• Nutrition Research and Practice
• /
• 제5권4호
• /
• pp.294-300
• /
• 2011

Takju is a Korean alcoholic beverage made from rice, and is brewed with the yeast Saccharomyces cerevisiae. This study was conducted to evaluate the effects of exercise training and moderate Takju consumption on learning ability in 6-week old Sprague-Dawley male rats. The rats were treated with exercise and alcohol for 4 weeks in six separate groups as follows: non-exercised control (CC), exercised control (EC), non-exercised consuming ethanol (CA), exercised consuming ethanol (EA), non-exercised consuming Takju (CT), and exercised consuming Takju (ET). An AIN-93M diet was provided ad libitum. Exercise training was performed at a speed of 10 m/min for 15 minutes per day. Ethanol and Takju were administered daily for 6-7 hours to achieve an intake of about 10 ml after 12 hours of deprivation, and, thereafter, the animals were allowed free access to deionized water. A Y-shaped water maze was used from the third week to understand the effects of exercise and alcohol consumption on learning and memory. After sacrifice, brain acetylcholinesterase (AChE) activity was analyzed. Total caloric intake and body weight changes during the experiment were not significantly different among the groups. AChE activity was not significantly different among the groups. The number of errors for position reversal training in the maze was significantly smaller in the EA group than that in the CA and ET groups, and latency times were shorter in the EA group than those in the CC, EC, CT, and ET groups. The latency difference from the first to the fifth day was shortest in the ET group. The exercised groups showed more errors and latency than those of the non-exercised groups on the first day, but the data became equivalent from the second day. The results indicate that moderate exercise can increase memory and learning and that the combination of exercise and Takju ingestion may enhance learning ability.

• 방송공학회논문지
• /
• 제25권2호
• /
• pp.275-278
• /
• 2020

본 논문에서는 가상 데이터 생성을 통한 딥러닝 기반 문자인식 시스템을 제안한다. 지도학습에서 가장 큰 비중을 차지하는 학습 데이터를 확보하기 위하여 가상 데이터를 생성하였다. 또한 가상 데이터를 생성 후 증강 파라미터를 이용하여, 실제 다양한 데이터에 대응하기 위해서 데이터 일반화를 하였다. 최종적으로 학습 데이터 구성은 증강 파라미터와 폰트 인자에 다양한 값을 대입하여 데이터를 생성하였다. 문자인식 성능을 측정하기 위한 테스트 데이터는 실제 촬영된 이미지 데이터에서 문자영역을 크롭하여 구성하였다. 테스트 데이터는 실제환경에서 발생할 수 있는 이미지 왜곡을 고려하여 데이터 증강하였다. 딥러닝 알고리즘은 실시간 검출에 용이한 YOLO v3를 사용하였으며, 추론결과는 후처리를 통하여 최종 검출결과를 출력한다.

• 정보교육학회논문지
• /
• 제7권2호
• /
• pp.175-185
• /
• 2003

교육부에서는 21세기 지식정보사회에서 요구하는 창의적이고 능동적인 인간을 기르기 위하여 ICT 활용 교육을 강화하고 있다. 교수 학습과정에서 ICT의 가장 큰 목적은 학생들의 창의적 사고와 다양한 학습활동을 촉진시켜 학습목표를 달성할 수 있도록 지원하는데 있다. 본 연구의 목적은 ICT 활용 교육이 차지하는 비중이 점차 높아짐에 따라 에듀넷에서 제공하는 교사용 컨텐츠 중에서 교수 학습에 적용할 수 있는 컨텐츠를 분석하여 교사들이 좀 더 쉽게 에듀넷의 컨텐츠를 활용할 수 있는 방안을 찾아보는 데 있다. 이를 통해 ICT 활용 능력이 부족한 교사들도 쉽게 에듀넷을 이용할 수 있고 체계적이고 정선된 ICT 활용교육이 교과에 자연스럽게 통합되어 학습의 효과가 높아짐은 물론 교사들의 정보화 능력이 향상되고 수업에 자신감을 가지고 다양한 교수 학습을 전개할 수 있으리라는 점을 알 수 있었다.

• 스마트미디어저널
• /
• 제9권3호
• /
• pp.25-30
• /
• 2020

본 논문에서는 산업 시설에서 작업자의 안전을 실시간으로 감시하는 딥러닝 기반 영상 분석 시스템을 구현하는 데 목적을 둔다. 작업자의 복장을 안전모, 안전조끼, 안전벨트 착용 여부에 따라 총 여섯 가지의 클래스로 나누고, 총 5,307개의 영상을 학습데이터로 이용하였다. 실험은 속도와 정확도가 준수한 YOLO v4를 이용하였으며, 총 645장의 영상에 대해 학습 반복 수에 따른 가중치를 적용했을 때의 mAP를 비교함으로써 수행되었다. 학습 반복 수 6,000에서의 mAP가 60.13%로 제일 높았으며, 테스트셋이 가장 많은 클래스의 AP가 가장 높음을 확인하였다. 추후 데이터셋과 객체 검출 모델을 최적화함으로써, 정확도와 속도를 개선할 예정이다.

• 한국정보처리학회논문지
• /
• 제5권6호
• /
• pp.1583-1592
• /
• 1998

최근 인터넷의 정보가 폭발적으로 증가하고 있다. 사용자들은 인터넷상의 수 많은 정보중에서 자신이 원하는 정보를 찾기 원하지만 유용한 정보를 찾기란 쉬운 일이 아니다. 본 논문은 이러한 문제를 효율적으로 해결하기 위하여 사례기반 학습을 이용한 웹가이드인 개인형 웹 에이전트 시스템을 제안한다. 웹가이드는 인터페이스 시스템과 학습 시스템의 두 개의 부시스템으로 이루어져 있으며, 다른 웹 브라우저와 같은 작업을 수행하며 사용자를 시스템에 연결시켜 준다. 또한 인터페이스 시스템은 현재 페이지에 있는 데이터를 학습 큐에 전달한다. 학습 시스템은 학습 큐에 있는 각 페이지를 평가함수를 이용하며, 가중치는 HTML 문서의 문자로 사용된 태그를 분석하여 결정된다. 실험 결과 일바 사용자와 전문 사용자 모두 자신이 원하는 정보를 웹가이드를 이용하였을 경우가 그렇지 않았을 경우 보다 빠르게 얻을 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제21권8호
• /
• pp.1-9
• /
• 2021

딥 러닝을 활용한 컴퓨터 비전 연구는 여전히 대규모의 학습 데이터와 컴퓨팅 파워가 필수적이며, 최적의 네트워크 구조를 도출하기 위해 많은 시행착오가 수반된다. 본 연구에서는 네트워크 최적화나 데이터를 보강하는 것과 무관하게 데이터 자체의 특성만을 고려한 CR(Confusion Rate)기반의 유사 이미지 분류 성능 향상 기법을 제안한다. 제안 방법은 유사한 이미지 데이터를 정확히 분류하기 위해 CR을 산출하고 이를 손실 함수의 가중치에 반영함으로서 딥 러닝 모델의 성능을 향상시키는 기법을 제안한다. 제안 방법은 네트워크 최적화 결과와 독립적으로 이미지 분류 성능의 향상을 가져올 수 있으며, 클래스 간의 유사성을 고려해 유사도가 높은 이미지 식별에 적합하다. 제안 방법의 평가결과 HanDB에서는 0.22%, Animal-10N에서는 3.38%의 성능향상을 보였다. 제안한 방법은 다양한 Noisy Labeled 데이터를 활용한 인공지능 연구에 기반이 될 것을 기대한다.

• 디지털융복합연구
• /
• 제19권11호
• /
• pp.359-364
• /
• 2021

최근 인공지능의 딥러닝과 머신러닝을 이용한 예측시스템에 관한 연구가 활발히 진행되고 있다. 인공지능의 발전으로 인해 투자관리자의 역할을 인공지능을 대신하고 있으며, 투자관리자보다 높은 수익률로 인해 점차 인공지능으로 거래를 하는 알고리즘 거래가 보편화하고 있다. 알고리즘 매매는 인간의 감정을 배제하고 조건에 따라 기계적으로 매매를 진행하기 때문에 장기적으로 접근했을 때 인간의 매매 수익률보다 높게 나온다. 인공지능의 딥러닝 기법은 과거의 시계열 데이터를 학습하고 미래를 예측하여 인간처럼 학습하게 되고, 변화하는 전략에 대응할 수 있어 활용도가 증가하고 있다. 특히 LSTM기법은 과거의 데이터 일부를 기억하거나 잊어버리는 형태로 최근의 데이터의 비중으로 높여 미래 예측에 사용하고 있다. 최근 facebook에서 개발한 인공지능 알고리즘인 fbprophet은 높은 예측 정확도를 자랑하며 주가나 암호화폐 시세 예측에 사용되고 있다. 따라서 본 연구는 fbprophet을 활용하여 실제 값과 차이를 분석하고 정확한 예측을 위한 조건들을 제시하여 암호화폐 자동매매를 하기 위한 새로운 알고리즘을 제공하여 건전한 투자 문화를 정착시키는 데 이바지하고자 한다.

• 인터넷정보학회논문지
• /
• 제20권4호
• /
• pp.21-27
• /
• 2019

RNA 시퀀싱 데이터 (RNA-seq)에서 수집된 많은 양의 데이터에 변별력이 확실한 특징 패턴 선택이 유용하며, 차별성 있는 특징을 정의하는 것이 쉽지 않다. 이러한 이유는 빅데이터 자체의 특징으로써, 많은 양의 데이터에 중복이 포함되어 있기 때문이다. 해당이슈 때문에, 컴퓨터를 사용하여 처리하는 분야에서 특징 선택은 랜덤 포레스트, K-Nearest, 및 서포트-벡터-머신 (SVM)과 같은 다양한 머신러닝 기법을 도입하여 해결하려고 노력한다. 해당 분야에서도 SVM-기반 제약을 사용하는 서포트-벡터-머신-재귀-특징-제거(SVM-RFE) 알고리즘은 많은 연구자들에 의해 꾸준히 연구 되어 왔다. 본 논문의 제안 방법은 RNA 시퀀싱 데이터에서 빅-데이터처리를 위해 SVM-RFE에 강화학습의 Q-learning을 접목하여, 중요도가 추가되는 벡터를 세밀하게 추출함으로써, 변별력이 확실한 특징선택 방법을 제안한다. NCBI-GEO와 같은 빅-데이터에서 공개된 일부의 리보솜 단백질 클러스터 데이터에 본 논문에서 제안된 알고리즘을 적용하고, 해당 알고리즘에 의해 나온 결과와 이전 공개된 SVM의 Welch' T를 적용한 알고리즘의 결과를 비교 평가하였다. 해당결과의 비교가 본 논문에서 제안하는 알고리즘이 좀 더 나은 성능을 보여줌을 알 수 있다.

• 대한전자공학회논문지SP
• /
• 제43권4호
• /
• pp.37-45
• /
• 2006

본 논문에서는 인지학에서 연구되고 있는 동질 연상 기억 현상과 장기 및 단기 기억 강화 조절 기능을 담당하는 해마의 두뇌 원리를 공학적으로 모델링한 MHLA(Modulatory Hippocampus Learning Algorithm)의 개발을 제안한다. 해마에서 중요시 하는 연관된 3단계 조직(DG, CA3, CAl)에 기반한 동질 연상 메모리를 구성하도록 하였으며, 장기 기억 학습에 모듈레이터(modulator)를 추가하여 학습 수렴 속도를 향상시켰다. 해마 구조에서 정보는 3단계 순서에 따라 치아 이랑 영역에서 통계적인 편차를 적용하여 호감도 조정에 따라서 반응 패턴으로 이진화 되고, CA3 영역에서 자기 연상 메모리를 하여 패턴이 재구성이 된다. CA3의 정보를 받는 CAI영역에서는 모듈레이터가 적용되는 신경망에 의해 장기기억 인식에 이용되는 연결n강도의 수렴이 빠르게 학습된다. MHLA의 성능을 측정하기 위하여 포즈 및 표정과 화질 상태에 따라 분류된 얼굴 영상에 PCA(Principal Component Analysis)를 적용하여 특정 벡터들을 계산하 MHLA로 학습한 후, 인식률을 확인 하였다. 실험 결과, 제안한 학습 방법을 다른 방법들과 비교하였을 때, 학습시간비용과 인식률에서 우수함을 확인하였다.

• 정보보호학회논문지
• /
• 제30권6호
• /
• pp.1291-1300
• /
• 2020

최근 딥러닝 기반 비프로파일링 부채널 분석이 제안됐다. 딥러닝 기반 비프로파일링 분석은 신경망 모델을 모든 추측키에 대해 학습시킨 뒤, 학습된 정도의 차이를 통해 올바른 비밀키를 찾아내는 기법이다. 이때, 신경망 학습모델 설계에 따라 비프로파일링 분석성능이 크게 달라지기 때문에 올바른 모델 설계의 기준이 필요하다. 본 논문은 학습모델 설계에 사용 가능한 2가지 loss 함수와 8가지 label 기법을 설명하고, 비프로파일링 분석과 소비전력모델 관점에서 각 label 기법의 분석성능을 예측했다. 해밍웨이트 소비전력모델을 가정했을 때의 비프로파일링 분석 특징을 고려해서 One-hot 인코딩을 적용하지 않은 HW(Hamming Weight) label과 CO(Correlation Optimization) loss를 적용한 학습모델이 가장 좋은 분석성능을 가질 것으로 예측했다. 그리고 AES-128 1라운드 Subbytes 연산 부분 데이터 집합 3가지에 대해 실제 분석을 수행했다. 제시한 각 label 기법과 loss 함수를 적용한 총 16가지 MLP(Multi-Layer Perceptron)기반 학습모델로 두 데이터 집합을 비프로파일링 분석하여 예측에 대해 검증했다.