• 한국학교수학회논문집
• /
• 제25권2호
• /
• pp.105-124
• /
• 2022

분수 나눗셈은 교육과정에 따른 교과서마다 문제 상황이나 해결 방법에서 변화가 있었고, 교과서 내용은 학생들의 학습에 직접 영향을 주기 때문에 중요하다. 본 연구에서는 우리나라의 최근 3개 교육과정과 그에 따른 교과서에 제시된 분수 나눗셈의 교육과정 성취기준, 수식 유형 및 문제 상황, 비표준 및 표준 알고리즘의 도입 과정을 분석하였다. 분석 결과, 교육과정 성취기준의 차이는 거의 없었으나, 교과서의 학년별 내용 제시에 변화가 있었다. 수식 유형에서는 교육과정별 교과서마다 차이가 있었고, 문제 상황은 다양해지는 변화가 나타났다. 해결 방법은 표준 알고리즘을 강조한 것에서 최근 교과서에서 비표준 알고리즘과 표준 알고리즘을 병행하는 방향으로 변화하였다. 제언으로 나눗셈 유형별로 내용을 세분화하기보다는 문제 상황별로 유목화할 수 있는 방안과 비표준 알고리즘과 표준 알고리즘의 연계 및 표준 알고리즘 도입 과정의 공통적 속성에 따라 일반화와 정당화를 추구하는 방안 마련이 필요함을 제시하였다.

• 한국융합학회논문지
• /
• 제12권11호
• /
• pp.69-80
• /
• 2021

딥러닝 모델을 활용한 인공신경망 기계번역 (Neural machine translation)이 주류 분야로 떠오르면서 최고의 성능을 위해 모델과 데이터 언어 쌍에 대한 많은 투자와 연구가 활발하게 진행되고 있다. 그러나, 최근 대부분의 인공신경망 기계번역 연구들은 번역 문장의 품질을 극대화하는 자연어 생성을 위한 디코딩 전략 (Decoding strategy)에 대해서는 미래 연구 과제로 남겨둔 채 다양한 실험과 구체적인 분석이 부족한 상황이다. 기계번역에서 디코딩 전략은 번역 문장을 생성하는 과정에서 탐색 경로를 최적화 하고, 모델 변경 및 데이터 확장 없이도 성능 개선이 가능하다. 본 논문은 시퀀스 투 시퀀스 (Sequence to Sequence) 모델을 활용한 신경망 기반의 기계번역에서 고전적인 그리디 디코딩 (Greedy decoding)부터 최신의 방법론인 Dynamic Beam Allocation (DBA)까지 비교 분석하여 디코딩 전략의 효과와 그 의의를 밝힌다.

• 한국컴퓨터정보학회논문지
• /
• 제29권6호
• /
• pp.1-12
• /
• 2024

최근 다양한 분야에서 딥러닝이 사용되면서, 더 빠르고 정확한 결과를 내는 딥러닝이 더욱 중요해졌다. 이를 위해서는 많은 양의 저장 공간이 필요하고, 대용량 연산을 진행해야 한다. 이에 따라 여러 연구는 빠르고 정확하게 연산 처리가 가능한 하드웨어 가속기를 이용한다. 하지만 하드웨어 가속기는 CPU와 하드웨어 사이를 이동하면서 병목현상이 발생하게 된다. 따라서 본 논문에서는 하드웨어 가속기의 병목현상을 효율적으로 줄일 수 있는 데이터 프리패치 전략을 제안한다. 데이터 프리패치 전략의 핵심 아이디어는 Matrix Multiplication Unit(MMU)가 연산을 진행하는 동안 다음 연산에 필요한 데이터를 예측하여 로컬 메모리로 올려 병목현상을 줄인다. 또한, 이 전략은 듀얼 버퍼를 이용하여 읽고 쓰는 두 가지 동작을 동시에 진행하여 처리율을 높인다. 이를 통해 데이터 전송의 지연시간 및 실행 시간을 감소시킨다. 시뮬레이션을 통해 듀얼 버퍼를 이용한 병렬 프로세싱과 데이터 프리패치를 이용한 메모리 간 병목현상을 최대한 감소시켜 하드웨어 가속기의 성능이 24% 향상함을 알 수 있다.

• 대한영상의학회지
• /
• 제83권6호
• /
• pp.1229-1239
• /
• 2022

최근 인공지능기술은 자기공명영상(이하 MRI)의 폭넓은 분야에서 임상적 활용가치를 보여주고 있다. 특히, MRI에서 영상획득과정의 효율성 및 복원된 영상의 품질을 향상시키기 위한 목적으로 인공지능모델의 개발이 활발하다. 임상에서 활용되는 다양한 MRI 프로토콜에서 인공지능은 병렬영상기법과 같은 기존 가속화 방법 대비 추가적인 영상획득시간을 가능하게 해줄 수 것으로 기대된다. 또한, 펄스시퀀스 디자인, 영상의 인공물 감소, 자동화된 품질평가와 같은 영역에서도 인공지능모델은 도움을 줄 수 있는 연구 결과들이 소개되고 있다. 또한, 영상분석 과정에서 중요한 장비 및 프로토콜의 영향을 줄여줄 수 있는 방법으로도 인공지능 기반의 접근이 이루어지고 있다. 본 종설에서는 MRI 영상의 획득 과정에서 최근 인공지능기술들이 적용되고 있는 분야 및 해당 분야에서의 인공지능기술의 개발 및 적용과 관련된 현안들을 소개하고자 한다.

• Clinical Endoscopy
• /
• 제55권1호
• /
• pp.113-121
• /
• 2022

Background/Aims: We have been developing artificial intelligence based polyp histology prediction (AIPHP) method to classify Narrow Band Imaging (NBI) magnifying colonoscopy images to predict the hyperplastic or neoplastic histology of polyps. Our aim was to analyze the accuracy of AIPHP and narrow-band imaging international colorectal endoscopic (NICE) classification based histology predictions and also to compare the results of the two methods. Methods: We studied 373 colorectal polyp samples taken by polypectomy from 279 patients. The documented NBI still images were analyzed by the AIPHP method and by the NICE classification parallel. The AIPHP software was created by machine learning method. The software measures five geometrical and color features on the endoscopic image. Results: The accuracy of AIPHP was 86.6% (323/373) in total of polyps. We compared the AIPHP accuracy results for diminutive and non-diminutive polyps (82.1% vs. 92.2%; p=0.0032). The accuracy of the hyperplastic histology prediction was significantly better by NICE compared to AIPHP method both in the diminutive polyps (n=207) (95.2% vs. 82.1%) (p<0.001) and also in all evaluated polyps (n=373) (97.1% vs. 86.6%) (p<0.001) Conclusions: Our artificial intelligence based polyp histology prediction software could predict histology with high accuracy only in the large size polyp subgroup.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1505-1514
• /
• 2022

영상정합은 다시기 및 다중센서 고해상도 위성영상을 효과적으로 활용하기 위해 필수적으로 선행되는 중요한 과정이다. 널리 각광받고 있는 딥러닝 기법은 위성영상에서 복잡하고 세밀한 특징을 추출하여 영상 간 빠르고 정확한 유사도 판별에 사용될 수 있음에도 불구하고, 학습자료의 양과 질이 결과에 영향을 미치는 딥러닝 모델의 한계와 고해상도 위성영상 기반 학습자료 구축의 어려움에 따라 고해상도 위성영상의 정합에는 제한적으로 적용되어 왔다. 이에 본 연구는 영상정합에서 가장 많은 시간을 소요하는 정합쌍 추출 과정에서 딥러닝 기반 기법의 적용성을 확인하기 위하여, 편향성이 존재하는 고해상도 위성영상 데이터베이스로부터 딥러닝 영상매칭 학습자료를 구축하고 학습자료의 구성이 정합쌍 추출 정확도에 미치는 영향을 분석하였다. 학습자료는 12장의 다시기 및 다중센서 고해상도 위성영상에 대하여 격자 기반의 Scale Invariant Feature Transform(SIFT) 알고리즘을 이용하여 추출한 영상쌍에 참과 거짓의 레이블(label)을 할당한 정합쌍과 오정합쌍의 집합으로 구축되도록 하였다. 구축된 학습자료로부터 정합쌍 추출을 위해 제안된 Siamese convolutional neural network (SCNN) 모델은 동일한 두 개의 합성곱 신경망 구조에 한 쌍을 이루는 두 영상을 하나씩 통과시킴으로써 학습을 진행하고 추출된 특징의 비교를 통해 유사도를 판별한다. 본 연구를 통해 고해상도 위성영상 데이터 베이스로부터 취득된 자료를 딥러닝 학습자료로 활용 가능하며 이종센서 영상을 적절히 조합하여 영상매칭 과정의 효율을 높일 수 있음을 확인하였다. 다중센서 고해상도 위성영상을 활용한 딥러닝 기반 영상매칭 기법은 안정적인 성능을 바탕으로 기존 수작업 기반의 특징 추출 방법을 대체하고, 나아가 통합적인 딥러닝 기반 영상정합 프레임워크로 발전될 것으로 기대한다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• 지능정보연구
• /
• 제27권4호
• /
• pp.1-22
• /
• 2021

텍스트를 바탕으로 한 차원 기반 감성 분석(Aspect-Based Sentiment Analysis)은 다양한 산업에서 유용성을 주목을 받고 있다. 기존의 차원 기반 감성 분석에서는 타깃(Target) 혹은 차원(Aspect)만을 고려하여 감성을 분석하는 연구가 대다수였다. 그러나 동일한 타깃 혹은 차원이더라도 감성이 나뉘는 경우, 또는 타깃이 없지만 감성은 존재하는 경우 분석 결과가 정확하지 않다는 한계가 존재한다. 이러한 문제를 해결하기 위한 방법으로 차원과 타깃을 모두 고려한 감성 분석(Target-Aspect-Sentiment Detection, 이하 TASD) 모델이 제안되었다. 그럼에도 불구하고, TASD 기존 모델의 경우 구(Phrase) 간의 관계인 지역적인 문맥을 잘 포착하지 못하고 초기 학습 속도가 느리다는 문제가 있었다. 본 연구는 TASD 분야 내 기존 모델의 한계를 보완하여 분석 성능을 높이고자 하였다. 이러한 연구 목적을 달성하기 위해 기존 모델에 합성곱(Convolution Neural Network) 계층을 더하여 차원-감성 분류 시 보조 손실(Auxiliary loss)을 추가로 사용하였다. 즉, 학습 시에는 합성곱 계층을 통해 지역적인 문맥을 좀 더 잘 포착하도록 하였으며, 학습 후에는 기존 방식대로 차원-감성 분석을 하도록 모델을 설계하였다. 본 모델의 성능을 평가하기 위해 공개 데이터 집합인 SemEval-2015, SemEval-2016을 사용하였으며, 기존 모델 대비 F1 점수가 최대 55% 증가했다. 특히 기존 모델보다 배치(Batch), 에폭(Epoch)이 적을 때 효과적으로 학습한다는 것을 확인할 수 있었다. 본 연구에서 제시된 모델로 더욱 더 세밀한 차원 기반 감성 분석이 가능하다는 점에서, 기업에서 상품 개발 및 마케팅 전략 수립 등에 다양하게 활용할 수 있으며 소비자의 효율적인 구매 의사결정을 도와줄 수 있을 것으로 보인다.

• 한국과학교육학회지
• /
• 제22권1호
• /
• pp.12-21
• /
• 2002

이 연구의 목적은 정량적 현상제시와 정성적 현상제시를 하였을 때, 중학교 학생들의 갈등 정도를 알아보는 것이다. 연구 대상은 부산광역시 소재의 중학교 2학년 297명 을 대상으로 하였다. 검사 문항은 역학의 작용반작용 문항과 전기의 전구의 불의 밝기를 비교하는 문항을 사용하였고, 인지적 갈등을 측정하는 검사지는 권혁구(1999) 등이 개발한 도구를 사용하였다. 먼저, 정량적 현상제시 집단과 정성적 현상제시 집단의 인지갈등 점수를 비교해 보았다. 그리고 현상제시 후 자신의 선개념을 바꾼 학생들과 고수한 학생들의 갈등 점수를 비교해 보았다. 마지막으로, 선개념의 확신 정도와 갈등 정수와의 상관관계를 비교해보았다. 그 결과를 보면, 첫째, 선개념에서 오답을 선택한 학생들은 정성적 현상제시보다 정량적 현상제시에서 갈등 점수가 높게 나타났으며, 선개념에서 정답을 선택한 학생들은 정량적 현상제시보다 정성적 현상제시에서 갈등 점수가 높게 나타났다. 둘째, 자신의 선개념을 바꾼 학생들이 고수한 학생들에 비해 갈등 점수가 높게 나타났다. 마지막으로, 선개념의 확신정도와 갈등 점수와의 상관관계를 보면, 정량적 현상을 제시한 집단의 학생들 중 선개념에서 오답을 택한 학생들은 정적 상관을 보였고, 선개념에서 정답을 택한 학생들은 부적상관을 보였다. 정성적 집단은 뚜렷한 경향을 보이지 않았다.

• 대한수학교육학회지:수학교육학연구
• /
• 제25권4호
• /
• pp.599-615
• /
• 2015

교사의 교육철학은 학교 현장의 교육에 있어서 중요한 역할을 함에도 불구하고, 현 교사 양성 교육과정에서는 교사의 교육철학이 소홀하게 다뤄지고 있다. 교직과목에서 뿐만 아니라 교과교육학 과목에서도 교사의 교육철학이 비중 있게 다뤄질 수 있도록 교육과정을 개선하기 위해서는 우선 예비 교사들의 교육적 신념에 대해 살펴보는 것이 필수적이다. 따라서 본 연구는 수학 예비 교사의 교육 철학과 그것의 하위 영역을 살펴본 후 그 영역들 간의 관계에 대해 논하고자 한다. 수학 교사의 교육철학과 관련한 기존의 연구들은 주로 '교사의 신념'에 대한 것이었으며 연구 방법으로는 설문이나 질문지를 통한 연역적 접근이 대부분이었다. 이 연구들은 공통적으로 수학 교사의 신념을 '수학 본질에 대한 신념', '수학 교수 방법에 대한 신념', 그리고 '수학 학습 방법에 대한 신념'의 세 가지 영역으로 구분하였다. 이렇듯 교사 신념에 대한 세 가지 영역의 구분이 점차 고착화되었고 그 외의 다른 영역이 존재하는가에 대한 연구는 미미하였다. 수학 예비 교사들의 자유 글쓰기를 귀납적인 질적 분석을 통하여 살펴본 결과, 기존의 연구에서 지적되었던 세 가지 영역 외에 '수학 교사의 역할에 대한 신념'과 '수학 교육의 목적에 대한 신념', 그리고 '교직(수학 교사)에 대한 직무 동기' 등이 추가적으로 드러났다. 또한 이 영역들 간에는 유기적인 연관성이 나타났으며 특히 '수학 교육의 목적에 대한 신념'과 '교직의 직무 동기' 영역이 다른 영역에 영향을 미치는 경향을 보였다. 이는 수학 예비 교사들이 가지는 교육 신념의 하위 영역들 간에 독립적 병렬적 관계 외에 원인 결과의 수직적 관계 또한 존재함을 의미한다. 본 연구의 결과는 앞으로 수학 교과 교육학의 과목에서 예비 수학 교사들을 위한 교육철학이 어떻게 다뤄져야 할지에 대해 연구적 교육적 함의를 제공하고 있다.