• 인간행동과 음악연구
• /
• 제1권1호
• /
• pp.1-10
• /
• 2004

음악 활동에 참여하기 위해서는 기본적인 인지기능을 필요로 하는데, 이는 학습에 필요한 기능과도 공통점을 가진다. 음악을 듣고 기억하는 데에 복합적인 의식 활동이 요구되며, 일련의 소리 자극들이 음악으로서 의미를 갖고 기억되기 위해서는 주어진 소리 정보에 내재해 있는 특징들을 지각하고 처리할 수 있는 기능이 요구된다. 여러 선행 연구에서는 음악활동을 통해서 기본적인 학습 기능이 강화될 수 있다는 결과를 제시하였다. 본 연구는 학습부진 아동들이 청각정보처리기술과 단기기억력 강화를 중심으로 구성된 음악치료 세션에 참여하였을 때 음악 활동과 학습에 필요한 인지기능에 향상이 있는지를 보고자 하는 데에 그 목적이 있다. 본 연구에서는 음악 활동 내에서 다루어지는 인지기능을 사정할 수 있는 척도를 개발하여 학습기술 증진을 위한 음악치료 프로그램을 실행 전 후에 각각 실시하였다. 음악인지기술척도(Music Cognitive Skills Test)는 청각 지각인지력과 단기기억력 측정을 중심으로 모두 5 항목으로 구성되어 있는데, 1) 리듬 모방력, 2) 선율 모방력, 3) 음고 구별력, 4) 동화음 구별력, 5) 음보존력으로 구성되어 있다. 본 연구에는 기초학력기능검사 결과를 중심으로 담임교사가 추천한 18명의 초등학교 4, 5, 6학년 학생들이 참여하였으며, 4 개월간 주 2회씩 음악치료 프로그램이 투입되었다. 연구 결과, 리듬 모방력과 선율 모방력은 사후 검사에서 통계적으로 유의미한 차이가 있었다. 그 외에 음고 구별력, 동화음 구별력, 그리고 음보존력에서는 사후검사에서 증가된 결과를 보여주었다. 결과와 함께 본 연구에서는 참여자들이 수행한 시험을 통해서 나타낸 공통점을 분석한 결과 선율모방 보다 리듬모방에서 더 높은 결과를 보여주었다. 이는 리듬이 시간적인 개념만을 다루지만, 선율은 이외에 공간적인 개념이 추가된 것이기 때문에 더 난이도가 높은 작업이라고 분석될 수 있다. 선율 모방에서는 공통적으로 특정 음역에서 어려움을 보였는데, 4도 이상의 음역이 제시되었을 때와 2도의 음역을 가지고 있는 경우는 동일한 음으로 지각되는 경우가 많았다. 이러한 연구결과는 제시된 청각적 정보를 의미있는 단위로 구분하고 이를 이해하고, 기억하여 재생산해내는 작업은 모방은 물론, 음의 구별과 보존에도 필요한 기술임으로, 체계적으로 구성된 음악활동은 이러한 인지기술들을 강화시켜 줄 수 있는 전략으로 활용될 수 있다는 점을 시사한다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.134-142
• /
• 2019

에너지인터넷 기술의 발전과 다양한 전자기기의 보급으로 에너지소비량이 패턴이 다양해짐에 따라 수요예측에 대한 신뢰도가 감소하고 있어 발전량 최적화 및 전력공급 안정화에 문제를 야기하고 있다. 본 연구에서는 고신뢰성을 갖는 수요예측을 위해 딥러닝 기법인 Convolution neural network(CNN)과 Bidirectional Long Short-Term Memory(BLSTM)을 융합한 1Dimention-Convolution and Bidirectional LSTM(1D-ConvBLSTM)을 제안하고, 제안한 기법을 활용하여 시계열 에너지소비량대한 소비패턴을 효과적으로 추출한다. 실험 결과에서는 다양한 반복학습 횟수와 feature map에 대해서 수요를 예측하고 적은 반복학습 횟수로도 테스트 데이터의 그래프 개형을 예측하는 것을 검증한다.

• 인터넷정보학회논문지
• /
• 제14권1호
• /
• pp.63-69
• /
• 2013

근접 빈발 패턴 마이닝은 향상된 효율성을 위해 정확한 패턴보다 허용되는 범위 안에서 근접 빈발 패턴을 마이닝한다. 데이터베이스의 크기가 증대함에 따라 거대한 데이터베이스를 처리하기 위해서 더 빠른 마이닝 기법이 필요하게 되고 있다. 또한, 노이지나 데이터의 다양성 때문에 패턴을 마이닝 하는 것에 대한 정확한 결과를 찾기가 더 어렵다. 이러한 경우들에 대해, 근접 빈발 패턴 마이닝을 함으로 실행시간, 메모리 사용량, 그리고 확장성의 관점에서 더 효율적인 마이닝을 수행할 수 있다. 이 논문에서는 확률 기법에 근간한 근접 패턴 마이닝 알고리즘에 대한 특성을 살펴보고 척도가 되는 확률 기법에 기반한 근접 패턴 마이닝 알고리즘에 대해 성능 평가를 한다. 최종적으로 성능의 향상을 위해 테스트 결과를 분석한다.

• 대한치과교정학회지
• /
• 제23권4호
• /
• pp.725-734
• /
• 1993

Nitinol wires are now widely used in the orthodontic field because of their unique shape memory effect and superelasticity. But sometimes Nitinol wires are deformed in clinical use. Fatigue load is possible cause of Nitinol deformation. To determine the effect of fatigue load to the mechanical properties of Nitinol, various fatigue cycle$(1\times10^4,\;2\times10^4,\;3\times10^4,\;4\times10^4,\;5\times10^4,\;1\times10^5)$ were applied to $0.017\times0.025$ inch Nitinol. The results obtained were as follows ; 1. Applied load increased as fatigue cycle increased in three point bending test. 2. Maximum tensile strength and elongation decreased as fatigue cycle increased. 3. Tn SEM, brittle fracture pattern was increased when fatigue cycle increased.

• 생물정신의학
• /
• 제9권2호
• /
• pp.103-111
• /
• 2002

Neurocognitive research focusing on cognitive deficits in Depression has resulted in several important but yet potentially contradictory findings. Much literature documents the presence of significant neurocognitive impairments in depressive patients. Studies have shown that dysthymic disorder patients demonstrate a diffuse pattern of cognitive impairment which is frequently indistinguishable from that of focal braindamaged patients. Some reports have suggested that there is a focal pattern of deficit, such as anterior cingulate dysfunction, frontal lobe impairment, or dysfunction of the temporal-limbic cortex. The aim of this study is to evaluate the neurocognitive functions in dysthymic disorder patients, and to compare the functions with those of major depressive disorder patients. The subjects are 17 dysthymic disorder patients. And their neurocognitive functions are compared with those of 23 major depressive episode patients. Patients with a history of neurologic disease, alcohol dependence, substance abuse and mental retardation are excluded. They are assessed with a part of Vienna Test System which is computerized neurocognitive function tests and can evaluate attention, eductive ability, reproductive ability, visuoperceptual analysis, vigilance, visual immediate memory, the speed of information-processing, judgement, and fine motor coordinations. There are no other specific difference between two groups, except the result of cognitrone test. This study provides information about the neurocognitive functions and some difference between major depressive disorder patients and carefully diagnosed dysthymic disorder patients.

• 한국비블리아학회지
• /
• 제21권3호
• /
• pp.17-27
• /
• 2010

본 연구는 대학생들의 문헌 독해 실태를 분석, 문제를 파악하여 개선방안을 제언하기 위해 수행되었다. A대학교 1학년생을 대상으로 지문을 읽는 시간 독해패턴 이해력 기억력 독해습관 및 태도 등을 분석한 결과, 첫째 수능평균을 기준으로는 조사대상 학생의 58%가 양호하고 42%가 미흡한 것으로 분석되었다. 둘째 조사대상 학생의 77%는 양호한 패턴을 가지 있으나 23%는 독서패턴에 문제가 있는 것으로 파악되었다. 셋째 이해력과 기억력을 평가한 결과 각각 전체의 69%와 67%가 양호한 것으로, 31%와 33%가 보통 또는 미흡으로 평가되었다. 넷째 평소 독서습관 및 태도를 조사한 결과, 문제가 없는 것으로 파악된 학생은 평균 77%, 문제가 있는 학생은 평균 23%로 파악되었다. 본 연구에서는 이 같은 문제를 해소하기 위해 첫째 대학생들의 독해평가를 위한 과학적이고 표준화된 평가도구를 개발할 것을, 둘째 입학전형과정 또는 입학 후에 독해능력과 독서습관 및 태도를 평가할 것을 제언하였다. 그리고 평가결과 미진한 학생들을 교육할 수 있는 가칭 기초학력교육원을 운영할 것을 제언하였다.

• 한국수자원학회논문집
• /
• 제55권7호
• /
• pp.495-504
• /
• 2022

최근 인공지능의 발전으로 시계열 자료 분석에 효과적인 Long Short-Term Memory (LSTM) 모델이 댐유입량 예측의 정확도를 높이는 데 활용되고 있다. 본 연구에서는 그 중 LSTM의 성능을 더욱 향상할 수 있는 Sequence-to-Sequence (s2s) 구조에 Attention 기법을 LSTM 모델에 첨가하여 소양강댐 유역의 유입량을 예측하였다. 분석 데이터는 2013년부터 2020년까지의 유입량 시자료와 종관기상관측기온 및 강수량 자료를 학습, 검증, 평가로 나누어 훈련한 후, 모델의 성능 평가를 진행하였다. 분석 결과, LSTM-s2s 모델보다 attention까지 첨가한 모델이 일반적으로 더 좋은 성능을 보였으며, attention 첨가 모델이 첨두값도 더 잘 예측하는 모습을 보였다. 그리고 두 모델 모두 첨두값 발생 동안 유량 패턴을 잘 반영하였지만 세밀한 시간 단위 변화량에는 어려움이 있었다. 이를 통해 시간 단위 예측의 어려움에도 불구하고, LSTM-s2s에 attention까지 첨가한 모델이 기존 LSTM-s2s의 예측 성능을 향상할 수 있음을 알 수 있었다.

• 한국인터넷방송통신학회논문지
• /
• 제11권4호
• /
• pp.99-104
• /
• 2011

본 논문은 사출성형 제품에 존재하는 여러 가지의 패턴의 결함을 신경회로망을 이용하여 검출하는 방법을 제안하였다. 시스템의 성능을 향상시키기 위하여 룩업테이블을 이용하였고, 기존의 이미지 비교에 의한 방법을 지양하여 결함분류를 위한 신경회로망의 학습표본을 위한 특징점을 추출하고 결함추출과 분류알고리즘을 제안하였다. 총 500개의 사출성형 제품의 패턴에 대하여 신경회로망의 학습을 통하여 약 3%의 제품의 패턴에서 결함을 검출하였고 패턴의 직경에 대한 불량으로 대부분 분류되었다. 제안된 시스템을 이용한 결함 검출 방법은 사출성형 제품의 미세한 패턴을 검출하는 데 시간과 경비를 줄일 수 있는 효과적인 대안으로 기대한다.

• International Journal of Computer Science & Network Security
• /
• 제21권8호
• /
• pp.127-136
• /
• 2021

Real-time human recognition is a challenging task, as the images are captured in an unconstrained environment with different poses, makeups, and styles. This limitation is addressed by generating several facial images with poses, makeup, and styles with a single reference image of a person using Generative Adversarial Networks (GAN). In this paper, we propose deep learning-based human recognition using integration of GAN and Spatial Domain Techniques. A novel concept of human recognition based on face depiction approach by generating several dissimilar face images from single reference face image using Domain Transfer Generative Adversarial Networks (DT-GAN) combined with feature extraction techniques such as Local Binary Pattern (LBP) and Histogram is deliberated. The Euclidean Distance (ED) is used in the matching section for comparison of features to test the performance of the method. A database of millions of people with a single reference face image per person, instead of multiple reference face images, is created and saved on the centralized server, which helps to reduce memory load on the centralized server. It is noticed that the recognition accuracy is 100% for smaller size datasets and a little less accuracy for larger size datasets and also, results are compared with present methods to show the superiority of proposed method.

• 한국정보통신학회논문지
• /
• 제23권10호
• /
• pp.1275-1281
• /
• 2019

무선 신호의 자동 변조 인식은 지능형 수신기의 주요한 작업으로 다양한 민간 및 군대 응용분야가 있다. 본 논문에서는 딥 뉴럴 네트워크 모델을 기반한 무선통신에서 전파신호의 변조 방식을 식별하는 방법을 제안한다. 순차적인 데이터에 대해 장기적인 패턴을 잡아내는데 용이한 LSTM 모델을 통과하여 얻은 연속적인 신호의 특징값을 딥 뉴럴 네트워크의 입력 데이터로 사용하여 신호의 변조 패턴을 분류한다. 변조된 신호의 진폭 및 위상, 동상(In-phase) 반송파, 직각 위상(Quadrature-phase) 반송파의 값을 LSTM 모델의 입력 데이터로 사용하여 분류한다. 제안된 학습 방법의 성능을 검증하기 위해, 다양한 신호 대 잡음비로 10 가지 유형의 변조 신호를 포함하는 대형 데이터 세트를 사용하여 학습하고 테스트한다. 본 논문의 변조 인식 프로그램은 신호의 사전 정보가 없는 환경에서 변조방식을 예측하는데 적용될 수 있다.