• 인터넷정보학회논문지
• /
• 제11권3호
• /
• pp.25-32
• /
• 2010

게임은 여러 캐릭터와 상태공간을 갖고 있다. 그러므로 학습을 하는데 많은 시간이 걸린다. 본 논문에서는 강화학습 알고리즘을 이용하였다. 보상 값을 받아 캐릭터가 학습하게 하여 지능적으로 움직이게 하였다. 학습초기에는 학습속도가 느려진다. 순차예측 알고리즘을 개선하여 학습에 적용하였다. 기존 강화학습으로 구현된 게임과 비교 실험하였다. 실험결과 개선 구현된 게임의 성능이 학습속도 측면에서 30% 까지 향상됨을 알 수 있었다.

• 한국가스학회지
• /
• 제25권5호
• /
• pp.63-69
• /
• 2021

본 연구에서는 오토인코더의 재구성 오류의 임계값을 이용하여 가스 시설에서의 작업이 정상 작업인지 비정상 작업인지를 판단하는 알고리즘을 구축하였다. 이 알고리즘은 정상 작업의 시계열 데이터만으로 오토인코더를 학습하여 최적화된 정상 작업의 재구성 오류의 임계값을 도출한다. 이 알고리즘을 새로운 작업의 시계열 데이터에 적용하여 재구성 오류를 구한 다음 이것을 정상 작업의 재구성 오류 임계값과 비교하여 정상작업인지 비정상 작업인지를 판별한다. 이 알고리즘을 학습하고 검증하기 위해서 가상의 가스 시설에서의 작업을 규정하고 정상 작업 데이터로만 이루어진 학습 데이터 세트와 정상 작업과 비정상 작업 데이터를 모두 포함한 검증 데이터 세트를 구축하였다.

• 한국전자통신학회논문지
• /
• 제13권6호
• /
• pp.1257-1262
• /
• 2018

본 논문에서는 보안 감시 카메라 영상을 활용하여 화재 검출을 위한 효과적인 심층학습 방안을 제안한다. AlexNet 모델을 기준으로 효과적인 화재 검출을 위한 커널 크기와 커널 이동 간격의 변화에 따른 분류 성능을 비교 분석한다. 학습을 위한 데이터셋은 정상과 화재 2가지 클래스로 분류한다, 정상 영상에는 구름과 안개 낀 영상을 포함하고, 화재 영상에는 연기와 화염을 각각 포함한다. AlexNet 모델의 첫 번째 계층의 커널 크기와 이동 간격에 따른 분류 성능 분석 결과 커널의 크기는 크고, 이동 간격은 작을수록 화재 분류 성능이 우수한 것을 확인할 수 있다.

• 게임&엔터테인먼트 논문지
• /
• 제2권3호
• /
• pp.8-14
• /
• 2006

협동학습과 교육용 게임에 대한 사회적 관심이 점차 증가하고 있다. 본 논문에서는 협동학습과 게임의 교육적인 가치에 대해 고찰하여 보고, 협동학습용 게임 모델을 제시한다. 제안된 모델은 개념적인 수준이지만, 온라인 게임이 어린 학생들에게 협동학습의 수단이 될 가능성을 충분히 보여준다. 구체적으로 실제학교에서 수행되어지는 협동학습 과정을 살펴보고, 이 과정을 그대로 따를 수 있는 온라인 게임의 요소들에 대해서 살펴본다.

• 한국수학교육학회지시리즈D:수학교육연구
• /
• 제25권1호
• /
• pp.1-20
• /
• 2022

Collaborative learning has been highlighted as an effective method of teachers' professional development in various studies. To disclose teachers' discourse threads in the process of collaborative learning for developing their knowledge, this paper adopted two methods including "content analysis" and "time-sequential analysis" of learning analytics. Such analyses were implemented for mining teachers' updated knowledge and the discourse threads in the discussion during collaborative learning. The materials for analysis involved two aspects: one was from the video-taped lesson observation reports written by teachers before and after discussing, and the other was from their discourses during the discussion process. The results proved that teachers' knowledge for teaching the centroid of a triangle was updated in the collaborative learning period, and also revealed the discourse threads of teachers' collaboration contained "requesting information or opinions", "building on ideas", and "providing evidence or reasoning", with the emphasis on "challenging ideas or re-focusing talk"

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권10호
• /
• pp.3668-3684
• /
• 2021

Video action recognition is widely used in video surveillance, behavior detection, human-computer interaction, medically assisted diagnosis and motion analysis. However, video action recognition can be disturbed by many factors, such as background, illumination and so on. Two-stream convolutional neural network uses the video spatial and temporal models to train separately, and performs fusion at the output end. The multi segment Two-Stream convolutional neural network model trains temporal and spatial information from the video to extract their feature and fuse them, then determine the category of video action. Google Xception model and the transfer learning is adopted in this paper, and the Xception model which trained on ImageNet is used as the initial weight. It greatly overcomes the problem of model underfitting caused by insufficient video behavior dataset, and it can effectively reduce the influence of various factors in the video. This way also greatly improves the accuracy and reduces the training time. What's more, to make up for the shortage of dataset, the kinetics400 dataset was used for pre-training, which greatly improved the accuracy of the model. In this applied research, through continuous efforts, the expected goal is basically achieved, and according to the study and research, the design of the original dual-flow model is improved.

• The Korean Journal of Physiology and Pharmacology
• /
• 제24권1호
• /
• pp.89-99
• /
• 2020

Although microscopic analysis of tissue slides has been the basis for disease diagnosis for decades, intra- and inter-observer variabilities remain issues to be resolved. The recent introduction of digital scanners has allowed for using deep learning in the analysis of tissue images because many whole slide images (WSIs) are accessible to researchers. In the present study, we investigated the possibility of a deep learning-based, fully automated, computer-aided diagnosis system with WSIs from a stomach adenocarcinoma dataset. Three different convolutional neural network architectures were tested to determine the better architecture for tissue classifier. Each network was trained to classify small tissue patches into normal or tumor. Based on the patch-level classification, tumor probability heatmaps can be overlaid on tissue images. We observed three different tissue patterns, including clear normal, clear tumor and ambiguous cases. We suggest that longer inspection time can be assigned to ambiguous cases compared to clear normal cases, increasing the accuracy and efficiency of histopathologic diagnosis by pre-evaluating the status of the WSIs. When the classifier was tested with completely different WSI dataset, the performance was not optimal because of the different tissue preparation quality. By including a small amount of data from the new dataset for training, the performance for the new dataset was much enhanced. These results indicated that WSI dataset should include tissues prepared from many different preparation conditions to construct a generalized tissue classifier. Thus, multi-national/multi-center dataset should be built for the application of deep learning in the real world medical practice.

• International Journal of Computer Science & Network Security
• /
• 제24권5호
• /
• pp.111-118
• /
• 2024

In general network-based intrusion detection system is designed to detect malicious behavior directed at a network or its resources. The key goal of this paper is to look at network data and identify whether it is normal traffic data or anomaly traffic data specifically for accounting information systems. In today's world, there are a variety of principles for detecting various forms of network-based intrusion. In this paper, we are using supervised machine learning techniques. Classification models are used to train and validate data. Using these algorithms we are training the system using a training dataset then we use this trained system to detect intrusion from the testing dataset. In our proposed method, we will detect whether the network data is normal or an anomaly. Using this method we can avoid unauthorized activity on the network and systems under that network. The Decision Tree and K-Nearest Neighbor are applied to the proposed model to classify abnormal to normal behaviors of network traffic data. In addition to that, Logistic Regression Classifier and Support Vector Classification algorithms are used in our model to support proposed concepts. Furthermore, a feature selection method is used to collect valuable information from the dataset to enhance the efficiency of the proposed approach. Random Forest machine learning algorithm is used, which assists the system to identify crucial aspects and focus on them rather than all the features them. The experimental findings revealed that the suggested method for network intrusion detection has a neglected false alarm rate, with the accuracy of the result expected to be between 95% and 100%. As a result of the high precision rate, this concept can be used to detect network data intrusion and prevent vulnerabilities on the network.

• 한국약용작물학회지
• /
• 제11권3호
• /
• pp.232-235
• /
• 2003

지구자 물 추출물이 에탄올 중독된 흰쥐의 학습능력에 미치는 영향을 실험하기 위하여 정상군(normal), 25% 에탄올 투여군(control) 및 지구자 물 추출물과 에탄올을 함께 투여한 검액투여군(sample)으로 나누어 10일간 각 약물을 투여한 후 11일째 1일 3회 직선수로 실험을 시행하고, 다음날부터 3일간 1일 3회씩 실험한 T-미로실험을 시행한 결과, normal군은 직선 수로실험과 T-미로실험에서 학습에 의하여 목표점 도달 소요시간이 유의성 있게 단축되고, control군은 기억력쇠퇴로 인하여 학습능력이 현저히 감소하나, 지구자의 물 추출물을 계속적으로 투여한 sample군의 경우 에탄올 중독으로 저하된 학습 능력에 유의성 있는 회복을 나타냈다.

• 한국융합학회논문지
• /
• 제10권8호
• /
• pp.59-65
• /
• 2019

암 조직에는 다양한 형태의 세포가 존재하지만, 이들의 조성을 실험적으로 확인하기는 매우 어렵다. 본 연구에서는 유전자 발현 데이터에 통계적 기계학습 모델을 적용하여 각 샘플의 세포 조성을 추론하고, 이러한 세포 조성이 암조직과 정상 조직간에 차이가 있는지를 확인하였다. 두 가지 서로 다른 회귀 모델을 이용하여 세포 조성을 예측한 결과 CD8 T cell과 Neutrophil이 구강암 조직에서 정상 조직에 비해 증가함을 확인할 수 있었다. 또한 비지도학습 중 하나인 t-SNE를 적용하여, 유추된 세포 조성에 의해 정상 조직과 구강암 조직이 서로 군집을 이루고 있음을 확인하였고, 지도 학습 기반의 다양한 분류 알고리즘들을 이용하여 세포 조성 정보를 이용하여 구강암과 정상 조직을 예측하는 것이 가능함을 보였다. 이 연구는 구강암의 면역 세포 침투에 대한 이해도를 증진하는데에 도움을 줄 수 있을 것이다.