• 한국전자통신학회논문지
• /
• 제13권3호
• /
• pp.571-578
• /
• 2018

최근 딥러닝 기법이 다양한 종류의 패턴 인식에 있어서 우수한 성능을 보이고 있다. 하지만 소규모의 훈련데이터를 이용한 분류 실험에 있어서 전통적으로 사용되던 머신러닝 기법에 비해서 DNN의 성능이 우수한지에 대해서는 다소 간의 논란이 있어 왔다. 본 연구에서는 오디오 검출에 있어서 전통적으로 사용되어 왔던 GMM, SVM의 성능과 DNN의 성능을 비교하였다. 동일한 데이터에 대해서 인식실험을 수행한 결과, 전반적인 성능은 DNN이 우수하였으나 세그먼트 기반의 F-score에서 SVM이 DNN에 비해 우수한 성능을 보임을 알 수 있었다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.120-126
• /
• 2019

최근 에너지 인터넷에서 지능형 원격검침 인프라를 이용하여 확보된 대량의 전력사용데이터를 기반으로 효과적인 전력수요 예측을 위해 다양한 기계학습기법에 관한 연구가 활발히 진행되고 있다. 본 연구에서는 전력량 데이터와 같은 시계열 데이터에 대해 효율적으로 패턴인식을 수행하는 인공지능 네트워크인 Gated Recurrent Unit(GRU)을 기반으로 딥 러닝 모델을 제안하고, 실제 가정의 전력사용량 데이터를 토대로 예측 성능을 분석한다. 제안한 학습 모델의 예측 성능과 기존의 Long Short Term Memory (LSTM) 인공지능 네트워크 기반의 전력량 예측 성능을 비교하며, 성능평가 지표로써 Mean Squared Error (MSE), Mean Absolute Error (MAE), Forecast Skill Score, Normalized Root Mean Squared Error (RMSE), Normalized Mean Bias Error (NMBE)를 이용한다. 실험 결과에서 GRU기반의 제안한 시계열 데이터 예측 모델의 전력량 수요 예측 성능이 개선되는 것을 확인한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.131-131
• /
• 2021

Deep learning models, especially those based on long short-term memory (LSTM), have presented their superiority in addressing time series data issues recently. This study aims to comprehensively evaluate the performance of deep learning models that belong to the supervised learning category in streamflow prediction. Therefore, six deep learning models-standard LSTM, standard gated recurrent unit (GRU), stacked LSTM, bidirectional LSTM (BiLSTM), feed-forward neural network (FFNN), and convolutional neural network (CNN) models-were of interest in this study. The Red River system, one of the largest river basins in Vietnam, was adopted as a case study. In addition, deep learning models were designed to forecast flowrate for one- and two-day ahead at Son Tay hydrological station on the Red River using a series of observed flowrate data at seven hydrological stations on three major river branches of the Red River system-Thao River, Da River, and Lo River-as the input data for training, validation, and testing. The comparison results have indicated that the four LSTM-based models exhibit significantly better performance and maintain stability than the FFNN and CNN models. Moreover, LSTM-based models may reach impressive predictions even in the presence of upstream reservoirs and dams. In the case of the stacked LSTM and BiLSTM models, the complexity of these models is not accompanied by performance improvement because their respective performance is not higher than the two standard models (LSTM and GRU). As a result, we realized that in the context of hydrological forecasting problems, simple architectural models such as LSTM and GRU (with one hidden layer) are sufficient to produce highly reliable forecasts while minimizing computation time because of the sequential data nature.

• 한국물환경학회지
• /
• 제38권6호
• /
• pp.292-305
• /
• 2022

The Yeongsan River, one of the four largest rivers in South Korea, has been facing difficulties with water quality management with respect to algal bloom. The algal bloom menace has become bigger, especially after the construction of two weirs in the mainstream of the Yeongsan River. Therefore, the prediction and factor analysis of Chlorophyll-a (Chl-a) concentration is needed for effective water quality management. In this study, Chl-a prediction model was developed, and the performance evaluated using machine and deep learning methods, such as Deep Neural Network (DNN), Random Forest (RF), and eXtreme Gradient Boosting (XGBoost). Moreover, the correlation analysis and the feature importance results were compared to identify the major factors affecting the concentration of Chl-a. All models showed high prediction performance with an R² value of 0.9 or higher. In particular, XGBoost showed the highest prediction accuracy of 0.95 in the test data.The results of feature importance suggested that Ammonia (NH₃-N) and Phosphate (PO₄-P) were common major factors for the three models to manage Chl-a concentration. From the results, it was confirmed that three machine learning methods, DNN, RF, and XGBoost are powerful methods for predicting water quality parameters. Also, the comparison between feature importance and correlation analysis would present a more accurate assessment of the important major factors.

• 대한간호학회지
• /
• 제49권2호
• /
• pp.171-180
• /
• 2019

Purpose: The Korean Triage and Acuity Scale (KTAS) is a tool used to classify the severity and urgency of emergency department (ED) patients, focusing on their symptoms. In consideration of the importance of the KTAS, a web-based learning program has emerged as a new mode of education; it enables ED triage nurses to access it anytime and anywhere, and according to their own learning abilities. This study aimed to develop a web-based KTAS learning program and evaluate its effects on self-efficacy and triage performance ability in ED nurses. Methods: A quasi-experimental design with a non-equivalent control group pretest-posttest was used. The conceptual framework was Bandura's self-efficacy theory. There were 30 participants in the experimental group and 29 in the control group. The experimental group attended an orientation and 4 sessions of a web-based KTAS learning program. The learning program lasted 280 minutes over five weeks, consisting of 40 minutes of orientation and four 60-minute sessions. Results: The scores of self-efficacy, triage performance ability in KTAS level, and chief complaints significantly increased in the experimental group compared to the control group. In addition, the numbers of under-triage in KTAS significantly decreased in the experimental group in comparison to the control group. Conclusion: The results suggest that the learning program was effective in improving ED nurses' level of self-efficacy and triage performance ability (KTAS level and KTAS chief complaint). Accordingly, the web-based KTAS learning program can be applied as an education intervention to improve ED nurses' triage skill.

• Structural Engineering and Mechanics
• /
• 제87권4호
• /
• pp.305-315
• /
• 2023

The idea of the combination of the fractional-order operators with the brain emotional learning-based intelligent controller (BELBIC) is developed for implementation in seismic-excited structures equipped with active mass damper (AMD). For this purpose, a new design framework of the mentioned combination namely fractional-order BEBIC (FOBELBIC) is proposed based on a modified-teaching-learning-based optimization (MTLBO) algorithm. The seismic performance of the proposed controller is then evaluated for a 15-story building equipped with AMD subjected to two far-field and two near-field earthquakes. An optimal BELBIC based on the MTLBO algorithm is also introduced for comparison purposes. In comparison with the structure equipped with a passive tuned mass damper (TMD), an average reduction of 44.7% and 42.8% are obtained in terms of the maximum absolute and RMS top floor displacement for FOBELBIC, while these reductions are obtained as 30.4% and 30.1% for the optimal BELBIC, respectively. Similarly, the optimal FOBELBIC results in an average reduction of 42.6% and 39.4% in terms of the maximum absolute and RMS top floor acceleration, while these reductions are given as 37.9% and 30.5%, for the optimal BELBIC, respectively. Consequently, the superiority of the FOBELBIC over the BELBIC is concluded in the reduction of maximum and RMS seismic responses.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.641-642
• /
• 2018

현재 실내 측위를 위한 기술로 전파 지문 기반의 측위 기술의 성능은 데이터 비교 알고리즘의 선택에 따라 큰 영향을 받는다. 이때 학습 구조에 필요한 데이터 확장 기법에 의해 실내 측위의 정확도가 크게 개선될 수 있다. 본 논문에서는 Wi-Fi 전파 지문을 기반으로 하는 학습 구조를 구성하기 위해 학습 데이터의 구분 및 확장 기술을 통해 실제 측위에 적용할 수 있는 학습 구조의 중요성을 논의한다.

• 정보보호학회논문지
• /
• 제32권2호
• /
• pp.405-416
• /
• 2022

AI기술은 데이터 기반의 기계학습을 이용하여 삶의 질을 높여주고 있다. 기계학습을 이용시, 분산된 데이터를 전송해 한곳에 모으는 작업은 프라이버시 침해가 발생할 위험성이 있어 비식별화 과정을 거친다. 비식별화 데이터는 정보의 손상, 누락이 있어 기계학 습과정의 성능을 저하시키며 전처리과정을 복잡하게한다. 이에 구글이 2017년에 데이터의 비식별화와 데이터를 한 서버로 모으는 과정없이 학습하는 방법인 연합학습을 발표했다. 본 논문은 실제 금융데이터를 이용하여, K익명성, 차분프라이버시 재현데이터의 비식별과정을 거친 데이터의 학습성능과 연합학습의 성능간의 차이를 비교하여 효용성을 분석하였으며, 이를 통해 연합학습의 우수성을 보여주고자 한다. 실험결과 원본데이터 학습의 정확도는 91% K-익명성을 거친 데이터학습은 k=2일 때 정확도 79%, k=5일 때76%, k=7일 때 62%, 차분프라이버시를 사용한 데이터학습은 𝜖=2일 때 정확도 52%, 𝜖=1일 때 50%, 𝜖=0.1일 때 36% 재현데이터는 정확도 82%가 나왔으며 연합학습의 정확도는 86%로 두번째로 높은 성능을 보여 주었다.

• 한국과학교육학회지
• /
• 제25권3호
• /
• pp.364-370
• /
• 2005

본 연구는 중학교 153명을 대상으로 과학 수업에서 교사와 동료 학생에 의해 강조되는 동기적 학습 환경에 대한 인식(교사의 학습 장려/교사의 상대적 비교 강조/동료들의 자기 개선 및 자기 발전 추구/동료들의 상대적 우월성 추구/실수에 대한 걱정)과 성취 목적(과제 지향/수행 지향/수행 회피)을 조사하였다. 동기적 학습 환경에 대한 인식이 성취 목적에 미치는 영향을 단계적 중다회귀분석으로 조사하였다. 연구 결과, 동기적 학습 환경에 대한 인식에서는 성에 따른 차이가 없었으나, 성취 목적에서는 유의미한 성별 차이가 있는 것으로 나타났다. 회귀 분석 결과에서는 과학 수업에서 동료 학생이 학습에 대한 자기 개선이나 자기 발전을 중요시 한다고 인식하는 것은 학생들이 과제 지향 목적을 가지도록 유도하는 것으로 나타났다. 반면 과학 교사나 동료 학생이 상대적 우월성 및 비교를 추구한다고 인식하는 것은 학생들이 수행 지향 목적을 가지도록 유도하였으며, 동료 학생이 실수에 대해 걱정한다고 인식하는 것은 수행 회피 목적을 가지도록 이끌었다. 과학 교사의 상대적 우월성 및 비교 강조는 수행 지향 목적뿐만 아니라 수행 회피 목적의 채택에도 영향을 미쳤다. 본 연구 결과는 과학 교육에서 학생들의 긍정적인 동기를 유발시킬 수 있는 교수방법에 대해 시사점을 제공한다.

• 대한간호학회지
• /
• 제43권2호
• /
• pp.185-193
• /
• 2013

Purpose: Simulation-based learning has become a powerful method to improve the quality of care and help students meet the challenges of increasingly complex clinical practice settings. The purpose of this study was to identify the learning effects using high-fidelity SimMan and multi-mode simulation. Methods: Participants in this study were 38 students who were enrolled in an intensive course for a major in nursing at R college. Collected data were analyzed using Chi-square, t-test, and independent t-test with the SPSS 18.0 for Windows Program. Results: There were no statistically significant differences in learning effects between high-fidelity SimMan and multi-mode simulation group. However, skills in clinical performance in the high-fidelity SimMan group were higher than in the multi-mode group (p=.014), communication in clinical performance in multi-mode simulation group was higher than in the high-fidelity SimMan group (p<.001). Conclusion: Multi-mode simulation with a standardized patient is an effective learning method in many ways compared to a high-fidelity simulator. These results suggest that multi-mode simulation be offered to students in nursing colleges which cannot afford to purchase a high-fidelity simulator, or offered as an alternative.