿼터스적인 측면을 통해 학습의 효과를 보다 향상시킬 수 있어야 한다. 현재까지 추진된 u-러닝의 연구로는, PDA를 이용하여 학습 컨텐츠를 야외에서 학습하거나 원격지 모바일 환경의 학생들을 교실 수업에 참여시키는 스마트교실 등을 들 수가 있는데, 기존의 연구들에서는 학습자의 상호작용이나 협동학습 등의 교육학적인 속성과 유비쿼터스의 환경적 속성을 만족시키지 못하고 있다. 따라서 본 연구에서는 대학 등을 대상으로 어디서나 교실 환경에 참여하는 유비쿼터스 환경에 적합하면서도 교육학적인 면을 만족시키는 모바일 교실 프레임워크를 제안하고자 한다.

• 과학교육연구지
• /
• 제43권1호
• /
• pp.173-193
• /
• 2019

An expert teachers' instruction can be helpful to other teachers because good teaching effectively guides students to develop meaningful learning. Feynman is an excellent physics lecturer as well as one of the greatest physicists of the 20th century who presented and explained physics with his unique teaching style based on his great store of knowledge. However, it is not easy to capture and visualize teaching because it is not only the complex phenomena interrelated to various factors with the content to be taught but also the tacit representation. In this study, the framework of knowledge & belief based on the integrated mental model theory was used as a tool to capture and visualize complex and tacit representation of Feynman's teaching of 'The theory of gravitation,' a chapter in The Feynman Lectures on Physics. Feynman's teaching was found to go beyond the transmission of physics concepts by showing that components of the framework of knowledge & belief were effectively intertwined and integrated in his teaching and the storyline was well-organized. On the basis of these discussions, the implications of Feynman's teaching analyzed within the framework of knowledge & belief for physics teacher education are derived. Finally, the characteristics of the framework of knowledge & belief as tools for the analysis of teaching are presented.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권12호
• /
• pp.4456-4475
• /
• 2021

The system for re-identifying persons is used to find and verify the persons crossing through different spots using various cameras. Much research has been done to re-identify the person by utilising features with deep-learned or hand-crafted information. Deep learning techniques segregate and analyse the features of their layers in various forms, and the output is complex feature vectors. This paper proposes a distinctive framework called Integrated Level Feature Pattern (ILFP) framework, which integrates local and global features. A new deep learning architecture named modified XceptionNet (m-XceptionNet) is also proposed in this work, which extracts the global features effectively with lesser complexity. The proposed framework gives better performance in Rank1 metric for Market1501 (96.15%), CUHK03 (82.29%) and the newly created NEC01 (96.66%) datasets than the existing works. The mean Average Precision (mAP) calculated using the proposed framework gives 92%, 85% and 98%, respectively, for the same datasets.

• International journal of advanced smart convergence
• /
• 제12권1호
• /
• pp.53-58
• /
• 2023

With the fast development of artificial intelligence day by day, users are demanding explanations about the results of algorithms and want to know what parameters influence the results. In this paper, we propose a model for bankruptcy prediction with interpretability using the SHAP framework. SHAP (SHAPley Additive exPlanations) is framework that gives a visualized result that can be used for explanation and interpretation of machine learning models. As a result, we can describe which features are important for the result of our deep learning model. SHAP framework Force plot result gives us top features which are mainly reflecting overall model score. Even though Fully Connected Neural Networks are a "black box" model, Shapley values help us to alleviate the "black box" problem. FCNNs perform well with complex dataset with more than 60 financial ratios. Combined with SHAP framework, we create an effective model with understandable interpretation. Bankruptcy is a rare event, then we avoid imbalanced dataset problem with the help of SMOTE. SMOTE is one of the oversampling technique that resulting synthetic samples are generated for the minority class. It uses K-nearest neighbors algorithm for line connecting method in order to producing examples. We expect our model results assist financial analysts who are interested in forecasting bankruptcy prediction of companies in detail.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 ISIS 2003
• /
• pp.162-165
• /
• 2003

Differential learning relies on the differentiated values of nodes, whereas the conventional learning depends on the values themselves of nodes. In this paper, I elucidate the differential learning in the framework maximum likelihood learning of linear generative model with latent variables obeying random walk. I apply the idea of differential learning to the problem independent component analysis(ICA), which leads to differential ICA. Algorithm derivation using the natural gradient and local stability analysis are provided. Usefulness of the algorithm is emphasized in the case of blind separation of temporally correlated sources and is demonstrated through a simple numerical example.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권7호
• /
• pp.417-423
• /
• 2017

최근, 딥러닝을 사용 가능한 임베디드 디바이스가 상용화됨에 따라 임베디드 시스템 영역에서도 딥러닝 활용에 대한 다양한 연구가 진행되고 있다. 그러나 임베디드 시스템을 고성능 PC 환경과 비교하면 상대적으로 저사양의 CPU/GPU 프로세서와 메모리를 탑재하고 있으므로 딥러닝 기술의 적용에 있어서 많은 제약이 있다. 본 논문에서는 다양한 최신 딥러닝 네트워크들을 임베디드 디바이스에 적용했을때의 성능을 시간과 전력이라는 관점에서 실험적으로 평가한다. 또한, 호스트 CPU와 GPU 디바이스간의 메모리를 공유하는 임베디드 시스템들의 아키텍처적인 특성을 이용하여 메모리 복사를 줄임으로써 실시간 성능과 저전력성을 높이는 방법을 제시한다. 제안된 방법은 대표적인 공개 딥러닝 프레임워크인 Caffe를 수정하여 구현되었으며, 임베디드 GPU를 탑재한 NVIDIA Jetson TK1에서 성능평가 되었다. 실험결과, 대부분의 딥러닝 네트워크에서 뚜렷한 성능향상을 관찰할 수 있었다. 특히, 메모리 사용량이 높은 AlexNet에서 약 33%의 이미지 인식 속도 단축과 50%의 소비 전력량 감소를 관찰할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.165-172
• /
• 2020

웹에서 접근하는 정보의 폭발적인 증가에 따라 사용자의 다음 웹 페이지 사용을 예측하는 문제의 중요성이 증가되었다. 사용자의 다음 웹 페이지 접근을 예측하는 방법 중 하나가 딥 러닝 기법이다. 웹 페이지 예측 절차는 데이터 전처리 과정을 통해 웹 로그 정보들을 분석하고 딥 러닝 기법을 이용하여 분석된 웹 로그 결과를 가지고 사용자가 접근할 다음 웹 페이지를 예측한다. 본 논문에서는 웹 페이지 예측을 위한 효율적인 웹 로그 전처리 작업과 분석을 위해 딥 러닝 기법을 사용하는 웹 페이지 예측 프레임워크를 제안한다. 대용량 웹 로그 정보의 전처리 작업 속도를 높이기 위하여 Hadoop 기반 맵/리듀스(MapReduce) 프로그래밍 모델을 사용한다. 또한 웹 로그 정보의 전처리 결과를 이용한 학습과 예측을 위한 딥 러닝 기반 웹 예측 시스템을 제안한다. 실험을 통해 논문에서 제안한 방법이 기존의 방법과 비교하여 성능 개선이 있다는 사실을 보였고 아울러 다음 페이지 예측의 정확성을 보였다.

• 한국지반환경공학회 논문집
• /
• 제22권10호
• /
• pp.5-12
• /
• 2021

시설물의 노후화는 피할 수 없는 현상이다. 노후화된 시설물의 관리를 위해 균열을 감지하고 이를 추적하면서 시설물의 상태를 간접적으로 추론할 수 있다. 따라서 균열 감지는 노후화된 시설물의 관리를 위해 필수적 역할을 하며 감지 결과를 바탕으로 더 이상의 노후화를 막기 위한 활동을 할 수 있다. 하지만, 현재 대부분의 균열 감지는 전문가의 판단에만 의존하기에 시설물의 면적이 큰 경우 비용과 시간이 과도하게 사용되고, 전문가의 역량에 따라 다른 판단 결과가 발생할 수 있어 신뢰성에 문제가 있었다. 본 논문에서는 이러한 한계를 극복하기 위해 기계학습 기반의 콘크리트 균열 감지 프레임워크를 제안한다. 제안된 프레임워크는 데이터 분류, 기계학습 모델 학습, 학습된 모델의 검증과 테스트를 포함하는 프레임워크로 완전 자동화된 콘크리트 균열 감지가 가능하다. 제안된 프레임워크를 통해 학습된 기계학습 모델은 콘크리트 균열 이미지와 정상 이미지를 96%의 높은 정확도로 분류할 수 있었다. 본 논문에서 제안된 프레임워크를 적용하여 기존의 전문가 중심의 시설물 유지관리보다 더욱 효과적이고 효율적인 시설물의 유지관리가 가능할 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제26권1호
• /
• pp.27-35
• /
• 2021

본 연구에서는 레이블 임베딩의 분포를 반영하는 딥러닝 모형을 위한 새로운 스태킹 앙상블 방법론을 제안하였다. 제안된 앙상블 방법론은 기본 딥러닝 분류기를 학습하는 과정과 학습된 모형으로 부터 얻어진 레이블 임베딩을 이용한 군집화 결과로부터 소분류기들을 학습하는 과정으로 이루어져 있다. 본 방법론은 주어진 다중 분류 문제를 군집화 결과를 활용하여 소 문제들로 나누는 것을 기본으로 한다. 군집화에 사용되는 레이블 임베딩은 처음 학습한 기본 딥러닝 분류기의 마지막 층의 가중치로부터 얻어질 수 있다. 군집화 결과를 기반으로 군집화 내의 클래스들을 분류하는 소분류기들을 군집의 수만큼 구축하여 학습한다. 실험 결과 기본 분류기로부터의 레이블 임베딩이 클래스 간의 관계를 잘 반영한다는 것을 확인하였고, 이를 기반으로 한 앙상블 방법론이 CIFAR 100 데이터에 대해서 분류 성능을 향상시킬 수 있다는 것을 확인할 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제20권7호
• /
• pp.618-628
• /
• 2020

본 논문의 목적은 사이버 보안 프레임워크 기반으로 이미 도입되어 개별 운영 중인 각종 보안 솔루션들을 잘 조합하여 새로운 보안 오케스트레이션 서비스 모델을 제안하는 것이다. 현재 다양하고 지능화된 사이버 공격에 대응하고자 각종 단일 보안장비와 이를 통합 관리하는 SIEM과 AI솔루션까지 구축되었다. 그리고, 체계적인 예방과 대응을 위한 사이버보안 프레임워크와 보안 관제센터까지 개소를 하였다. 그러나 현실은 문서중심의 사이버보안 프레임워크와 한정된 보안인력으로 인해 TMS/IPS의 중요한 탐지 이벤트의 단편적인 침해대응의 관제형태를 벗어나기 힘든 상항이다. 이러한 문제점 개선을 위해 본 논문의 모델 기반으로 업무 특성과 취약한 자산 식별을 통해 보호해야 할 관제대상을 선정한 후, SIEM으로 로그 수집을 한다. 자산 정보를 기반으로 위협정보를 통해 사전 예방 방법과 세가지 탐지 전략을 수립했다. AI와 SIEM을 통해 공격 여부를 빠르게 판단하여 방화벽과 IPS에 자동 차단 기능이 연계되었다. 또한, 머신러닝 지도학습을 통해 TMS/IPS의 탐지 이벤트를 자동 침해사고 처리함으로 관제업무의 효율성 향상과 머신러닝 비지도 학습 결과를 통해 빅데이터 분석 중심의 위협헌팅 업무체계를 확립하였다.