• 한국가정과교육학회지
• /
• 제20권3호
• /
• pp.1-16
• /
• 2008

이 연구는 중학생을 대상으로 주생활 영역 학습에 대한 인식 및 수업 만족도 관련 변인을 파악하여 주생활 영역의 수업개선 및 교과서 집필 시의 기초자료를 제공하고자 하였다. 연구 결과, 첫째, '주거공간의 활용'은 교과내용이 '주택의 유지와 보수' 다음으로 흥미롭고 쉬우며, 실생활에 유용하고 교과서의 설명 및 시각자료가 흥미 있다고 보았다. 다양한 수업방법, 흥미로운 실험 실습을 하는 정도는 가장 낮았으나, 가장 이해하기 쉽게 가르쳤고 수업 만족도는 중단원 중에서 가장 높았다. 둘째, '실내환경과 설비'는 교과내용이 가장 흥미롭지 못하고 어려우며, 실생활 유용도와 교과서의 설명 및 시각자료 흥미도, 교사가 이해하기 쉽게 가르친 정도, 다양한 수업방법 사용 정도, 흥미로운 실험?실습 수행 정도는 세 중단원 중 중간이며 수업만족도는 가장 낮았다. 셋째, '주택의 유지와 보수'는 교과내용이 가장 흥미롭고 쉬우며 다양한 수업방법과 흥미로운 실험 실습이 가장 이루어졌으나, 실생활에는 유용하지 않고 교과서의 설명 및 시각자료도 흥미롭지 못하며, 교사는 이해가 잘 되도록 가르치지 못했다고 인식하였고 수업만족도는 중간이었다. 넷째, 성별, 기술 가정교과 성적에 따라 주생활영역 학습에 대한 인식의 차이가 나타나 여학생은 주거공간의 활용 단원의 교과내용을 쉽다고 보았으나 남학생은 대체로 교과서 설명 및 시각자료가 흥미있고, 다양한 수업방법, 흥미로운 실험 실습이 이루어졌다고 인식하였으며. '주택의 유지와 보수' 단원에 더 만족하였다. 기술 가정교과 성적이 낮을수록 교과내용을 어려워하였고 다양한 수업방법이 사용되었다고 인식하였다. 주생활 영역 수업 만족도는 전반적으로 보통 정도로 '주거공간의 활용'에 가장 만족하였는데 수업 만족도는 교사가 이해하기 쉽게 가르칠수록, 교과내용이 쉬울수록, 교과서의 설명 및 시각자료가 흥미 있을수록 더 높아 주생활 영역의 수업 만족도 향상을 위한 교사, 학습자, 교과서 측면에서의 노력과 자료 개발이 요구된다고 하겠다.

• Journal of Computing Science and Engineering
• /
• 제12권1호
• /
• pp.24-35
• /
• 2018

Deep convolutional neural network (DCNN) is an advanced technology in image recognition. Because of extreme computing resource requirements, DCNN implementation with software alone cannot achieve real-time requirement. Therefore, the need to implement DCNN accelerator hardware is increasing. In this paper, we present a field programmable gate array (FPGA)-based hardware accelerator design of DCNN targeting handwritten Hangul character recognition application. Also, we present design optimization techniques in SDAccel environments for searching the optimal FPGA design space. The techniques we used include memory access optimization and computing unit parallelism, and data conversion. We achieved about 11.19 ms recognition time per character with Xilinx FPGA accelerator. Our design optimization was performed with Xilinx HLS and SDAccel environment targeting Kintex XCKU115 FPGA from Xilinx. Our design outperforms CPU in terms of energy efficiency (the number of samples per unit energy) by 5.88 times, and GPGPU in terms of energy efficiency by 5 times. We expect the research results will be an alternative to GPGPU solution for real-time applications, especially in data centers or server farms where energy consumption is a critical problem.

• 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.

• 한국과학교육학회지
• /
• 제24권3호
• /
• pp.638-645
• /
• 2004

본 연구에서는 학생들의 창의적 문제해결력과 비판적 사고력을 함양하기 위한 프로그램으로 온라인 물리탐구토론 학습체제를 개발하여, 온라인 물리탐구토론에 참여한 학생들의 상호작용 유형을 단위토론에서의 참여자 수, 다중토론장의 형성, 대화의 이동을 중심으로 구분하여 개인간 상호작용 유형, 일대일 참여의 상호작용 유형, 다중참여로 인한 일대다 상호작용 유형, 다대다 상호작용 유형등으로 분류하였다. 이는 사이버 상에서 벌어지는 학생들의 참여구조와 상호작용 양상을 파악할 수 있어 온라인을 통한 교육의 방향에 좋은 정보를 제공해 줄 수 있을 것으로 기대한다.

• 한국항행학회논문지
• /
• 제8권2호
• /
• pp.155-162
• /
• 2004

Recently, significant interest is shown to creation rather inexpensive global systems communications on base of Low-Earth-Orbit Satellite Networks (LEOSN). One of problems of design and creation LEOSN is development of the stream control methods and estimation it's efficiency in such networks. The given problem is complicated, that the topology of the satellite networks varies in time. It essentially hinders the analytical decision of the given problem. An effective way of overcoming of these difficulties is simulation modeling. For realization of research experiments on learning the information streams routing algorithms in LEOSN a special program complex SANET was developed. In the given paper principles of development of LEOSN simulation models and architecture of the manager by the process of a simulation modeling of the unit are considered. Methods of promotion of modeling time and architecture of a simulator complex offered in the article allow to boost essentially efficiency of simulation analysis and to ensure simulation modeling of the satellite networks consisting of several hundreds space vehicles.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권5호
• /
• pp.63-71
• /
• 2021

드론 자율비행 기술 중 장애물 회피는 드론이나 주변 환경의 손상을 방지하고 위험을 예방할 수 있도록 하는 매우 중요한 기술이다. LiDAR 센서 기반 장애물 회피방식은 비교적 높은 정확도를 보여 최근 연구에서 많이 활용되고 있지만, 단가가 높고 시각 정보에 대한 처리 능력이 제한적인 단점이 있다. 따라서 본 논문은 단가가 상대적으로 저렴하고 시각 정보를 이용한 확장성이 높은 카메라 기반 PPO(Proximal Policy Optimization) 강화학습을 이용한 드론의 장애물 회피 알고리즘을 제안한다. 3차원 공간상의 학습환경에서 드론, 장애물, 목표지점 등을 무작위로 위치시키고, 가상 카메라를 이용하여 전면에 설치된 스테레오 카메라를 통해 스테레오 영상정보를 얻은 다음 YOLOv4Tiny 객체검출을 수행한다. 그리고 난 후 스테레오 카메라의 삼각측량법을 통해 드론과 검출된 객체간의 거리를 측정한다. 이 거리를 기반으로 장애물 유무를 판단하고, 만약 장애물이면 패널티를 책정하고 목표지점이면 보상을 부여한다. 본 방법을 실험한 결과 카메라 기반 장애물 회피 알고리즘은 LiDAR 기반 장애물 회피 알고리즘과 비교하여 충분히 비슷한 수준의 높은 정확도와 평균 목표지점 도달시간을 보여 활용 가능성이 높음을 알 수 있었다.

• 한국조경학회지
• /
• 제46권3호
• /
• pp.1-13
• /
• 2018

조경은 폭넓은 지식과 경험이 요구되는 소수인력분야로 타 분야에 비해 서비스 시장이 협소하여, 실무자를 위한 교육 서비스가 부족한 실정이다. 이에 본 연구는 교육수요 수준별로 맞춤형 조경실무교육이 가능함과 동시에 개발 과정의 경제적 효율성을 높이는 이러닝 콘텐츠 개발 방법론을 제시하고자 수행하였다. 먼저, 이론 고찰에서 ADDIE 모형을 변형해 효율성을 추구한 교육 과정 개발 모형을 선정하였으며, 스콤 기반 모형의 학습객체 재사용 개념을 도입하였다. 특히, 선행연구에서 나타난 문제점을 보완하기 위해 분석, 설계 단계를 강화하였으며, 조경과 ICT에 대한 융복합 지식을 지닌 교수설계자가 전반적 단계를 주도하도록 하였다. 실제적 개발 과정은 단계별 절차에 의해 조경실무자 요구, 환경 등의 '분석', 콘텐츠 재사용성을 고려한 교수학습 절차, 활동 등의 '설계', 실제 촬영, 편집 등의 1차 개발, 1차 개발 콘텐츠를 재사용하는 2차 개발 등의 '개발', 전문성, 만족도 등에 대한 '평가 및 수정' 단계 순으로 진행하였다. 연구결과, 모듈형 학습객체로 구성된 공간별 과정이 총 8과목 216차시로 1차 개발되었으며, 모듈화된 학습객체를 단위별로 교차 조합한 분야별 과정이 총 3과목 208차시, 난이도별 과정이 총 3과목 216차시로 2차 개발되었다. 이에 대한 '평가'로 만족도 평가는 전반적 만족도 4.02, 8개 척도의 평균값은 3.97로 둘 다 4.0에 근접하였다. 전문성 평가는 8개 과목의 평가점수가 84.8~99.0으로 매우 높게 집계되었으며, 내용적으로는 5개 평가항목의 점수가 89.9~96.4점으로 비교적 균등하게 나타났다. 결론적으로 이러닝 콘텐츠의 디지털적 특성과 조경산업의 일반적 특성에 대한 명확한 이해를 바탕으로 연구를 수행함에 따라 모듈형 학습객체로 구성된 교육 과정 개발과 단위별 학습객체의 재사용에 의한 교육 과정 개발이 가능하였다. 특히, 보편적 절차에 의한 전문적 지식과 경험을 전달하는데 효과적임이 검증되었으며, 오프라인 교육에서 발생하는 아날로그적 문제점을 일부 극복할 수 있는 계기를 마련하였다. 향후, 콘텐츠 확충에 의한 추가연구와 세분화된 주제를 대상으로 연구할 필요가 있다.

• 한국터널지하공간학회 논문집
• /
• 제23권6호
• /
• pp.469-484
• /
• 2021

터널 설계 시 지반조사를 통한 암반분류 결과는 공사기간 및 공사비 산출, 그리고 터널안정성 평가에 지대한 영향을 미친다. 국내에서 지금까지 완공된 3,526개소의 터널들의 설계 및 시공을 통해 관련 기술들은 지속적으로 발전되어 왔지만, 터널 설계 시 암질 및 암반등급을 보다 정확하게 평가하기 위한 방법에 대한 연구는 미미하여 평가자의 경험 및 주관에 따라 결과의 차이가 큰 경우가 적지 않다. 따라서 본 연구에서는 암석샘플에 대한 주관적 평가를 통한 기존의 인력에 의한 암반분류 대신, 최근 지반분야에서도 그 활용도가 급증하고 있는 머신러닝 알고리즘을 이용하여 시추조사에서 획득한 다양한 암석 및 암반정보를 분석하여 보다 신뢰성있는 RMR에 의한 암반분류 모델을 제시하고자 하였다. 국내 13개 터널을 대상으로 11개의 학습 인자(심도, 암종, RQD, 전기비저항, 일축압축강도, 탄성파 P파속도 및 S파 속도, 영률, 단위중량, 포아송비, RMR)를 선정하여 337개의 학습 데이터셋과 60개의 시험 데이터셋을 확보하였으며, 모델의 예측성능을 향상시키기 위해 6개의 머신러닝 알고리즘(DT, SVM, ANN, PCA & ANN, RF, XGBoost)과 각 알고리즘별 다양한 초매개변수(hyperparameter)를 적용하였다. 학습된 모델의 예측성능을 비교한 결과, DT 모델을 제외한 5개의 머신러닝 모델에서 시험데이터에 대한 RMR 평균절대오차 값이 8 미만으로 수렴되었으며, SVM 모델에서 가장 우수한 예측성능을 나타내었다. 본 연구를 통해 암반분류 예측에 대한 머신러닝 기법의 적용 가능성을 확인하였으며, 향후 다양한 데이터를 지속적으로 확보하여 예측모델의 성능을 향상시킨다면 보다 신뢰성 있는 암반 분류에 활용될 수 있을 것으로 기대된다.

• 스마트미디어저널
• /
• 제10권3호
• /
• pp.31-38
• /
• 2021

낙상사고는 언제, 어디에서 일어날지 예측하기 어렵다. 또한 신속한 후속 조치가 수행되지 않으면 생명의 위협으로 이어지므로 낙상사고를 자동으로 감지할 수 있는 연구가 필요하게 되었다. 자동적인 낙상사고 감지기법 중 손목에 부착된 IMU 센서를 활용한 기법은 움직임이 많아 낙상사고 검출이 어렵지만, 착용의 간편함과 접근성이 뛰어난 기법으로 인식되고 있다. 낙상 데이터 확보의 어려움을 극복하기 위해 본 연구는 KNN과 SVM과 같은 머신러닝으로 적은 데이터를 효율적으로 학습하는 알고리즘을 제안한다. 또한, 이들 수학적 분류기의 성능을 높이기 위해 본 연구에서는 주파수 공간에서 취득한 특징 데이터를 활용하였다. 제안된 알고리즘은 표준 데이터세트를 활용한 실험을 통해 모델의 파라미터와 주파수 특징 추출기의 파라미터를 다각화하여 그 영향을 분석하였다. 제안된 알고리즘은 학습 데이터를 확보하기 어려운 현실적인 문제에 적절히 대처할 수 있었다. 또한 본 알고리즘이 다른 분류기보다 경량화되어 있기 때문에 SIMD(Single Instruction Multiple Data) 처리장치 탑재가 어려운 소형 임베디드시스템에도 구현이 용이했다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.59-83
• /
• 2018

고객과 대중의 니즈를 파악하기 위한 감성분석의 중요성이 커지면서 최근 영어 텍스트를 대상으로 다양한 딥러닝 모델들이 소개되고 있다. 본 연구는 영어와 한국어의 언어적인 차이에 주목하여 딥러닝 모델을 한국어 상품평 텍스트의 감성분석에 적용할 때 부딪히게 되는 기본적인 이슈들에 대하여 실증적으로 살펴본다. 즉, 딥러닝 모델의 입력으로 사용되는 단어 벡터(word vector)를 형태소 수준에서 도출하고, 여러 형태소 벡터(morpheme vector) 도출 대안에 따라 감성분석의 정확도가 어떻게 달라지는지를 비정태적(non-static) CNN(Convolutional Neural Network) 모델을 사용하여 검증한다. 형태소 벡터 도출 대안은 CBOW(Continuous Bag-Of-Words)를 기본적으로 적용하고, 입력 데이터의 종류, 문장 분리와 맞춤법 및 띄어쓰기 교정, 품사 선택, 품사 태그 부착, 고려 형태소의 최소 빈도수 등과 같은 기준에 따라 달라진다. 형태소 벡터 도출 시, 문법 준수도가 낮더라도 감성분석 대상과 같은 도메인의 텍스트를 사용하고, 문장 분리 외에 맞춤법 및 띄어쓰기 전처리를 하며, 분석불능 범주를 포함한 모든 품사를 고려할 때 감성분석의 분류 정확도가 향상되는 결과를 얻었다. 동음이의어 비율이 높은 한국어 특성 때문에 고려한 품사 태그 부착 방안과 포함할 형태소에 대한 최소 빈도수 기준은 뚜렷한 영향이 없는 것으로 나타났다.