This paper investigates the use of the inverse-free sparse Bayesian learning (SBL) approach for peak-to-average power ratio (PAPR) reduction in orthogonal frequency-division multiplexing (OFDM)-based multiuser massive multiple-input multiple-output (MIMO) systems. The Bayesian inference method employs a truncated Gaussian mixture prior for the sought-after low-PAPR signal. To learn the prior signal, associated hyperparameters and underlying statistical parameters, we use the variational expectation-maximization (EM) iterative algorithm. The matrix inversion involved in the expectation step (E-step) is averted by invoking a relaxed evidence lower bound (relaxed-ELBO). The resulting inverse-free SBL algorithm has a much lower complexity than the standard SBL algorithm. Numerical experiments confirm the substantial improvement over existing methods in terms of PAPR reduction for different MIMO configurations.
본 연구의 목적은 사이버 가정학습 체제 내에서 자기조절학습이 효과적으로 이루어 질 수 있는 다양한 전략들을 탐색하고 그러한 전략들을 바탕으로 사이버가정학습을 운영하여 학생들의 학습을 관리 지원함으로써 자기조절 학습능력 및 태도에 어떠한 영향을 미치는지 알아보는데 있다. 우선 선행 연구를 바탕으로 자기조절학습의 구성 요소를 인지 전략, 초인지 전략, 동기전략의 3가지 요소로 나누고 그에 따라서 사이버가정학습 운영 전략을 마련하였다. 다음으로 사이버가정학습 진행을 위한 학습 콘텐츠를 개발하고, 운영 전략에 따라 사이버가정학습을 운영하였다. 그 결과 많은 학생이 자기 조절 학습 능력이 향상됨을 보였고 수학에 흥미와 자신감을 가지게 되었다.
최근 새로운 산업 환경의 변화에 필요한 맞춤형 기업 인재양성을 위한 효과적인 교수학습방법으로 플립러닝이 주목 받고 있다. 기존 강의식 수업방식의 경우 중도탈락률이 높고 창의적 문제 해결력을 저해하는 등의 다양한 문제점이 있다. IT 공과대학의 경우 선수 교과목의 선행이 필요한 전공 이론과목이 대부분이므로 학생들의 학습 참여도와 학업 성취도를 높일 수 있는 효과적인 교수학습방법의 개발이 필요하다. 본 논문에서는 학생들의 학습 동기를 유발하고 자기 주도적 학습을 통한 학습 효과를 높이기 위해 플립러닝과 실습수업을 병행한 5단계 플립러닝 수업모형을 제안하였다. 또한 컴퓨터공학과의 알고리즘 수업에 적용하여 학습 효과를 분석하고 그 결과를 바탕으로 문제점 및 활용방안을 제시하고자 한다.
International Journal of Advanced Culture Technology
/
제3권1호
/
pp.13-20
/
2015
The self-cleaning properties of nano-zinc oxide on cotton fabrics have been investigated. The cotton fabric has been prepared by pad-dry method. The nano-zinc oxide was encapsulated in the polystyrene particle by mini-emulsion process prior used. The loading amount of zinc oxide particles into the mini-emulsion were various from 1% wt to 40%wt. The particles sizes of ZnO-encapsulated polystyrene mini-emulsion were determined using dynamic light scattering. It was showed that the particle size of the mini-emulsion was in the range of 124-205 nm. The topography and morphology of ZnO-encapsulated polystyrene which coated on cotton fabrics was observed using scanning electron microscopy. The crystal structure of ZnO-coated on cotton fabrics was explored by X-ray diffraction spectroscopy. The photocatalytic activities of zinc oxide were present through the self-cleaning properties. The presents of the zinc oxide on cotton fabrics significantly showed the improving of the self-cleaning properties under UV radiation.
Deep leaning convolutional neural networks (CNN) have successfully been applied to image super-resolution (SR). Despite their great performances, SR techniques tend to focus on a certain upscale factor when training a particular model. Algorithms for single model multi-scale networks can easily be constructed if images are upscaled prior to input, but sub-pixel convolution upsampling works differently for each scale factor. Recent SR methods employ multi-scale and multi-path learning as a solution. However, this causes unshared parameters and unbalanced parameter distribution across various scale factors. We present a multi-scale single-path upsample module as a solution by exploiting the advantages of sub-pixel convolution and interpolation algorithms. The proposed model employs sub-pixel convolution for the highest scale factor among the learning upscale factors, and then utilize 1-dimension interpolation, compressing the learned features on the channel axis to match the desired output image size. Experiments are performed for the single-path upsample module, and compared to the multi-path upsample module. Based on the experimental results, the proposed algorithm reduces the upsample module's parameters by 24% and presents slightly to better performance compared to the previous algorithm.
최근 보안 분야에서는 네트워크 패킷이나 로그와 같은 네트워크 정보를 수집하고 분석함으로써 네트워크 위협에 대응할 수 있는 침입탐지 시스템에 대한 연구를 활발히 진행되고 있다. 특히, 베이지안 네트워크는 주어진 몇 몇 자료만으로도 정확도 높은 침입에 대한 추론이 가능한 이점으로 이를 이용한 침입탐지 시스템의 모델링 기법들이 이전에도 진행되어 왔다. 그러나 이전 연구들에서는 네트워크 패킷간의 복잡성 문제와 이용되는 패킷 데이터의 연속성 문제를 반영하지 못하고 있기 때문에 높은 탐지정확도 산출에 한계가 있다. 따라서 본 논문에서는 이전 모델들이 갖는 문제들의 개선을 통하여 탐지율을 향상시키기 위해 K-means 클러스터링 기반의 두 가지 방법론을 제안한다. 첫 번째로는 K-means 클러스터링 기반의 정교한 노드구간 범위를 설정방법을 제안하여 연속성 데이터 처리 문제를 개선할 수 있다. 또한, 두 번째로는 K-means 클러스터링 기반으로 산출된 가중치를 학습에 적용하여 보다 견고한 CPT를 산출하여 탐지성능을 향상 시킬 수 있다. 제안하는 방법론들의 성능을 입증하기 위하여 방법론 모두를 적용한 K_WTAN_EM에 대한 탐지율을 이전 모델들과 비교 실험을 수행하였다. 실험 결과 제안하는 모델의 탐지율이 이전의 순수베이지안 네트워크기반(NBN) 모델 보다는 약 7.78%의 향상도를 보였고 트리확장 순수베이지안 네트워크(TAN) 모델 보다는 약 5.24%의 향상도를 산출하여 제안하는 방법의 우수성을 입증하였다.
Purpose: This study was conducted to compare blended practicum with clinical and lab combined e-learning between cooperative and individual group on learning outcomes. Method: A total of 63 junior Nursing students were recruited from C University in G city from May, 2012 to June, 2012. Ten hours lab practicum for two weeks was provided for both two groups during the period of adult nursing practicum. Prior to blended practicum, e-learning was conducted. For cooperative group, two hours off line team learning with a tutor for eight weeks was provided, in other hands, for individual group, any off line team learning was not provided and self study on line was not evaluated by the tutor. Results: The result of ANCOVA showed that critical thinking and self directed learning were significantly improved in the individual group compared to the cooperative group (F=-18.15, p<.001; F=28.12, p<.001). In other hands, clinical competence was significantly higher in the cooperative group than in the individual group (F=16.61, p<.001). Conclusion: Through development of self-leaning facilitating online contents, the blended practicum combined e-learning could be effective in critical thinking, self-directed learning and clinical competence. Further studies about e-learning strategies of off-line learning are still needed.
머신러닝 기법을 활용하여 LDPE (Low Density Polyethylene) 공정의 이상을 사전 감지하고, 설비의 수명을 예측할 수 있는 기술을 소개한다. 안전성과 생산성 극대화를 위해, 화학 공정의 예상치 못한 이상을 사전에 감지하고 예방하는 것은 매우 중요하다. LDPE 공정은 3,000 kg/㎠g 이상까지 승압되는 고압 공정이기 때문에, ESD (Emergency Shutdown)가 발생하면 예상치 못한 부동이 발생하고, 그에 따른 보수 기간 증가로 인한 생산성 손실이 발생한다. 고압 공정의 주요 변수들의 운전 데이터를 수집하고, 비지도학습 머신러닝 기술을 활용하여, ESD의 사전 감지 모형을 개발하였다. 4회의 ESD를 2.4일 전에 감지하는 결과를 얻을 수 있었다. 더불어, 물리적으로 의미 있는 핵심 변수들을 활용하면, 고압 설비의 수명을 예측할 수 있음을 확인할 수 있었다.
들뢰즈와 가타리가 제기하는 느리고, 경험적인 교육은 시간 속에서 반복되는 지속을 경험해야만 가능하다. 잠재성과 현실성의 짝으로 이루어진 이 세계의 주체성은 '기계'로 표현된다. '기계'의 주체성은 생성 자체이다. 클라우드 상 어디에나 존재하면서 무의식적으로 빅데이터를 수집하는 정보사회의 주체성 또한 정보사회 자체이다. 정보사회는 개인의 욕망을 주체성의 발현에 앞서 관리하는 사회로 기울 위험을 안고 있다. '기계'는 언표적 배치와 기계적 배치로 이루어져 있다. 배치론에 입각한 사회과학은 반복되는 패턴, 언어성과 물질성의 공존, 경계에 대한 주의, 총체적 전체에 대한 부정이라는 특징을 공유한다. 시간 속에서 집합적 패턴이 구조적으로 변형되어 가는 양상을 띠는 배치의 교육학은 들뢰즈와 가타리의 본래 문제의식인 느리고, 경험적인 교육에 부합한다. 또, '교육-기계'의 물질성과 언표성을 고찰하는 작업은 탈인간 시대의 새로운 학습론, 교육론 확립에 기여할 것이다.
본 연구는 액셀러레이터 보육 프로그램의 학습방식에 관하여 글로벌 지향 ICT 분야 액셀러레이터를 중심으로 스타트업에 제공하는 학습방식을 분류 및 확인하였다. 액셀러레이터 보육 프로그램 운영을 담당하는 액셀러레이터 실무자 8개 사의 인터뷰를 진행하고, 인터뷰 결과를 질적 분석하여 액셀러레이터가 보육 프로그램을 통해 스타트업에 제공하는 다양한 학습방식을 도출하여 시사점을 제공하였다. 학습방식을 확인 및 분류하기 위해 연구자가 다양한 선행문헌을 검토하여 사용이 적절하다고 판단한 경험축적, 관찰, 실험, 시행착오, 임기응변의 학습방식을 질적 분석의 a priori code로 활용하였고, 인터뷰 결과는 주제분석을 통해 분석하였다. 연구결과 액셀러레이터의 보육 프로그램이 스타트업에 제공하는 학습방식은 경험축적, 관찰, 시행착오, 실험, 임기응변 등 5개의 범주 별 각 2개, 총 10개의 하위범주를 도출하여 확인하였다. 본 연구는 액셀러레이터의 주요 기능인 보육 프로그램에 관한 연구가 부족한 상황에서 학습에 대한 관점에서 액셀러레이터의 보육 프로그램이 보육 스타트업에 어떤 학습방식을 제공하고 있는지에 대한 결과를 도출하였다. 이는 학문적 및 실무적으로 액셀러레이터의 보육 프로그램이 스타트업에 제공하는 학습방식에 대한 이해도를 높이고, 조직학습에 대한 관점에서 액셀러레이터의 보육 프로그램이 보육 스타트업에 어떤 학습방식을 제공하고 있는지에 대한 관점을 확대했다는 점에서 의의가 있다. 액셀러레이터는 보육 스타트업에 충분한 학 습방식을 제공할 수 있는 보육 프로그램 개선에 활용할 수 있으며, 보육 프로그램 참여를 고민하는 스타트업이라면 보육 프로그램 참여를 결정하는 데도 도움이 될 수 있다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.