• 한국수학교육학회지시리즈A:수학교육
• /
• 제59권4호
• /
• pp.373-387
• /
• 2020

본 연구의 목적은 학습 빅데이터 분석을 통해 추천 알고리즘을 스스로 고도화하는 머신러닝 추천모듈이 적용된 개인 맞춤형 학습 플랫폼이 학생들의 학습시간, 자기주도적 학습능력, 수학에 대한 태도, 수학학업성취도에 미치는 영향과 이들 사이의 구조적 관계를 검증하는 것이다. 연구 결과 개인 맞춤형 학습은 학생들의 학습시간, 자기주도적 학습능력, 수학에 대한 태도, 수학학업성취도에 대해 긍정적인 영향을 미치고 있었다. 또한, 맞춤형 학습과 수학에 대한 태도와 수학학업성취도의 관계에서 학습시간과 자기주도적 학습능력의 매개효과가 유의하였다.

• 방송공학회논문지
• /
• 제19권2호
• /
• pp.166-173
• /
• 2014

최근 다양한 방송 및 영상 분야에서 사람의 행동을 인식하여는 연구들이 많이 이루어지고 있다. 영상은 다양한 형태를 가질 수 있기 때문에 제약된 환경에서 유용한 템플릿 방법들보다 특징점에 기반한 연구들이 실제 사용자 환경에서 더욱 관심을 받고 있다. 특징점 기반의 연구들은 영상에서 움직임이 발생하는 지점들을 찾아내어 이를 3차원 패치들로 생성한다. 이를 이용하여 영상의 움직임을 히스토그램에 기반한 descriptor(서술자)로 표현하고 학습기반의 판별기로 최종적으로 영상내에 존재하는 행동들을 인식하였다. 그러나 단일 판별기로는 다양한 행동을 인식하기에 어려움이 있다. 따라서 이러한 문제를 개선하기 위하여 최근에 다중 판별기를 활용한 연구들이 영상 판별 및 물체 검출 영역에서 사용되고 있다. 따라서 본 논문에서는 행동 인식을 위하여 support vector machine과 sparse representation을 이용한 decision-level fusion 방법을 제안하고자 한다. 제안된 논문의 방법은 영상에서 특징점 기반의 descriptor를 추출하고 이를 각각의 판별기를 통하여 판별 결과들을 획득한다. 이 후 학습단계에서 획득된 가중치를 활용하여 각 결과들을 융합하여 최종 결과를 도출하였다. 본 논문에 실험에서 제안된 방법은 기존의 융합 방법보다 높은 행동 인식 성능을 보여 주었다.

• Journal of Communications and Networks
• /
• 제13권2호
• /
• pp.125-131
• /
• 2011

Rapid strides are being made to bring to reality the technology of wearable sensors for monitoring patients' physiological data.We study the problem of automatically detecting anomalies in themeasured blood glucose levels. The normal daily measurements of the patient are used to train a hidden Markov model (HMM). The structure of the HMM-its states and output symbols-are selected to accurately model the typical transitions in blood glucose levels throughout a 24-hour period. The learning of the HMM is done using historic data of normal measurements. The HMM can then be used to detect anomalies in blood glucose levels being measured, if the inferred likelihood of the observed data is low in the world described by the HMM. Our simulation results show that our technique is accurate in detecting anomalies in glucose levels and is robust (i.e., no false positives) in the presence of reasonable changes in the patient's daily routine.

• Communications for Statistical Applications and Methods
• /
• 제28권4호
• /
• pp.329-338
• /
• 2021

Deep learning methods have been developed, used in various fields, and they have shown outstanding performances in many cases. Many studies predicted a daily stock return, a classic example of time-series data, using deep learning methods. We also tried to apply deep learning methods to Korea's stock market data. We used Korea's stock market index (KOSPI) and several individual stocks to forecast daily returns and directions. We compared several deep learning models with other machine learning methods, including random forest and XGBoost. In regression, long short term memory (LSTM) and gated recurrent unit (GRU) models are better than other prediction models. For the classification applications, there is no clear winner. However, even the best deep learning models cannot predict significantly better than the simple base model. We believe that it is challenging to predict daily stock return data even if we use the latest deep learning methods.

• Communications for Statistical Applications and Methods
• /
• 제30권3호
• /
• pp.331-341
• /
• 2023

Handling missing values in data analysis is essential in constructing a good prediction model. The easiest way to handle missing values is to use complete case data, but this can lead to information loss within the data and invalid conclusions in data analysis. Imputation is a technique that replaces missing data with alternative values obtained from information in a dataset. Conventional imputation methods include K-nearest-neighbor imputation and multiple imputations. Recent methods include missForest, missRanger, and mixgb ,all which use machine learning algorithms. This paper compares the imputation techniques for datasets with mixed datatypes in various situations, such as data size, missing ratios, and missing mechanisms. To evaluate the performance of each method in mixed datasets, we propose a new imputation performance measure (IPM) that is a unified measurement applicable to numerical and categorical variables. We believe this metric can help find the best imputation method. Finally, we summarize the comparison results with imputation performances and computational times.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2002년도 춘계학술대회 논문집
• /
• pp.508-511
• /
• 2002

With increasing the needs for micro and precision parts, micro machining technology using micro tools has been studied to fabricate a small part with high density such as electronics, optics, communications, and medicine industry more than before. Though these micro tools have developed rapidly, it is difficult to apply them to micro fabrication technologies, because of the inherent manufacturing. In this study, micro tools(wc) to produce micro structures and parts were manufactured by cylindrical grinding machine employing ELID(Electrolytic In-process Dressing) technique and good dimensional accuracy was achieved. Furthermore we researched the characteristics of machining on the micro drilling using micro drills and manufactured micro tools. Finally it is confirmed that manufactured micro tools can be used for micro machining.

• Smart Structures and Systems
• /
• 제26권1호
• /
• pp.35-47
• /
• 2020

This paper proposes the use of transmissibility functions combined with a machine learning algorithm, Artificial Neural Networks (ANNs), to assess damage in a truss bridge. A new approach method, which makes use of the input parameters calculated from the transmissibility function, is proposed. The network not only can predict the existence of damage, but also can classify the damage types and identity the location of the damage. Sensors are installed in the truss joints in order to measure the bridge vibration responses under train and ambient excitations. A finite element (FE) model is constructed for the bridge and updated using FE software and experimental data. Both single damage and multiple damage cases are simulated in the bridge model with different scenarios. In each scenario, the vibration responses at the considered nodes are recorded and then used to calculate the transmissibility functions. The transmissibility damage indicators are calculated and stored as ANNs inputs. The outputs of the ANNs are the damage type, location and severity. Two machine learning algorithms are used; one for classifying the type and location of damage, whereas the other for finding the severity of damage. The measurements of the Nam O bridge, a truss railway bridge in Vietnam, is used to illustrate the method. The proposed method not only can distinguish the damage type, but also it can accurately identify damage level.

• 한국정보통신학회논문지
• /
• 제17권3호
• /
• pp.740-746
• /
• 2013

사물통신은 사람 대 사물, 사물 대 사물간 지능통신 서비스를 언제 어디서나 안전하고 편리하게 실시간으로 이용할 수 있는 융합 ICT 기반이다. 사물통신 플랫폼은 다양한 장치와 센서를 통해 사물의 정보를 취득 또는 생성하는 M2M 현장 네트워크, 이를 전달하는 광대역 무선 통신망, 수집된 정보를 가공, 활용하는 응용서비스들의 3요소로 구성된다. 본 논문에서는 WCDMA 기반의 M2M 통신망과 지그비 또는 Wi-Fi 기반의 USN을 상호 연동하는데 현실적으로 걸림돌이 되는 두 가지 문제, 즉 WCDMA 망의 요금 문제와 게이트웨이 문제를 해결하기 위한 PWW(Person Wide Web) 기반의 M2M 플랫폼을 설계하고 개발하였다. 개발한 USN 게이트웨이를 통해 USN 기반 현장 네크워크와 응용서비스 단말로써의 스마트폰을 직접 연동시킴으로써 WCDMA 무선망 접속을 최소화하여 위에서 언급한 두 가지 현실적 문제를 회피할 수 있음을 보였다.

• 한국통신학회논문지
• /
• 제42권4호
• /
• pp.899-903
• /
• 2017

본 논문은 멀티미디어 서비스를 지원하는 다인승 차량 내 HMI(Human Machine Interface)을 지원하는 네트워크 구조 및 구현방법에 관한 것이다. 다인승 차량의 경우, 기존 승용차의 멀티미디어 서비스형태와 달리 트래픽에 대한 요소를 고려해야하며, 서버에서 업데이트되는 콘텐츠 정보를 다수의 사용자에게 동시에 전달해야하는 특성이 있으며, 사용자가 네트워크에 접속하여 다양한 콘텐츠를 사용할 수 있는 확장성이 있어야한다. 따라서 본 논문에서는 기존 차량용 광 네트워크 MOST(Media Oriented System Transport) 시스템 구조를 변경하여 MOST와 연동되는 이더넷 기능을 개발하고 사용자 접근할 수 있는 인터페이스를 설계하여 다인승 차량용 멀티디미어 서비스에 필요한 데이터송수신 모듈 설계 방법을 제안한다.

• 디지털융복합연구
• /
• 제13권9호
• /
• pp.269-276
• /
• 2015

최근 빅데이터 관련 산업 활성화에 따라 글로벌 보안 업체들은 지능적인 보안 위협 모니터링과 예방을 위해 분석 데이터의 범위를 정형/비정형 데이터로 확대하고, 보안 예방을 목적으로 사용자의 성향 분석 기법을 활용하려는 추세이다. 이는 기존 정형 데이터(기존 수치화 가능한 자료)의 분석 결과에서 추론할 수 있는 정보의 범위가 한정적이기 때문이다. 본 논문은 빅데이터 환경에서 기계학습 알고리즘($Na{\ddot{i}}ve$ Bayes, Decision Tree, K-nearest neighbor, Apriori)을 효율적으로 응용하여 보안 성향(목적 별 항목 분류, 긍정 부정 판단, 핵심 키워드 연관성 분석)을 분석하는데 활용한다. 성능 분석 결과 보안 성향 판단을 위한 보안항목 및 특정 지표를 정형/비정형 데이터에서 추출할 수 있음을 확인하였다.