• 컴퓨터교육학회논문지
• /
• 제6권3호
• /
• pp.99-108
• /
• 2003

본 논문은 VOD(Video On Demand) 기반 온라인 교육 시스템의 한계점들을 분석하고 이에 대한 대안으로 e- Learning 표준에 기초한 EOD(Education On Demand) 시스템의 디자인과 구현에 대해 기술한다. EOD 시스템은 XML로 표현되는 메타 정보와 컴포넌트 기술을 사용하여 학습 컨텐츠 라이프사이클 전반에 적용되는 저작 도구, 컨텐츠 서버, 학습 정책 시스템 그리고 뷰어로 구성된다. 구성요소간의 모든 정보 교환은 SCORM 표준에 기반한 메타 정보로 표현되어 효과적인 컨텐츠 관리와 자동화를 가능하게 한다. 또한 학습자의 상호작용 및 피드백 정보를 통합 관리하여 학습 정책 시스템을 통해 개별 학습자에게 맞추어진 학습 지도를 제공 할 수 있다. 이러한 EOD 시스템을 통해 단순한 컨텐츠 제공을 넘어선 발전된 형태의 온라인 교육 시스템에 대해 고찰해 본다.

• 한국군사과학기술학회지
• /
• 제27권3호
• /
• pp.406-415
• /
• 2024

As the equipment of the military has become more advanced and expensive, the cost of securing spare parts is also constantly increasing along with the increase in equipment assets. In particular, forecasting demand for spare parts one of the important management tasks in the military, and the accuracy of these predictions is directly related to military operations and cost management. However, because the demand for spare parts is intermittent and irregular, it is often difficult to make accurate predictions using traditional statistical methods or a single statistical or machine learning model. In this paper, we propose a model that can increase the accuracy of demand forecasting for irregular patterns of spare parts demanding by using a combination of statistical and machine learning algorithm, and through experiments on Cheonma spare parts demanding data.

• 한국수소및신에너지학회논문집
• /
• 제33권5호
• /
• pp.591-597
• /
• 2022

Recently, technologies for efficient power grid operation have become important due to climate change. For this reason, predicting power demand using deep learning is being considered, and it is necessary to understand the influence of characteristics of each region, industrial structure, and climate. This study analyzed the power demand of New Jersey in US, with a high urbanization rate and a large service industry, and West Virginia in US, a low urbanization rate and a large coal, energy, and chemical industries. Using recurrent neural network algorithm, the power demand from January 2020 to August 2022 was learned, and the daily and weekly power demand was predicted. In addition, the power grid operation based on the power demand forecast was discussed. Unlike previous studies that have focused on the deep learning algorithm itself, this study analyzes the regional power demand characteristics and deep learning algorithm application, and power grid operation strategy.

• International Journal of Computer Science & Network Security
• /
• 제21권1호
• /
• pp.125-136
• /
• 2021

The development of systems that can generate automatically instructional material is a challenging goal for the e-learning community. These systems pave the way towards large scale e-learning deployment as they produce instruction on-demand for users requesting to learn about any topic, anywhere and anytime. However, realizing such systems is possible with the availability of vast repositories of web information in different formats that can be searched, reused and integrated into information-rich environments for interactive learning. This paradigm of learning relieves instructors from the tedious authoring task, making them focusing more on the design and quality of instruction. This paper presents a mobile learning system (Mole) that supports the generation of instructional material in M-Learning (Mobile Learning) contexts, by reusing and integrating heterogeneous hypermedia web resources. Mole uses open hypermedia repositories to build a Learning Web and to generate learning objects including various hypermedia resources that are adapted to the user context. Learning is delivered through a nice graphical user interface allowing the user to navigate conveniently while building their own learning path. A test case scenario illustrating Mole is presented along with a system evaluation which shows that in 90% of the cases Mole was able to generate learning objects that are related to the user query.

• International Journal of Advanced Culture Technology
• /
• 제10권3호
• /
• pp.360-370
• /
• 2022

Demand for machine learning systems continues to grow, and cloud machine learning platforms are widely used to meet this demand. Recently, the performance improvement of the application processor of smartphones has become an opportunity for the machine learning platform to move from the cloud to On-Device AI, and mobile applications equipped with machine learning functions are required. In this paper, machine learning tools for mobile applications are investigated and compared the characteristics of these tools.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.93-104
• /
• 2024

수요 반응은 전력망의 신뢰성을 높이고 비용을 최소화하기 위해 수요가 가장 많은 시간대에 고객이 소비패턴을 조정하도록 유도한다. 재생 에너지원을 스마트 그리드에 통합하는 것은 간헐적이고 예측할 수 없는 특성으로 인해 상당한 도전 과제를 안고 있다. 강화 학습 기법과 결합된 수요 대응 전략은 이러한 문제를 해결하고 기존 방식에서는 이러한 종류의 복잡한 요구 사항을 충족하지 못하는 경우 그리드 운영을 최적화할 수 있는 접근 방식으로 부상하고 있다. 본 연구는 재생 에너지 통합을 위한 수요 반응에 강화 학습 알고리즘을 적용하는 방법을 찾아 적용하는데 중점을 둔다. 연구의 핵심 목표는 수요 측 유연성을 최적화하고 재생 에너지 활용도를 개선할 뿐 아니라 그리드 안정성을 강화하고자 한다. 연구 결과는 강화 학습을 기반으로 한 수요 반응 전략이 그리드 유연성을 향상시키고 재생 에너지 통합을 촉진하는 데 효과적이라것을 보여준다.

• 한국정보통신학회논문지
• /
• 제25권8호
• /
• pp.1005-1012
• /
• 2021

최근 웹에서 지도(Map)를 이용한 Location based Services 기반의 다양한 위치정보시스템 활용이 점점 확대되고 있으며 에너지 절약을 위한 대안으로 전력 수요 현황을 실시간으로 확인할 수 있는 모니터링 시스템의 필요성이 요구되고 있다. 본 연구에서는 딥러닝과 같은 기계학습을 이용하여 전력 수요 데이터의 특성을 분석하고 예측하는 모듈을 개발하여 지역 단위별 전력 에너지 사용 현황과 예측 추세를 실시간으로 확인할 수 있는 오픈소스 기반 지도 서비스를 이용한 딥러닝 실시간 가상 전력수요예측 웹 시스템을 개발하였다. 특히 제안한 시스템은 LSTM 딥러닝 모델을 이용하여 지역적으로 전력 수요량과 예측 분석이 실시간으로 가능하고 분석된 정보를 가시화하여 제공한다. 향후 제안된 시스템을 통해 지역별 에너지의 수급 및 예측 현황을 확인하고 분석하는데 활용될 수 있을 뿐만 아니라 다른 산업 에너지에도 적용될 수 있을 것이다.

• Computers and Concrete
• /
• 제32권3호
• /
• pp.313-326
• /
• 2023

The seismic safety of the shear wall structure can be assessed through seismic fragility analysis, which requires high computational costs in estimating seismic demands. Accordingly, machine learning methods have been applied to such fragility analyses in recent years to reduce the numerical analysis cost, but it still remains a challenging task. Therefore, this study uses the ensemble machine learning method to present an improved framework for developing a more accurate seismic demand model than the existing ones. To this end, a rank-based selection method that enables determining an excellent model among several single machine learning models is presented. In addition, an index that can evaluate the degree of overfitting/underfitting of each model for the selection of an excellent single model is suggested. Furthermore, based on the selected single machine learning model, we propose a method to derive a more accurate ensemble model based on the bagging method. As a result, the seismic demand model for which the proposed framework is applied shows about 3-17% better prediction performance than the existing single machine learning models. Finally, the seismic fragility obtained from the proposed framework shows better accuracy than the existing fragility methods.

• 디지털융복합연구
• /
• 제3권1호
• /
• pp.27-44
• /
• 2005

Nowadays, demand for human resource for the e-learning industry is rapidly increasing along with the expansion of e-learning market capacity. However. there are numerous difficulties in expansion and industrialization of e-learning due to insufficient supply of human resources to meet the demand. Therefore, the goal of this study is to present various policy directions that can supplement the supply or e-learning manpower. Overall contents of this study focus on presenting the long-term directions for fostering of human resources for e-learning industry. Among these, role of government policies for fostering of human resources for e-learning industry is being particularly emphasized because e-learning industry is still at its infant stage.

• 인터넷정보학회논문지
• /
• 제24권2호
• /
• pp.47-56
• /
• 2023

수소 에너지는 높은 에너지 효율로 열과 전기를 생산하면서도 온실가스와 미세먼지 등 유해물질 배출이 없는 친환경 에너지로서, 전 세계적으로 탄소중립으로의 전환을 위한 핵심으로 주목받고 있다. 특히 스마트 수소에너지는 경제적이고 지속 가능하며, 안전한 미래 스마트 수소에너지 서비스로써 수소 에너지의 기반 시설이 디지털로 통합되어 '데이터' 기반으로 안정적으로 운영되는 서비스를 의미한다. 본 논문에서는 데이터 기반 수소 충전소 수요예측 모델 구현을 위해 강원도 내 설치되어 있는 수소 충전소 3곳(춘천, 속초, 평창)을 선정, 수소 충전소의 수요공급 데이터를 확보하였고, 머신러닝 및 딥러닝 알고리즘 7개를 선정하여 총 27종 입력 데이터(기상데이터+수소 충전소 수요량)로 모델을 학습하였고, 평균 제곱근 오차(RMSE)로 모델을 평가하였다. 이를 통해 본 논문에서는 최적의 수소 에너지 수요공급을 위한 머신러닝 기반 수소 충전소 에너지 수요 예측 모델을 제안한다.