• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제15권2호
• /
• pp.159-170
• /
• 2012

본 연구의 목적은 비와 비율 학습에서 나타나는 초등학교 학생들의 인식론적 장애의 유형을 분류하고 원인을 찾아내어 그에 따른 지도 방안을 제시하는 것이다. 이를 위해 그 동안 연구되어 온 선행 연구의 결과와 수학교과서와 지도서, TIMSS 2003, 2007 등 여러 자료들을 분석하여 비와 비율 검사지를 제작하였다. 이를 위해 서울시내 초등학교 5학년 학생 138명을 여러 지역을 고려하여 선정한 후 설문 및 면담을 하여 인식론적인 장애를 검사하였다. 검사지 결과 분석 및 면담 내용을 토대로 인식론적 장애의 유형을 크게 용어, 계산, 표현과 관련된 것의 세 가지로 분류되었다. 그리고 각 유형에 따른 원인과 지도 방안을 제시하고 비와 비율의 효과적인 학습을 위한 제언을 하였다.

• 대한기계학회논문집A
• /
• 제41권1호
• /
• pp.63-68
• /
• 2017

이 논문에서는 열간 사상압연 공정에서 스트립 통판성의 안정성과 판 품질 향상을 위하여 새로운 선진율 학습모델 개발에 관한 연구를 수행한다. 먼저 기존의 선진율 해석모델에 대한 고찰을 통해 스트립 장력, 루퍼 각도 그리고 롤 주속이 선진율 학습에 크게 영향을 미치는 주요 압연 인자들임을 보인다. 두 번째로는 선진율 학습의 주요 압연 인자들을 이용하여 새로운 선진율 학습모델을 도출한 후, 보조변수 규명 알고리즘을 이용하여 이산시간계 학습모델을 규명한다. 끝으로 컴퓨터 시뮬레이션을 통해 이 논문에서 제안한 새로운 학습모델이 기존의 학습모델보다 유용함을 보인다.

• 한국지진공학회논문집
• /
• 제28권2호
• /
• pp.113-119
• /
• 2024

Existing reinforced concrete buildings with seismically deficient column details affect the overall behavior depending on the failure type of column. This study aims to develop and validate a machine learning-based prediction model for the column failure modes (shear, flexure-shear, and flexure failure modes). For this purpose, artificial neural network (ANN), K-nearest neighbor (KNN), decision tree (DT), and random forest (RF) models were used, considering previously collected experimental data. Using four machine learning methodologies, we developed a classification learning model that can predict the column failure modes in terms of the input variables using concrete compressive strength, steel yield strength, axial load ratio, height-to-dept aspect ratio, longitudinal reinforcement ratio, and transverse reinforcement ratio. The performance of each machine learning model was compared and verified by calculating accuracy, precision, recall, F1-Score, and ROC. Based on the performance measurements of the classification model, the RF model represents the highest average value of the classification model performance measurements among the considered learning methods, and it can conservatively predict the shear failure mode. Thus, the RF model can rapidly predict the column failure modes with simple column details.

• 정보관리학회지
• /
• 제19권4호
• /
• pp.5-34
• /
• 2002

본 연구에서는 웹 환경에서의 학습 방법이 학생들의 정보검색 및 정보종합 능력에 어떠한 영향을 미치는가를 규명하고자 하였다. 본 연구의 결과는 다음과 같다. 첫째, 과제 중심형 학습 집단이 기법 중심형 학습 집단보다 정보검색 능력 중 정보성취도 검사점수가 높게 나타났으며, 통계적으로 유의미한 차이를 보였다 (t=3.59, p〈.05). 둘째, 네이버 국내 웹 1차 검색 (재현율 t=1.81, 정확율 t=.61)에서 과제 중심형 학습 집단과 기법 중심형 학습 집단간에 재현율과 정확율 모두 유의미한 차이가 없었다 (p〉.05). 그러나 2차 검색 (재현율 t=2.93, 정확율 t=2.45)과 3차 검색 (재현율 t=3.48, 정확율 t=2.50)에서는 과제중심형 학습 집단이 기법 중심형 학습 집단보다 재현율과 정확율이 높게 나타났으며, 통계적으로 유의미한 차이를 보였다 (p〈.05). 셋째, 과제 중심형 학습 집단과 기법 중심형 학습 집단은 정보종합 능력의 검사 점수 차이가 통계적으로 유의미하지 않았다 (t=1.95, p〉.05). 위 실험 결과를 종합해 보면, 인터넷에서 정보를 검색하는 경우에 과제에 대한 분석과 그에 알맞는 정보검색 기법을 적용하는 것이 중요하다. 기법에 의존하기보다는 과제를 분석하고 그에 알맞는 검색을 수행해야 한다. 또 정보 이용 교육이 정보검색 수준에서 머무르는 것이 아니라, 정보검색과 정보종합에 관한 교육이 정보 문제 해결의 맥락에서 이루어져야 할 것이다.

• 산업경영시스템학회지
• /
• 제46권4호
• /
• pp.312-320
• /
• 2023

Recently, there has been an increasing attempt to replace defect detection inspections in the manufacturing industry using deep learning techniques. However, obtaining substantial high-quality labeled data to enhance the performance of deep learning models entails economic and temporal constraints. As a solution for this problem, semi-supervised learning, using a limited amount of labeled data, has been gaining traction. This study assesses the effectiveness of semi-supervised learning in the defect detection process of manufacturing using the MixMatch algorithm. The MixMatch algorithm incorporates three dominant paradigms in the semi-supervised field: Consistency regularization, Entropy minimization, and Generic regularization. The performance of semi-supervised learning based on the MixMatch algorithm was compared with that of supervised learning using defect image data from the metal casting process. For the experiments, the ratio of labeled data was adjusted to 5%, 10%, 25%, and 50% of the total data. At a labeled data ratio of 5%, semi-supervised learning achieved a classification accuracy of 90.19%, outperforming supervised learning by approximately 22%p. At a 10% ratio, it surpassed supervised learning by around 8%p, achieving a 92.89% accuracy. These results demonstrate that semi-supervised learning can achieve significant outcomes even with a very limited amount of labeled data, suggesting its invaluable application in real-world research and industrial settings where labeled data is limited.

• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제24권4호
• /
• pp.217-231
• /
• 2021

'거꾸로 수업'으로 번역되는 플립드 러닝은 여러 연구와 매체들을 통하여 그 효과성을 인정받고 있으나 활용 시 교사에게 주어지는 지나친 수업 준비 부담의 한계를 지니고 있다. 그러나 온라인 러닝이 활성화됨에 따라 한국교육방송공사(EBS)가 제공하는 플랫폼(EBSmath)을 활용하면, 거꾸로 수업에 대한 교사의 수업 부담을 극복할 수 있다. 본 연구에서는 거꾸로 수업 모델로 EBSmath를 활용하여 '비와 비율'의 학습하였을 때, 초등학교 6학년 학생들의 수학 학습 성취도와 수학적 성향에 미치는 영향을 분석하였다. 이 중 수학 학습 성취도는 '개념 이해'와 '문제해결력'으로 구분하여 분석하였다. 연구 결과 EBSmath를 활용한 거꾸로 수업은 학생들의 비와 비율 문제 해결에 긍정적인 영향을 미쳤으며, 수학적 성향 중 '의지' 면에서 통계적으로 유의한 변화가 확인되었다.

• 수산해양교육연구
• /
• 제27권4호
• /
• pp.1160-1171
• /
• 2015

The purpose of this study is to design and develop a computer based learning and test system, which supports not only testing learner's ability but also learning contents with giving feedback and hint. In order to design and develop a computer based learning and test system, Visual Basic dot Net software is used. The system works in three stages: sequential problem solving stage, randomized problem solving stage, and the challenge stage of pass/fail. The results of this study are as follows: (a) We propose the context of design for the computer based learning and test system. (b) We design and develop items display function with sequential and random algorithm in this system. (c) We design and develop pass/fail function by applying SPRT(Sequential Probability Ratio Testing) algorithm in the computer based learning and test system.

• 제어로봇시스템학회논문지
• /
• 제22권10호
• /
• pp.797-802
• /
• 2016

This paper proposes a noble voice recognition method based on an adaptive MFCC and deep learning for embedded systems. To enhance the recognition ratio of the proposed voice recognizer, ambient noise mixed into the voice signal has to be eliminated. However, noise filtering processes, which may damage voice data, diminishes the recognition ratio. In this paper, a filter has been designed for the frequency range within a voice signal, and imposed weights are used to reduce data deterioration. In addition, a deep learning algorithm, which does not require a database in the recognition algorithm, has been adapted for embedded systems, which inherently require small amounts of memory. The experimental results suggest that the proposed deep learning algorithm and HMM voice recognizer, utilizing the proposed adaptive MFCC algorithm, perform better than conventional MFCC algorithms in its recognition ratio within a noisy environment.

• Journal of Communications and Networks
• /
• 제14권5호
• /
• pp.471-480
• /
• 2012

Reliable detection of primary user activity increases the opportunity to access temporarily unused bands and prevents harmful interference to the primary system. By extracting a global decision from local sensing results, cooperative sensing achieves high reliability against multipath fading. For the effective combining of sensing results, which is generalized by a likelihood ratio test, the fusion center should learn some parameters, such as the probabilities of primary transmission, false alarm, and detection at the local sensors. During the training period in supervised learning, the on/off log of primary transmission serves as the output label of decision statistics from the local sensor. In this paper, we extend unsupervised learning techniques with an expectation maximization algorithm for cooperative spectrum sensing, which does not require an external primary transmission log. Local sensors report binary hard decisions to the fusion center and adjust their operating points to enhance learning performance. Increasing the number of sensors, the joint-expectation step makes a confident classification on the primary transmission as in the supervised learning. Thereby, the proposed scheme provides accurate parameter estimates and a fast convergence rate even in low signal-to-noise ratio regimes, where the primary signal is dominated by the noise at the local sensors.

• 한국콘텐츠학회논문지
• /
• 제20권12호
• /
• pp.49-57
• /
• 2020

본 연구는 우리나라 수출 분야 산업의 경쟁력을 나타내는 부가가치율을 다양한 머신러닝 기법을 활용하여 예측하였다. 아울러, 예측의 정확성 및 안정성을 높이기 위하여 머신러닝 기법 예측값들에 예측조합 기법을 적용하였다. 특히, 본 연구는 산업별 부가가치율에 영향을 주는 다양한 변수를 고려하기 위하여 재귀적특성제거 방법을 사용하여 주요 변수를 선별한 후 머신러닝 기법에 적용함으로써 예측과정의 효율성을 높였다. 분석결과, 예측조합 방법에 따른 예측값은 머신러닝 기법 예측값들보다 실제의 산업 부가가치율에 근접한 것으로 나타났다. 또한, 머신러닝 기법의 예측값들이 큰 변동성을 보이는 것과 달리 예측조합 기법은 안정적인 예측값을 나타내었다.