• 정보관리학회지
• /
• 제38권2호
• /
• pp.153-172
• /
• 2021

본 연구는 공황장애 말뭉치 구축과 분석을 통해 공황장애의 특성을 살펴보고 공황장애 경향 문헌을 분류할 수 있는 딥러닝 자동 분류 모델을 만들고자 하였다. 이를 위해 소셜미디어에서 수집한 공황장애 관련 문헌 5,884개를 정신 질환 진단 매뉴얼 기준으로 직접 주석 처리하여 공황장애 경향 문헌과 비 경향 문헌으로 분류하였다. 이 중 공황장애 경향 문헌에 나타난 어휘적 특성 및 어휘의 관계성을 분석하기 위해 TF-IDF값을 산출하고 단어 동시출현 분석을 실시하였다. 공황장애의 특성 및 증상 간의 관련성을 분석하기 위해 증상 빈도수와 주석 처리된 증상 번호 간의 동시출현 빈도수를 산출하였다. 또한, 구축한 말뭉치를 활용하여 딥러닝 자동 분류 모델 학습 및 성능 평가를 하였다. 이를 위하여 최신 딥러닝 언어 모델 BERT 중 세 가지 모델을 활용하였고 이 중 KcBERT가 가장 우수한 성능을 보였다. 본 연구는 공황장애 관련 증상을 겪는 사람들의 조기 진단 및 치료를 돕고 소셜미디어 말뭉치를 활용한 정신 질환 연구의 영역을 확장하고자 시도한 점에서 의의가 있다.

• 스마트미디어저널
• /
• 제11권10호
• /
• pp.65-75
• /
• 2022

딥러닝은 기존의 분석 모델이 갖는 한계를 극복하고 텍스트, 이미지, 음악 등 다양한 형태의 결과물을 생성할 수 있는 창의적인 도구로 활용되고 있다. 본 고에서는 Niko's MIDI Pack 음원 파일 1,609개를 데이터 셋으로 삼아 전처리 과정을 수행하고, 양방향 장단기 기억 순환 신경망(Bi-LSTM) 모델을 이용하여, 효율적으로 음악을 생성할 수 있는 전처리 방법과 예측 모델을 제시한다. 생성되는 으뜸음을 바탕으로 음악적 조성(調聲)에 적합한 새로운 시계열 데이터를 생성할 수 있도록 은닉층을 다층화하고, 디코더의 출력 게이트에서 인코더의 입력 데이터 중 영향을 주는 요소의 가중치를 적용하는 어텐션(Attention) 메커니즘을 적용한다. LSTM 모델의 인식률 향상을 위한 파라미터로서 손실함수, 최적화 방법 등 설정 변수들을 적용한다. 제안 모델은 MIDI 학습의 효율성 제고 및 예측 향상을 위해 높은음자리표(treble clef)와 낮은음자리표(bass clef)를 구분하여 추출된 음표, 음표의 길이, 쉼표, 쉼표의 길이와 코드(chord) 등을 적용한 다채널 어텐션 적용 양방향 기억 모델(Bi-LSTM with attention)이다. 학습의 결과는 노이즈와 구별되는 음악의 전개에 어울리는 음표와 코드를 생성하며, 화성학적으로 안정된 음악을 생성하는 모델을 지향한다.

• 스마트미디어저널
• /
• 제7권4호
• /
• pp.17-23
• /
• 2018

자동 띄어쓰기 특성을 효과적으로 처리할 수 있는 LSTM(Long Short-Term Memory Neural Networks) 기반의 RNN 모델을 제시하고 적용한 결과를 분석하였다. 문장이 길거나 일부 노이즈가 포함된 경우에 신경망 학습이 쉽지 않은 문제를 해결하기 위하여 입력 데이터 형식과 디코딩 데이터 형식을 정의하고, 신경망 학습에서 드롭아웃, 양방향 다층 LSTM 셀, 계층 정규화 기법, 주목 기법(attention mechanism)을 적용하여 성능을 향상시키는 방법을 제안하였다. 학습 데이터로는 세종 말뭉치 자료를 사용하였으며, 학습 데이터가 부분적으로 불완전한 띄어쓰기가 포함되어 있었음에도 불구하고, 대량의 학습 데이터를 통해 한글 띄어쓰기에 대한 패턴이 의미 있게 학습되었다. 이것은 신경망에서 드롭아웃 기법을 통해 학습 모델의 오버피팅이 되지 않도록 함으로써 노이즈에 강한 모델을 만들었기 때문이다. 실험결과로 LSTM sequence-to-sequence 모델이 재현율과 정확도를 함께 고려한 평가 점수인 F1 값이 0.94로 규칙 기반 방식과 딥러닝 GRU-CRF보다 더 높은 성능을 보였다.

• 방송공학회논문지
• /
• 제25권3호
• /
• pp.418-427
• /
• 2020

축산 판매장에서 판매하는 고기들의 신선도 측정은 소비자의 건강을 위해 필요한 기술이다. 신선도 측정을 목적으로 다양한 센서가 연구 개발되고 있다. 센서는 다양한 고기의 신선도 상태 때문에 측정 오류가 발생한다. 따라서 강인성을 가지는 센서를 검증한 후에, 사용하는 과정이 필요하다. 본 논문에서는 10개의 고기 신선도 측정 센서로 얻은 데이터의 분석을 통해서, 각 측정 센서의 성능을 심층신경망을 이용하여 조사한다. 고기 종류로는 소고기, 돼지고기, 닭고기를 대상으로 검증한다. 또한 토리미터보다 성능이 우수한 다중센서를 찾기 위해서 PCA를 이용하여 3개의 센서를 찾는다. 실험에서는 심층신경망으로 3개의 센서가 토리미터보다 우수함을 증명하였다.

• 의학교육논단
• /
• 제16권1호
• /
• pp.25-31
• /
• 2014

As a preliminary approach to developing a bedside teaching program, this study analyzed the instructional models that have been suggested for bedside teaching. The objects of analysis were four models: the 'Cox model,' which is composed of an experience cycle and an explanation cycle; the 'best teaching practice model' by Janicik and Fletcher; the 'twelve tips to improve bedside teaching' by Ramani; and the SNNAPS model for outpatient education by Wolpaw, Wolpaw, and Papp. This study was conducted in three steps. First, we identified the major components of each model and analyzed their characteristics and limitations. Second, we compared each model in terms of four aspects: the learner, learning interaction, learning context, and organization management. Third, on the basis of prior analysis, the possibilities and potential problems of the models were explored. Based on this review of the existing instructional design models, we proposed an additional four key elements for designing a bedside teaching program: multi-layered learners, various learning environments and contexts, time management by using media, and self-directed design.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제23권2호
• /
• pp.461-481
• /
• 2009

최근 20여 년 동안 국제적으로 기호학의 관점에서 수학교육에 대한 다양한 연구와 실천이 진행되어 오고 있다. 멀티미디어는 표현 매체이며 기호로서 수학 및 수학교육과 다양한 관계를 가지고 상호 작용한다. 수학 및 수학교육의 활동은 기호학의 관점에서 기호적 활동으로 영향력, 역할 그리고 범위가 확대될 것으로 예상된다. 본 논문에서는 기호학의 기본 개념을 소개하고 수학교육에서의 적용 가능성을 제안하였다. 개념, 표상, 사회적 구성주의, 문화와의 맥락에 관한 수학교육의 기존 연구와 기호학관점의 연구는 유사성을 갖는다. 기호학의 관점에서 산술학습, 연역법, 귀납법, 가추법과 퍼스의 기호-삼항틀 적용 사례, 기하의 명제들 사이의 퍼스-삼항틀 관계, 대칭과 증명을 다루는 기하학습 등을 제시하였다.

• 방송공학회논문지
• /
• 제26권7호
• /
• pp.855-861
• /
• 2021

Neural Architecture Search (NAS) is cutting-edge technology in the machine learning community. NAS Without Training (NASWOT) recently has been proposed to tackle the high demand of computational resources in NAS by leveraging some indicators to predict the performance of architectures before training. The advantage of these indicators is that they do not require any training. Thus, NASWOT reduces the searching time and computational cost significantly. However, NASWOT only considers high-performing networks which does not guarantee a fast inference speed on hardware devices. In this paper, we propose a multi objectives reward function, which considers the network's latency and the predicted performance, and incorporate it into the Reinforcement Learning approach to search for the best networks with low latency. Unlike other methods, which use FLOPs to measure the latency that does not reflect the actual latency, we obtain the network's latency from the hardware NAS bench. We conduct extensive experiments on NAS-Bench-201 using CIFAR-10, CIFAR-100, and ImageNet-16-120 datasets, and show that the proposed method is capable of generating the best network under latency constrained without training subnetworks.

• 한국정보통신학회논문지
• /
• 제20권6호
• /
• pp.1081-1086
• /
• 2016

다양한 멀티미디어를 활용한 스마트 학습이 학습 현장에서 활용되는 가운데, 본 연구에서는 교수자들의 스마트 학습에 대한 수용을 기술 수용 모형인 TAM을 적용하여 살펴보고자 하였다. 기존에 TAM 모형에 본 연구에서는 기술 수용의 사전적 영향 요인으로 작용할 수 있는 외부 환경에서의 스마트 학습할용에 대한 압력과 스마트 기기를 통한 학습에 있어서 교수자들의 자기효능감을 추가하여 총 7개의 변수를 포함하는 확장 모형을 제시하고 실증 분석을 통해 이를 검증하고자 하였다. 실증분석을 위해 2016년 3월 한 달 동안 설문조사가 이루어졌으며, 수거된 총 167부의 응답 중 분석을 위해 총 143부가 사용되었다. 구조방정식 모형을 통한 분석의 결과 총 10개의 경로 중 9개가 유의한 관계를 나타내고 있다. 앞으로 연구결과를 활용하여 학습자 관점에서의 멀티미디어 활용을 통한 학습 환경의 문제점과 수용에 대한 제언을 하고자 한다.

• 한국응급구조학회지
• /
• 제7권1호
• /
• pp.109-118
• /
• 2003

With the rapid development of information and communication technology, a lot of multi-media learning programs are being developed and reported in the field of Emergency medicine both home and abroad. In this connection, this study was aimed at developing a foreign-body airway obstruction courseware in adults for EMT. The development period of CAI courseware lasted from May 2003 through November 2003. Among CAI courseware patterns, private instruction and repeat practice and simulation patterns were used as an instruction-learning strategy. The learning contents of the CAI courseware consisted of five chapters concerning (1) A relief of partial FBAO in the responsible victim, (2) A relief of complete FBAO in the responsible victim, (3) In case of unconsciousness in the responsible victim without removing all foreign body, (4) In case of consciousness in all victims after getting removed all foreign body and (5) A complete airway obstruction in victims without consciousness on the basis of assess responsiveness and the degree of airway obstruction. The way to use this courseware, with just a click on one specific chapter, was developed to proceed a course with progressive algorithm, a method of solving problems by choosing one between two situations. A characteristic of this CAI courseware is the enhanced efficiency of an instruction-learning method by providing an opportunity of choice based on situations in its effort to encourage learners to use a self-initiated learning method, not one-way method and to enhance problem solving skills among situations. Moreover, this courseware went through the diverse phases such as development, application, feedback in connection with learning process by practicing teachers, so that the courseware could be used frequently in the future. The contents of this courseware were written with the web, so that, if necessary, the contents could be continuously modified and complemented and handed out in the form of CD-ROM. This study indicates that the development of a variety of CAI courseware requires institutional and financial assistance and initiatives reflecting a reality in terms of learning process, technical assistance and resources.

• 스마트미디어저널
• /
• 제11권1호
• /
• pp.46-57
• /
• 2022

본 논문에서는 딥러닝을 기반으로 입력영상의 옵티컬 플로우(optical flow)와 그래디언트(gradient)를 이용하여 종단간 행동인식이 가능한 다중영역 기반 방사성 GCN(MRGCN: Multi-region based Radial Graph Convolutional Network) 알고리즘에 대해 기술한다. 이 방법은 데이터 취득이 어렵고 계산이 복잡한 스켈레톤 정보를 사용하지 않기 때문에 카메라만을 주로 사용하는 일반 CCTV 환경에도 활용이 가능하다. MRGCN의 특징은 입력영상의 옵티컬플로우와 그래디언트를 방향성 히스토그램으로 표현한 후 계산량 축소를 위해 6개의 특징 벡터로 변환하여 사용한다는 것과 시공간 영역에서 인체의 움직임과 형상변화를 계층적으로 전파시키기 위해 새롭게 고안한 방사형 구조의 네트워크 모델을 사용한다는 것이다. 또 데이터 입력 영역을 서로 겹치도록 배치하여 각 노드 간에 공간적으로 단절이 없는 정보를 입력으로 사용한 것도 중요한 특징이다. 30가지의 행동에 대해 성능평가 실험을 수행한 결과 스켈레톤 데이터를 입력으로 사용한 기존의 GCN기반 행동인식과 동등한 84.78%의 Top-1 정확도를 얻을 수 있었다. 이 결과로부터 취득이 어려운 스켈레톤 정보를 사용하지 않는 MRGCN이 복잡한 행동인식이 필요한 실제 상황에서 더욱 실용적인 방법임을 알 수 있었다.