• East Asian mathematical journal
• /
• 제39권2호
• /
• pp.167-181
• /
• 2023

The purpose of this study is to confirm the possibility of whether learning using a math learning platform can be used to expand students' conceptual structure and to consider how to use it. To this end, first-year middle school students studied using a math learning platform. Then, the concept map created was compared and analyzed with the concept map created before learning to examine the change in the concept structure. The results of analyzing the concept map are as follows. First, the change in the hierarchical structure of the concept appeared as the division of the upper concept was subdivided. However, it has also been changed to comprehensively integrate and simplify higher concepts. The term-centered concept structure has changed to content-centered superordinate and subordinate concepts. In the concept structure, subordinate concepts linked to one higher concept were expanded and differentiated. Second, changes in the integrated structure did not form a linkage structure. The expansion of the integrated structure of concepts through learning using the learning platform was influenced by the composition of the learning contents designed in the learning platform.

• 디지털융복합연구
• /
• 제11권5호
• /
• pp.83-94
• /
• 2013

이러닝이 기존의 면대면 교육을 대체하는 중요한 기회의 시대에 있으며, 이러닝이 교육적으로 성공적인 효과를 창출하기 위해서는 이러닝 산업의 건전한 유통구조가 필수적임에도 불구하고 우리의 현실은 그렇지 아니하다. 본 연구는 이러닝 시장의 건전한 유통구조 확립을 위한 현황 분석과 제도적 합리화 방안을 마련하는 것을 목적으로 하고 있다. 따라서 이러닝 유통의 개념 및 범위를 정하고, 이러닝 유통의 유형과 단계, 유통주체 등을 정의하였다. 또한 국내외 이러닝 시장에 대한 영역별, 거래별 비즈니스 모델과 유통구조 모델의 연구와, 이러한 모델을 기준으로 사업자들이 어떤 구조로 거래가 이루어지는지에 대하여 설문조사를 통해 이러닝 유통구조 모델링을 하였다. 이러한 유통구조 모델링 과정에서 설문조사의 결과분석을 통해 유통구조에서 나타난 현황과 문제점 분석을 하였고 이에 대한 정책적인 합리화 방안을 제시하였다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.112-119
• /
• 2019

본 논문에서는 불꽃 감지를 위한 임베디드 시스템에 적합한 딥러닝 구조를 제안한다. 제안하는 딥러닝 구조의 불꽃 감지 과정은 불꽃 색깔 모델을 사용한 불꽃 영역 검출, 불꽃 색깔 특화 딥러닝 구조를 사용한 불꽃 영상 분류, 검출된 불꽃 영역의 $N{\times}N$ 셀 분리, 불꽃 모양 특화 딥러닝 구조를 사용한 불꽃 영상 분류 등의 4가지 과정으로 구성된다. 첫 번째로 입력 영상에서 불꽃의 색만을 추출한 다음 레이블링하여 불꽃 영역을 검출한다. 두 번째로 검출된 불꽃 영역을 불꽃 색깔에 특화 학습된 딥러닝 구조의 입력으로 넣고, 출력단의 불꽃 클래스 확률이 75% 이상에서만 불꽃 영상으로 분류한다. 세 번째로 앞 단에서 75% 미만 불꽃 영상으로 분류된 영상들의 검출된 불꽃 영역을 $N{\times}N$ 단위로 분할한다. 네 번째로 $N{\times}N$ 단위로 분할된 작은 셀들을 불꽃의 모양에 특화 학습된 딥러닝 구조의 입력으로 넣고, 각 셀의 불꽃 여부를 판단하여 50% 이상의 셀들이 불꽃 영상으로 분류될 경우에 불꽃 영상으로 분류한다. 제안된 딥러닝 구조의 성능을 평가하기 위하여 ImageNet의 불꽃 데이터베이스를 사용하여 실험하였다. 실험 결과, 제안하는 딥러닝 구조는 기존의 딥러닝 구조보다 평균 29.86% 낮은 리소스 점유율과 8초 빠른 불꽃 감지 시간을 나타내었다. 불꽃 검출률은 기존의 딥러닝 구조와 비교하여 평균 0.95% 낮은 결과를 나타내었으나, 이는 임베디드 시스템에 적용하기 위해 딥러닝 구조를 가볍게 구성한데서 나온 결과이다. 따라서 본 논문에서 제안하는 불꽃 감지를 위한 딥러닝 구조는 임베디드 시스템 적용에 적합함이 입증되었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.641-642
• /
• 2018

현재 실내 측위를 위한 기술로 전파 지문 기반의 측위 기술의 성능은 데이터 비교 알고리즘의 선택에 따라 큰 영향을 받는다. 이때 학습 구조에 필요한 데이터 확장 기법에 의해 실내 측위의 정확도가 크게 개선될 수 있다. 본 논문에서는 Wi-Fi 전파 지문을 기반으로 하는 학습 구조를 구성하기 위해 학습 데이터의 구분 및 확장 기술을 통해 실제 측위에 적용할 수 있는 학습 구조의 중요성을 논의한다.

• Design & Manufacturing
• /
• 제16권3호
• /
• pp.1-8
• /
• 2022

In this study, an artificial neural network(ANN) was constructed to establish the relationship between process condition prameters and the qualities of the injection-molded product in the injection molding process. Six process parmeters were set as input parameter for ANN: melt temperature, mold temperature, injection speed, packing pressure, packing time, and cooling time. As output parameters, the mass, nominal diameter, and height of the injection-molded product were set. Two learning structures were applied to the ANN. The single-task learning, in which all output parameters are learned in correlation with each other, and the multi-task learning structure in which each output parameters is individually learned according to the characteristics, were constructed. As a result of constructing an artificial neural network with two learning structures and evaluating the prediction performance, it was confirmed that the predicted value of the ANN to which the multi-task learning structure was applied had a low RMSE compared with the single-task learning structure. In addition, when comparing the quality specifications of injection molded products with the prediction values of the ANN, it was confirmed that the ANN of the multi-task learning structure satisfies the quality specifications for all of the mass, diameter, and height.

• 한국정보시스템학회지:정보시스템연구
• /
• 제30권2호
• /
• pp.127-146
• /
• 2021

Research Purpose Advances in digital technology have facilitated the widespread adoption of online learning, which has become a substantial way of learning. Although digital immigrants have become a main group of users of learning online, there is a lack of understanding of their online learning. This study aims to explore digital immigrants' adoption of online learning from the goal-pursuit perspective to gain insight into how they use online learning. Research Method A laddering interview was conducted with 22 Korean adults to elicit their goals in online learning. Then, a means-end chain analysis was used to derive their hierarchical goal structure. Findings The results reveal digital immigrants' goal structure of online learning, consisting of four attributes of online learning (e.g., accessibility, diversity, up-to-dateness, and repeatability) and six goals (e.g., self-esteem, enjoyment, recognition, productivity, gaining insights, and positive relations). This study contributes to the literature by providing a rich picture of their use of online learning.

• 디지털융복합연구
• /
• 제8권4호
• /
• pp.165-176
• /
• 2010

본 연구는 영어학습이 이루어지는 e-Learning 환경에서 학습효과에 영향을 미치는 요인들과 몰입경험 간의 관계를 알아보는데 그 목적이 있다. 이를 위하여 영어식사고구조, 사전영어능력, 영어자기효능감 그리고 몰입을 학습효과에 영향을 미치는 독립변수로 설정했으며, 연구의 결과는 다음과 같다. 첫째, 영어식사고구조, 사전영어능력, 영어자기효능감, 몰입, 학습효과 간의 각각의 관제는 통계적으로 정적인 상관관계가 있다. 둘째, 영어식사고구조, 사전영어능력, 영어자기효능감 모두 몰입을 예측하였으며, 몰입경험이 또한 학습효과를 예측한다. 셋째, 영어자기효능갑과 학습효과 간의 관계에서 몰입 경험이 매개역할을 하는 것으로 나타났다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1993년도 Fifth International Fuzzy Systems Association World Congress 93
• /
• pp.993-996
• /
• 1993

This paper addresses the structure and its associated learning algorithms of a feedforward multi-layered connectionist network, which has distributed learning abilities, for realizing the basic elements and functions of a traditional fuzzy logic controller. The proposed neural-network-based fuzzy logic control system (NN-FLCS) can be contrasted with the traditional fuzzy logic control system in their network structure and learning ability. An on-line supervised structure/parameter learning algorithm dynamic learning algorithm can find proper fuzzy logic rules, membership functions, and the size of output fuzzy partitions simultaneously. Next, a Reinforcement Neural-Network-Based Fuzzy Logic Control System (RNN-FLCS) is proposed which consists of two closely integrated Neural-Network-Based Fuzzy Logic Controllers (NN-FLCS) for solving various reinforcement learning problems in fuzzy logic systems. One NN-FLC functions as a fuzzy predictor and the other as a fuzzy controller. As ociated with the proposed RNN-FLCS is the reinforcement structure/parameter learning algorithm which dynamically determines the proper network size, connections, and parameters of the RNN-FLCS through an external reinforcement signal. Furthermore, learning can proceed even in the period without any external reinforcement feedback.

• 전기전자학회논문지
• /
• 제22권4호
• /
• pp.933-940
• /
• 2018

본 논문에서는 얼굴 인식률 향상을 위한 멀티 블록 방식의 딥러닝 구조를 제안한다. 제안하는 딥러닝의 인식 구조는 입력된 이미지의 멀티 블록화, 특징 수치 분석을 통한 멀티 블록 선정, 선정된 멀티 블록의 딥러닝 수행 등의 3가지 과정으로 구성된다. 첫 번째로 입력된 이미지의 멀티 블록화는 입력된 이미지를 4등분하여 멀티 블록화 시킨다. 두 번째로 특징 수치분석을 통한 멀티 블록 선정에서는 4등분된 멀티 블록들의 특징 수치를 확인하고 특징이 많이 부각되는 블록만을 선정하여 얼굴 인식에 방해가 되는 요소를 사전에 제거한 블록들을 선정한다. 세 번째로 선정된 멀티 블록으로 딥러닝 수행은 선정된 멀티 블록 부위가 학습되어진 딥러닝 모델에 인식을 수행하여 특징 수치가 높은 효율적인 블록으로 얼굴 인식의 결과를 도출한다. 제안된 딥러닝 구조의 성능을 평가하기 위하여 CAS-PEAL 얼굴 데이터베이스를 사용하여 실험 하였다. 실험 결과, 제안하는 멀티 블록 방식의 딥러닝 구조가 기존의 딥러닝 구조보다 평균 약 2.3% 향상된 얼굴 인식률을 나타내어 그 효용성이 입증됨을 확인하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.354-359
• /
• 2003

In this paper, we consider the problem of designing a simple learning variable structure system for repeatable tracking control of robot manipulators. We combine a variable structure control law as the robust part for stabilization and a feedforward learning law as the intelligent part for nonlinearity compensation. We show that the tracking error asymptotically converges to zero. Finally, we give computer simulation results in order to show the effectiveness of our method.