• 감성과학
• /
• 제13권4호
• /
• pp.647-658
• /
• 2010

본 연구의 목적은 초등학교 학생들을 대상으로 뇌파 자기-조절 뉴로피드백 훈련이 회상기억과 재인기억에 미치는 효과를 검토하는 것이다. 이를 위해 36명의 초등학교 학생들을 자기-조절 4 회기의 뉴로피드백 훈련을 받는 훈련집단과 이러한 처치가 제공되지 않은 통제집단으로 각각 18명씩 무선할당한 후에, 각 회기에 따라 회상기억과 재인기억 수행의 변화를 관찰하여 분석하였다. 그 결과 회상기억과 재인기억 모두 자기-조절 뉴로피드백 훈련집단이 통제집단에 비해 더 우수한 수행을 보였을 뿐만 아니라 훈련회기가 증가함에 따라 두 가지 수행치 모두 향상되는 것이 관찰되었다. 특히 기억해야 하는 표적단어의 수로 조작한 과제의 난이도가 증가 할수록 훈련 효과도 더 증가하였다. 본 연구의 결과는 자기-조절 뉴로피드백 훈련이 피훈련자의 주의력을 향상시켜 주요 인지과정 중 하나인 단어 기억 수행을 향상시키는데 도움이 될 수 있다는 것을 시사한다.

• 디자인학연구
• /
• 제15권1호
• /
• pp.49-58
• /
• 2002

컴퓨터 기술의 발달함에 따라 일선 교사들로 하여금 애니메이션과 같을 다양한 시각도구를 이용하여 멀티미디어 교육자료를 고안, 개발하는 것이 가능하게 되었다. 화려한 3D 애니메이션 기법을 도입한 게임, 또는 영화의 특수효과들과는 달리 멀티미디어를 이용한 교육자료들의 경우 정지된 영상이나 2D 애니메이션을 이용한 것들이 대부분이다. 컴퓨터 애니메이션이 학습효과에 도움을 준다는 것은 누추나 인식하고 있는 사실이지만 3D 애니떼이션을 이용한 멀티미디어 교육이 얼마나 학생들에게 효과 있는지에 대한 연구는 미흡한 실정이다. 본 논문에서는 1차 색상을 혼합하여 2차 색상을 얻는 기본적인 색채이론 과정을 3D 컴퓨터 애니메이션으로 표현하는 방법을 기술하고 본 시청각 교육자료를 통하여 이루어진 색채교육의 결과가 기존의 방법들을 보완하면서도 어린이들로 하여금 색채이론의 이해도를 제고하는데 미치는 효과를 알아보았다.

• 한국통신학회논문지
• /
• 제23권6호
• /
• pp.1443-1453
• /
• 1998

본 논문은 컴퓨터에 입력된 문자정보를 음성정보로 변환하기 위한 음성합성엔진에 관한 것이며, 특히 명료성의 향상을 위해 파형처리 음성합성방식을 이용한다. 음성합성엔진은 컴맨드 스트림의 제어에 따라 자연성의 향상을 위한 피치조절, 길이 및 에너지 등을 제어하며 음성합성단위로서 반음절을 사용한다. 엔진에서 사용 가능한 컴맨드를 프로그램하여 음성합성엔진에 입력함으로서 음성을 합성하는 빙식은 구문분석, 어휘분석 등의 하이레벨과 파형의 편집 가공 등의 로우레벨을 완전 분리하므로 시스템의 융통성과 확장성을 높인다. 또한 TTS시스템의 적용에 있어 각 모듈을 객체/컴포넌트(Object/Component)로 각 모듈이 상호 독립적으로 작동되도록 하여 쉽게 대체가 가능하다. 하이 레벨과 로우 레벨을 분리하는 소프트웨어 아키택처는 음성합성 연구에 있어 각각 여러 분야별로 독립적으로 연구수행이 가능하여 연구의 효율성을 높이며 여러 소프트웨어의 조합사용(Mix-and-Match)이 가능하여 확장성과 이식성을 향상시킨다.

• Journal of Ginseng Research
• /
• 제44권4호
• /
• pp.527-537
• /
• 2020

Panax ginseng, a medicinal plant, has been used as a blood-nourishing tonic for thousands of years in Asia, including Korea and China. P. ginseng exhibits adaptogen activity that maintains homeostasis by restoring general biological functions and non-specifically enhancing the body's resistance to external stress. Several P. ginseng effects have been reported. Korean Red Ginseng, in particular, has been reported in both basic and clinical studies to possess diverse effects such as enhanced immunity, fatigue relief, memory, blood circulation, and anti-oxidation. Moreover, it also protects against menopausal symptoms, cancer, cardiac diseases, and neurological disorders. The active components found in most Korean Red Ginseng varieties are known to include ginsenosides, polysaccharides, peptides, alkaloids, polyacetylene, and phenolic compounds. In this review, the identity and bioactivity of the non-saponin components of Korean Red Ginseng discovered to date are evaluated and the components are classified into polysaccharide and nitrogen compounds (protein, peptide, amino acid, nucleic acid, and alkaloid), as well as fat-soluble components such as polyacetylene, phenols, essential oils, and phytosterols. The distinct bioactivity of Korean Red Ginseng was found to originate from both saponin and non-saponin components rather than from only one or two specific components. Therefore, it is important to consider saponin and non-saponin elements together.

• 한국통신학회논문지
• /
• 제37C권12호
• /
• pp.1245-1255
• /
• 2012

전파 교란에 취약한 GNSS 시스템을 위하여 다양한 항재밍 알고리즘들이 존재하며, 배열 안테나를 이용한 방식이 가장 좋은 성능을 보인다. 그 중 재머의 위치를 파악하기 위한 DOA 추정 알고리즘의 역할이 매우 중요하다. 그러나 헬기의 경우 로터의 회전에 의해 정지 동체와 달리 진폭과 위상이 시간에 따라 변하는 무선 채널이 형성되어 기존 항재밍 알고리즘의 성능에 영향을 미칠 수 있다. 본 논문에서는 로터 영향을 안테나 간 상관성에 따른 네 개의 시나리오로 모델링하였으며 로터 영향에 의해 DOA 추정 알고리즘의 성능이 저하되고 JNR에 관계없이 성능이 포화됨을 확인하였다. 이의 해결을 위해 평균화 방식을 이용하였을 때 추정 샘플의 누적 수가 많아질수록 성능이 향상되며 이동 평균 방식을 함께 이용할 경우 유사한 성능을 내면서도 필요한 메모리 수를 줄이고 DOA 추정 변동량이 완화됨을 확인하였다.

• 정보처리학회논문지D
• /
• 제17D권1호
• /
• pp.9-16
• /
• 2010

웹서비스의 매시업이 새로운 소프트웨어 개발방법으로 주목받고 있다. 본 논문에서는 하나의 페이지가 여러 서비스 메소드를 비동기 호출의 방식으로 인터페이스하는 클라이언트 매시업을 고려한다. 비동기 웹서비스 호출의 컬백이 사용자 인터페이스와 병행하여 수행되는 경우 컬백은 사용자 인터페이스의 연산들과 메모리와 화면을 공유한다. 또한 사용자가 서비스 요청의 회신이 도착하기 전에 다른 요청을 전송하는 다중 호출이 가능하다면 공유 자원에 대한 병행 처리의 문제는 더 복잡해진다. 이 문제를 해결하기 위한 본 논문의 기여는 다음과 같다. 첫째, RESTful 서비스의 매시업 페이지를 사용자 액션과 컬백으로 모델링하고, 매시업 페이지에서 다중 요청의 유형을 제시하였다. 둘째, 컬백과 사용자 액션의 충돌을 공유자원의 측면에서 정의하고 병행 가능한 컬백의 조건을 제시하였다. 셋째, 공유 자원에 대한 충돌이 가능한 컬백을 순차화하여 수행하는 방법을 제시하였다. 마지막으로 제안된 컬백의 병행가능성 검사와 순차화 방법을 XForms 언어에 적용하고 브라우저에서 구현하여 사용자 경험을 향상시킬 수 있음을 실험적으로 증명하였다.

• International Journal of Computer Science & Network Security
• /
• 제23권8호
• /
• pp.177-189
• /
• 2023

Malware detection is an increasingly important operational focus in cyber security, particularly given the fast pace of such threats (e.g., new malware variants introduced every day). There has been great interest in exploring the use of machine learning techniques in automating and enhancing the effectiveness of malware detection and analysis. In this paper, we present a deep recurrent neural network solution as a stacked Long Short-Term Memory (LSTM) with a pre-training as a regularization method to avoid random network initialization. In our proposal, we use global and short dependencies of the inputs. With pre-training, we avoid random initialization and are able to improve the accuracy and robustness of malware threat hunting. The proposed method speeds up the convergence (in comparison to stacked LSTM) by reducing the length of malware OpCode or bytecode sequences. Hence, the complexity of our final method is reduced. This leads to better accuracy, higher Mattews Correlation Coefficients (MCC), and Area Under the Curve (AUC) in comparison to a standard LSTM with similar detection time. Our proposed method can be applied in real-time malware threat hunting, particularly for safety critical systems such as eHealth or Internet of Military of Things where poor convergence of the model could lead to catastrophic consequences. We evaluate the effectiveness of our proposed method on Windows, Ransomware, Internet of Things (IoT), and Android malware datasets using both static and dynamic analysis. For the IoT malware detection, we also present a comparative summary of the performance on an IoT-specific dataset of our proposed method and the standard stacked LSTM method. More specifically, of our proposed method achieves an accuracy of 99.1% in detecting IoT malware samples, with AUC of 0.985, and MCC of 0.95; thus, outperforming standard LSTM based methods in these key metrics.

• 한국자원식물학회:학술대회논문집
• /
• 한국자원식물학회 2023년도 임시총회 및 춘계학술대회
• /
• pp.16-16
• /
• 2023

Metabolomics is the study of global metabolite profiles in a system (cell, tissue, or organism) under a given set of conditions. Metabolomics has its roots in early metabolite profiling studies but is now a rapidly expanding area of scientific research in its own right. In this study, the applications of metabolomics in natural product studies are explored. Ginseng is a well-known herbal medicine and has various pharmacological effects, which include antiaging, anticancer, antifatigue, memory enhancing, immunomodulatory, and stress reducing effects. Metabolomic analysis of organic acids has not been performed for evaluation whether ginseng has been cultivated using conventional or environmental-friendly farming methods. In this study, profiling analysis was conducted for organic acids (OAs) in ginseng roots produced using conventional or environmentfriendly farming methods at five locations in each of five regions. In OA profiles, lactic acid was the most abundant OA in all regions, with the exception for environmentally friendly farmed ginseng in two of the five regions, in which glycolic acid was most abundant OA. OA profiles in all regions showed isocitric acid levels were increased by environment-friendly cultivation, which suggests metabolic differences associated from farming method, and that isocitric acid might be a useful discriminatory biomarker of environmental-friendly and conventional cultivation. The results of the present study suggest metabolomic studies of OAs in ginseng roots might be useful for monitoring whether ginseng has been cultivated using conventional or environmentally friendly farming methods.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권11호
• /
• pp.2924-2944
• /
• 2023

Alzheimer's disease (AD) is a neurological condition that is recognized as one of the primary causes of memory loss. AD currently has no cure. Therefore, the need to develop an efficient model with high precision for timely detection of the disease is very essential. When AD is detected early, treatment would be most likely successful. The most often utilized indicators for AD identification are the Mini-mental state examination (MMSE), and the clinical dementia. However, the use of these indicators as ground truth marking could be imprecise for AD detection. Researchers have proposed several computer-aided frameworks and lately, the supervised model is mostly used. In this study, we propose a novel 3D Convolutional Neural Network Multilayer Perceptron (3D CNN-MLP) based model for AD classification. The model uses Attention Mechanism to automatically extract relevant features from Magnetic Resonance Images (MRI) to generate probability maps which serves as input for the MLP classifier. Three MRI scan categories were considered, thus AD dementia patients, Mild Cognitive Impairment patients (MCI), and Normal Control (NC) or healthy patients. The performance of the model is assessed by comparing basic CNN, VGG16, DenseNet models, and other state of the art works. The models were adjusted to fit the 3D images before the comparison was done. Our model exhibited excellent classification performance, with an accuracy of 91.27% for AD and NC, 80.85% for MCI and NC, and 87.34% for AD and MCI.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권2호
• /
• pp.456-477
• /
• 2024

With information technology's rapid development, the Internet faces serious security problems. Studies have shown that malware has become a primary means of attacking the Internet. Therefore, adversarial samples have become a vital breakthrough point for studying malware. By studying adversarial samples, we can gain insights into the behavior and characteristics of malware, evaluate the performance of existing detectors in the face of deceptive samples, and help to discover vulnerabilities and improve detection methods for better performance. However, existing adversarial sample generation methods still need help regarding escape effectiveness and mobility. For instance, researchers have attempted to incorporate perturbation methods like Fast Gradient Sign Method (FGSM), Projected Gradient Descent (PGD), and others into adversarial samples to obfuscate detectors. However, these methods are only effective in specific environments and yield limited evasion effectiveness. To solve the above problems, this paper proposes a malware adversarial sample generation method (PixGAN) based on the pixel attention mechanism, which aims to improve adversarial samples' escape effect and mobility. The method transforms malware into grey-scale images and introduces the pixel attention mechanism in the Deep Convolution Generative Adversarial Networks (DCGAN) model to weigh the critical pixels in the grey-scale map, which improves the modeling ability of the generator and discriminator, thus enhancing the escape effect and mobility of the adversarial samples. The escape rate (ASR) is used as an evaluation index of the quality of the adversarial samples. The experimental results show that the adversarial samples generated by PixGAN achieve escape rates of 97%, 94%, 35%, 39%, and 43% on the Random Forest (RF), Support Vector Machine (SVM), Convolutional Neural Network (CNN), Convolutional Neural Network and Recurrent Neural Network (CNN_RNN), and Convolutional Neural Network and Long Short Term Memory (CNN_LSTM) algorithmic detectors, respectively.