• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제24권1호
• /
• pp.177-193
• /
• 2010

본 연구는 고등학교 통계 영역의 확률분포에 제시되어 있는 정규분포를 이항분포에서 정규분포로의 근사, 정규분포곡선의 탐구, Monte Carlo 방법에 의한 정규분포곡선의 넓이 탐구, 정규분포곡선의 선형변환, 그리고 여러 형태의 정규분포곡선 탐구 등의 내용을 중심으로 CAS 계산기를 활용하여 탐구해보고자 한다. CAS 계산기의 도구적 기능인 사소화, 실험, 시각화, 집중의 측면에서 볼 때 지필로서는 교육과정에 제시된 확률분포의 목표를 달성하기 불가능하다고 판단된다. 따라서 본 연구에서는 CAS 계산기를 활용하여 정규분포곡선의 다양한 성질을 탐구하고 이러한 과정과 결과로부터 정규분포곡선에 대한 교수학적 시사점을 도출하고자 한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제1권1호
• /
• pp.11-20
• /
• 2012

스트림 데이터는 시간에 따라 연속적으로 변화하는 일련의 값들로 나타난다. 이러한 스트림 데이터의 특성상 다양한 시간 간격의 기준에 따라 계속적으로 그 동향이 달라질 수 있다. 이 때문에 스트림 데이터의 추세 예측은 간격이 갱신될 때 마다 연속적인 환경에서 여러 간격들을 기준으로 동시에 이루어지는 연속 다중 예측(Continuous Multiple Prediction, CMP)이 지원되어야 한다. 본 논문은 스트림 데이터의 연속 다중 예측을 효과적으로 지원하기 위하여, 신피질 학습 모델인 계층형 시간적 메모리(Hierarchical Temporal Memory, HTM) 모델을 확장하여 연속통합 HTM(Continuous Integrated HTM, CIHTM) 네트워크를 제안한다. 이를 위해 우리는 HTM 네트워크를 구성하는 기존 노드들 외에 새롭게 이동 벡터 파일 센서, 시공간 분류 노드, 다중 통합 노드를 고안하였다. 그리고 이들을 바탕으로 CIHTM 네트워크의 학습과 추론 알고리즘을 개발하였다.

• 디지털융복합연구
• /
• 제17권3호
• /
• pp.227-234
• /
• 2019

본 연구는 교육인프라가 취약한 아프리카 국가들의 교육 콘텐츠, 교실환경, 그리고 ICT기술에 대한 종합적인 보급을 위한 블록형 스마트교실 모델 제시를 목표로 한다. 수업관리시스템, 전력관리시스템 및 교실환경 관리시스템을 통합하는 상황별 솔루션을 제시하고, 아프리카 지역의 국가별 경제적, 비경제적 여건에 최적화가 가능한 융합 모델이 될 것이다. 이는 기존의 서비스, 콘텐츠, 솔루션에 대한 독립적 연구개발이나 단일 컨테이너로 보급된 기존교실과는 차별화되는 효율적인 모델이 될 수 있을 것이다. 이러한 통합 연구 과정을 통해 기존 컨테이너교실에서 나타나는 공간과 기능적 한계를 극복하고 이러닝 기술 고도화에 대비한 융통성 있는 공간을 구축한다. 향후 보다 다양한 지역의 교육 및 인프라 여건에 부합하는 성능과 모델에 대한 탐구로 후속 연구의 깊이와 범위의 확장이 가능할 것이다.

• Smart Structures and Systems
• /
• 제24권2호
• /
• pp.243-256
• /
• 2019

Determination of the most meaningful structural modes and gaining insight into how these modes evolve are important issues for long-term structural health monitoring of the long-span bridges. To address this issue, modal parameters identified throughout the life of the bridge need to be compared and linked with each other, which is the process of mode tracking. The modal frequencies for a long-span bridge are typically closely-spaced, sensitive to the environment (e.g., temperature, wind, traffic, etc.), which makes the automated tracking of modal parameters a difficult process, often requiring human intervention. Machine learning methods are well-suited for uncovering complex underlying relationships between processes and thus have the potential to realize accurate and automated modal tracking. In this study, Gaussian mixture model (GMM), a popular unsupervised machine learning method, is employed to automatically determine and update baseline modal properties from the identified unlabeled modal parameters. On this foundation, a new mode tracking method is proposed for automated mode tracking for long-span bridges. Firstly, a numerical example for a three-degree-of-freedom system is employed to validate the feasibility of using GMM to automatically determine the baseline modal properties. Subsequently, the field monitoring data of a long-span bridge are utilized to illustrate the practical usage of GMM for automated determination of the baseline list. Finally, the continuously monitoring bridge acceleration data during strong typhoon events are employed to validate the reliability of proposed method in tracking the changing modal parameters. Results show that the proposed method can automatically track the modal parameters in disastrous scenarios and provide valuable references for condition assessment of the bridge structure.

• 한국콘텐츠학회논문지
• /
• 제21권5호
• /
• pp.129-138
• /
• 2021

오늘날 우리는 인터넷을 통하여 웹사이트에서 다양한 활동과 많은 정보를 얻고 있다. 이러한 웹사이트들은 개인 또는 웹사이트 전문업체에 의해 유지보수되며, 기본적인 방법은 운영되고 있는 웹사이트를 구성하고 있는 파일들을 변경하는 것이다. 이 과정에서 전체 파일을 변경하는 것은 시간이 오래 걸리고, 변경하지 않아도 되는 파일들까지 변경하므로 효율성이 많이 떨어진다. 반대로 변경해야 하는 파일들만 변경하게 될 경우, 사람이 직접 각 경로를 탐색하여 파일들을 확인하고 하나씩 파일을 변경해야 하므로 손이 많이 간다. 이를 해결하고자 자동 배포 시스템들이 개발되었으나, 추가적인 자원과 학습이 필요하며 비용과 시간, 노동력이 추가로 발생한다. 이에 본 논문에서는 기존 웹사이트의 자원과 기술을 사용하여, 자원 소모를 최소화하고, 새로운 기술의 학습이 필요 없는 자동 업데이트 시스템을 제안하고자 한다. 이를 통해 사람의 작업 대비 신뢰성과 시간을 향상하는 것을 목적으로 한다.

• Imaging Science in Dentistry
• /
• 제52권4호
• /
• pp.383-391
• /
• 2022

Purpose: Periodontitis, the most prevalent chronic inflammatory condition affecting teeth-supporting tissues, is diagnosed and classified through clinical and radiographic examinations. The staging of periodontitis using panoramic radiographs provides information for designing computer-assisted diagnostic systems. Performing image segmentation in periodontitis is required for image processing in diagnostic applications. This study evaluated image segmentation for periodontitis staging based on deep learning approaches. Materials and Methods: Multi-Label U-Net and Mask R-CNN models were compared for image segmentation to detect periodontitis using 100 digital panoramic radiographs. Normal conditions and 4 stages of periodontitis were annotated on these panoramic radiographs. A total of 1100 original and augmented images were then randomly divided into a training (75%) dataset to produce segmentation models and a testing (25%) dataset to determine the evaluation metrics of the segmentation models. Results: The performance of the segmentation models against the radiographic diagnosis of periodontitis conducted by a dentist was described by evaluation metrics(i.e., dice coefficient and intersection-over-union [IoU] score). MultiLabel U-Net achieved a dice coefficient of 0.96 and an IoU score of 0.97. Meanwhile, Mask R-CNN attained a dice coefficient of 0.87 and an IoU score of 0.74. U-Net showed the characteristic of semantic segmentation, and Mask R-CNN performed instance segmentation with accuracy, precision, recall, and F1-score values of 95%, 85.6%, 88.2%, and 86.6%, respectively. Conclusion: Multi-Label U-Net produced superior image segmentation to that of Mask R-CNN. The authors recommend integrating it with other techniques to develop hybrid models for automatic periodontitis detection.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권8호
• /
• pp.2016-2029
• /
• 2023

Accurate prediction of critical illness is significant for ensuring the lives and health of patients. The selection of indicators affects the real-time capability and accuracy of the prediction for critical illness. However, the diversity and complexity of these indicators make it difficult to find potential connections between them and critical illnesses. For the first time, this study proposes an indicator analysis model to extract key indicators from the preoperative and intraoperative clinical indicators and laboratory results of critical illnesses. In this study, preoperative and intraoperative data of heart failure and respiratory failure are used to verify the model. The proposed model processes the datum and extracts key indicators through four parts. To test the effectiveness of the proposed model, the key indicators are used to predict the two critical illnesses. The classifiers used in the prediction are light gradient boosting machine (LightGBM) and eXtreme Gradient Boosting (XGBoost). The predictive performance using key indicators is better than that using all indicators. In the prediction of heart failure, LightGBM and XGBoost have sensitivities of 0.889 and 0.892, and specificities of 0.939 and 0.937, respectively. For respiratory failure, LightGBM and XGBoost have sensitivities of 0.709 and 0.689, and specificity of 0.936 and 0.940, respectively. The proposed model can effectively analyze the correlation between indicators and postoperative critical illness. The analytical results make it possible to find the key indicators for postoperative critical illnesses. This model is meaningful to assist doctors in extracting key indicators in time and improving the reliability and efficiency of prediction.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권3호
• /
• pp.71-80
• /
• 2021

기계학습에서 정확한 데이터 예측을 위해서는 적절한 인공신경망 알고리즘을 선택해야 한다. 이러한 알고리즘에는 심층 신경망 (DNN), 반복 신경망 (RNN), 장단기 기억 (LSTM) 네트워크 및 게이트 반복 단위 (GRU) 신경망등을 들 수 있다. 개발자가 실험을 위해, 하나를 선택해야 하는 경우, 각 알고리즘의 성능에 대한 충분한 정보가 없었기 때문에, 직관에 의존할 수 밖에 없었다. 본 연구에서는 이러한 어려움을 완화하기 위해 실험을 통해 예측 오류(RMSE)와 처리 시간을 비교 평가 하였다. 각 알고리즘은 텐서플로우를 이용하여 구현하였으며, 세금 데이터를 사용하여 학습을 수행 하였다. 학습 된 모델을 사용하여, 세금 예측을 수행 하였으며, 실제값과의 비교를 통해 정확도를 측정 하였다. 또한, 활성화 함수와 다양한 최적화 함수들이 알고리즘에 미치는 영향을 비교 분석 하였다. 실험 결과, GRU 및 LSTM 알고리즘의 경우, RMSE(Root Mean Sqaure Error)는 0.12이고 R2값은 각각 0.78 및 0.75로 다른 알고리즘에 비해 더 낳은 성능을 보여 주었다. 기본 심층 신경망(DNN)의 경우, 처리 시간은 가장 낮지만 예측 오류는 0.163로 성능은 가장 낮게 측정 되었다. 최적화 알고리즘의 경우, 아담(Adam)이 오류 측면에서 최고의 성능을, 처리 시간 측면에서 최악의 성능을 보여 주었다. 본 연구의 연구결과는 데이터 예측을 위한 알고리즘 선택시, 개발자들에게 유용한 정보로 사용될 것으로 예상된다.

• 한국농림기상학회지
• /
• 제16권3호
• /
• pp.157-168
• /
• 2014

본 총설에서는 산림생태계의 생태수문시스템을 복잡계의 관점에서 바라 보았을 때, (1) 생태수문계의 구성 요소들이 상호작용을 통해 망을 형성하고 집단적인 반응을 하며, (2) 복잡정교한 정보 처리를 수행하고, (3) 자기-조직화 과정을 통해 적응해 가는 복잡계의 특징들을 볼 수 있을 것이라고 가정하였다. 제시된 과정망 그리기의 결과는 생태수문계에 관여하는 다양한 시공간 규모의 과정들이 실제로 관련 변수들 간의 되먹임과 정보 흐름의 망을 형성하고 있음을 명확히 보여준다. 또한 구성 변수들이 독특한 형태(즉, 차별화된 결합 형태, 방향성 및 시간 지연 규모)로 정보를 교환함으로써, 망 안에 또 다른 망을 형성하며 일관되게 조직화되어 특정한 하부계들을 구성하는 계층적(hierarchical) 구조를 잘 나타낸다. 이러한 하부계들이 종관 하부계(SS), 대기경계층 하부계(ABLS), 생물리 하부계(BPS), 생물리화학 하부계(BPCS) 등으로 다양하게 나타남을 보여준다. 주목할 점은, 이러한 하부계들이 서로 되먹임 고리들을 맺거나 끊음으로써 지역하부계(RS)와 같은 새로운 하부계의 집합체를 생성하거나, 또는 분리시킨다는 것이다. 이러한 과정은 바로 복잡계의 특성인 자기-조직화 과정의 증거로서, 생태계가 계층적으로 조직화되어 성장하고 발전하면서, 자연적/인위적 교란 속에서도 자기-조직화를 통해 동적 평형을 유지하며, 환경 변화에 적응하고 진화해 나감을 함축적으로 의미한다. 생태계의 건전성은 시스템의 자기-조직화 과정들이 유지될 때에 비로소 보존되는 것이기 때문에, 이러한 관점에서 과정망 연구방법은 의미있고 이치에 닿는다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.1042-1047
• /
• 2004

Voltage control is an essential part of the electric energy transmission and distribution system to maintain proper voltage limit at the consumer's terminal. Besides the generating units that provide the basic voltage control, there are many additional voltage-controlling agents e.g., shunt capacitors, shunt reactors, static VAr compensators, regulating transformers mentioned in [1], [2]. The most popular one, among all those agents for controlling voltage levels at the distribution and transmission system, is the on-load tap changer transformer. It serves two functions-energy transformation in different voltage levels and the voltage control. Artificial Neural Network (ANN) has been realized as a convenient tool that can be used in controlling the on load tap changer in the distribution transformers. Usage of the ANN in this area needs suitable training and testing data for performance analysis before the practical application. This paper briefly describes a procedure of processing the data to train an Artificial Neural Network (ANN) to control the tap changer operating decision of parallel transformers for a closed primary bus. The data set are used to train a two layer ANN using three different neural net learning algorithms, namely, Standard Backpropagation [3], Bayesian Regularization [4] and Scaled Conjugate Gradient [5]. The experimental results are presented including performance analysis.