• Structural Engineering and Mechanics
• /
• 제71권6호
• /
• pp.739-749
• /
• 2019

This article deals with the application of reliability analysis for determining the safety of simply supported beam under the uniformly distributed load. The uncertainties of the existing methods were taken into account and hence reliability analysis has been adopted. To accomplish this aim, Generalized Regression Neural Network (GRNN), Extreme Learning Machine (ELM) and Gaussian Process Regression (GPR) models are developed. Reliability analysis is the probabilistic style to determine the possibility of failure free operation of a structure. The application of probabilistic mathematics into the quantitative aspects of a structure and improve the qualitative aspects of a structure. In order to construct the GRNN, ELM and GPR models, the dataset contains Modulus of Elasticity (E), Load intensity (w) and performance function (${\delta}$) in which E and w are inputs and ${\delta}$ is the output. The achievement of the developed models was weighed by various statistical parameters; one among the most primitive parameter is Coefficient of Determination ($R^2$) which has 0.998 for training and 0.989 for testing. The GRNN outperforms the other ELM and GPR models. Other different statistical computations have been carried out, which speaks out the errors and prediction performance in order to justify the capability of the developed models.

• 인터넷정보학회논문지
• /
• 제22권2호
• /
• pp.59-68
• /
• 2021

최근 급속도로 성장하고 있는 인공지능 기술이 자율운항선박과 같은 해상 환경에서도 적용되기 시작하면서 디지털 영상에 특화된 CNN 기반의 모델을 적용하는 관련 연구가 활발히 진행되고 있다. 이러한 해상 서비스의 경우 인적 과실을 줄이기 위해 충돌 위험이 있는 부유물을 감지하거나 선박 내부의 화재 등 여러 가지 기술이 접목되기에 실시간 처리가 매우 중요하다. 그러나 기능이 추가될수록 프로세서의 제품 가격이 증가하는 문제가 존재해 소형 선박의 선주들에게는 비용적인 측면에서 부담이 된다. 또한 대형 선박의 경우 자율운항선박의 시스템을 감안할 때, 연산 속도의 성능 향상을 위해 복잡도가 높은 딥러닝 모델의 성능을 개선하는 방법이 필요하다. 따라서 본 논문에서는 딥러닝 모델에 경량화 기법을 적용해 정확도를 유지하면서 고속으로 처리할 수 있는 방법에 대해 제안한다. 먼저 해상 부유물 검출에 적합한 영상 전처리를 진행하여 효율적으로 CNN 기반 신경망 모델 입력에 영상 데이터가 전달될 수 있도록 하였다. 또한, 신경망 모델의 알고리즘 경량화 기법 중 하나인 학습 후 파라미터 양자화 기법을 적용하여 모델의 메모리 용량을 줄이면서 추론 부분의 처리 속도를 증가시켰다. 양자화 기법이 적용된 모델을 저전력 임베디드 보드에 적용시켜 정확도와 처리 속도를 사용하는 임베디드 성능을 고려하여 설계하는 방법을 제안한다. 제안하는 방법 중 정확도 손실이 제일 최소화되는 모델을 활용해 저전력 임베디드 보드에 비교하여 기존보다 최대 4~5배 처리 속도를 개선할 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제17권4호
• /
• pp.468-477
• /
• 2017

본 연구의 목적은 간호대학생을 대상으로 학습만족도에 영향을 주는 요인을 파악하여 새로운 학습법을 도입할 때 대상자의 학습만족도를 높이기 위해 고려해야 하는 요소에 대한 기초 자료를 제공하기 위함이다. 본 연구에서는 자기주도학습 준비도, 교수-학생 상호작용, 핵심역량, 스트레스와 학습동기가 학습만족도에 미치는 영향을 분석하였다. 이러한 변수를 측정하기 위하여 자기주도적 학습준비도 검사, 교사-학생관계척도, 대학생 핵심역량, 대학차원의 스트레스 측정도구, 학습동기 측정표, 학습만족도 측정도구를 수정 보완한 도구를 사용하였다. 연구대상은 S시에 위치한 E대학교 간호대학생 2, 3학년을 대상으로 하였으며, 총 132명의 자료가 최종 분석에 포함되었다. 본 연구의 결과 학습만족도는 자기주도학습 준비도(r= .21, p= .018), 교수-학생 상호작용(r= .39, p<.001), 핵심역량(r= .21, p= .014), 학습동기(r= .75, p<.001)와 양의 상관관계를 보였다. 또한 학습동기는 자기주도학습 준비도(r= .24, p= .005), 교수-학생 상호작용(r= .38, p<.001), 핵심역량(r= .21, p= .018)과 양의 상관관계를 보였다. 학습만족도에 영향을 미치는 요인은 학습동기와 교수-학생 상호작용이었으며, 이 2개의 변수로 구축된 회귀모형의 학습만족도에 대한 설명력은 59.7%였다. 따라서 본 연구의 결과 학습만족도를 높이기 위해서는 학습동기를 고취시키고 교수-학생 상호작용이 효율적으로 일어날 수 있도록 하는 중재가 필요하겠다.

• 한국초등수학교육학회지
• /
• 제11권2호
• /
• pp.117-136
• /
• 2007

본 연구는 공간감각능력의 신장을 위한 테셀레이션 학습 프로그램을 개발하고, 테셀레이션을 활용한 수학학습이 공간감각능력의 신장에 효과가 있는지를 분석한 것이다. 이를 위해 부산광역시 G초등학교 5학년 1개반(24명)을 대상으로 성별에 따라 구분하고, 학업성적에 따라 상, 하 2개의 집단으로 구분하여 실험연구 결과를 분석하였다. 실험설계로는 준-실험 설계 중 단일집단 전후검사설계(one-group pretest-post test design)가 적용되었다. 실험집단에는 아침자습시간, 재량활동시간, 수학교과시간을 통해 탱그램, 패턴블록, GSP를 이용한 테셀레이션 학습 프로그램이 적용되었으며, 공간감각능력의 신장을 검사하기 위한 도구로는 'K-WISC-III 동작성 검사'를 위주로 한 공간감각검사지를 사용하였다. 연구결과에서는 테셀레이션을 활용한 수학학습은 공간감각의 하위 요소인 눈-운동 지각, 지각 지속성, 형-배경 지각, 위치 지각, 시각적 변별의 5가지 영역의 전체 평균에서 성적(F=140.088, p=.000 수준)과 시기(F=49.659, p=.000 수준)에서 모두 유의미한 차이를 보였다. 그러나 성별(F=1.004, p=.322 수준)의 경우 전체 평균에서의 유의미한 차이를 발견할 수 없었다.

• 컴퓨터교육학회논문지
• /
• 제6권2호
• /
• pp.81-93
• /
• 2003

본 연구의 목적은 웹기반 GBS(Goal-Based Scenario) 학습 환경에서 학습자-학습자, 학습자-온라인교사간 상호 작용을 계량화시켜 파악할 수 있는 기법으로서 사회 연결망 분석(Social Network Analysis. 이하 SNA)의 가능성에 대해 살펴보는 것이다. 이러한 연구 목적의 달성을 위해 먼저 사회학과 인류학 분야를 중심으로 최근 활발히 활용되고 있는 이 기법의 이론적 및 방법론적 배경을 살펴보고, 이어서 GBS 설계 방식으로 개발된 웹 기반 기업교육 운영 과정에서 생성된 질문방 log file을 활용하여 SNA 변인 중 하나인 중심도(centrality)와 학업 성취도 및 팀활동 기여도 간의 상관관계를 분석하는 탐색적 실증 연구를 실시하였다. 연구의 결과, 중심도는 학업 성취도, 특히 적용 평가 등 고차학습 성취도 및 동료들에 의해 평가된 팀 학습 기여도와 높은 상관이 있음이 나타났다. 결론으로서 이러한 연구 결과가 제시하는 교수 설계적 함의 및 그 제한성에 대해 살펴보고 아울러 향후 연구 방향에 대한 제언을 덧붙였다.

• 지능정보연구
• /
• 제11권2호
• /
• pp.17-29
• /
• 2005

본 연구의 목적은 컴퓨터지원협동 학습 환경에서 학습자-학습자, 학습자-온라인교사간 상호작용을 계량화시켜 파악할 수 있는 기법으로서 네크워크 마이닝 기법의 일종인 사회 연결망 분석(Social Network Analysis: SNA)의 가능성에 대해 살펴보는 것이다. 이러한 연구 목적의 달성을 위해 먼저 사회학과 인류학 분야를 중심으로 최근 활발히 활용되고 있는 이 기법의 이론적 및 방법론적 배경을 살펴보고, 이어서 웹 기반 기업교육 운영 과정에서 생성된 질문방 로그파일을 활용하여 SNA변인 중 하나인 중심도와 학업 성취도 및 팀활동 기여도 간의 상관관계를 분석하는 탐색적 실증 연구를 실시하였다. 연구의 결과 중심도는 학업 성취도, 특히 적용 평가 등 고차학습 성취도 및 동료들에 의해 평가된 팀 학습 기여도와 높은 상관이 있음이 나타났다. 결론으로서 이러한 연구 결과가 제시하는 교수 설계적 함의 및 그 제한성에 대해 살펴보고 아울러 향후 연구 방향에 대한 제언을 덧붙였다.

• 한국경제지리학회지
• /
• 제25권1호
• /
• pp.183-201
• /
• 2022

주택가격을 정확히 추정하기 위한 많은 연구가 진행되어 왔다. 선행연구들은 주택의 고유 특성과 인근 지역 특성을 통제하는 계량경제모형을 활용한 분석이 많았다. 본 연구에서는 인공신경망 모형(ANN)을 활용하여 주택가격을 추정하였다. 딥러닝 기술의 장점은 변수 간의 복잡하고 비선형적인 특성을 모델링하고 데이터의 패턴을 인식할 수 있다는 것이다. 본 연구에서는 부동산 시장에서 공간적 분포도 패턴으로 인식할 수 있다는 가정하에 지리좌표를 설명변수로 ANN에 투입하였다. 선형회귀분석과 ANN 모형 간 비교 결과, 선형 모형 대비 ANN 모형의 설명력이 높았으며, 특히 ANN 모형은 지리좌표를 투입하였을 때 더 높은 정확도를 보여주었다. 또한 ANN 모형의 경우 지리좌표를 통해 모형 잔차의 공간적 자기 상관성이 크게 감소하였다는 점을 확인하였다. 이를 통해 ANN 모형의 패턴인식 능력을 활용하면 공간적 패턴을 학습시킴으로써 주택가격을 정확히 추정할 수 있음을 밝혔다.

• 정보보호학회논문지
• /
• 제34권1호
• /
• pp.71-82
• /
• 2024

정보통신기술(ICT) 고도화에 따라 PDF, MS Office, HWP 파일로 대표되는 전자 문서형 파일의 활용이 많아졌고, 공격자들은 이 상황을 놓치지 않고 문서형 악성코드를 이메일과 메신저를 통해 전달하여 감염시키는 피해사례가 많아졌다. 이러한 피해를 막고자 AI를 사용한 악성코드 탐지 연구가 진행되고 있으나, PDF나 MS-Office와 같이 전 세계적으로 활용성이 높은 전자 문서형 파일에 비해 주로 국내에서만 활용되는 HWP(한글 워드 프로세서) 문서 파일은 양질의 정상 또는 악성 데이터가 부족하여 지속되는 공격에 강건한 모델 생성에 한계점이 존재한다. 이러한 한계점을 해결하기 위해 기존 수집된 데이터를 변형하여 학습 데이터 규모를 늘리는 데이터 증강 방식이 제안 되었으나, 증강된 데이터의 유용성을 평가하지 않아 불확실한 데이터를 모델 학습에 활용할 가능성이 있다. 본 논문에서는 HWP 악성코드 탐지에 있어 데이터의 유용성을 정량화하고 이에 기반하여 학습에 유용한 증강 데이터만을 활용하여 기존보다 우수한 성능의 AI 모델을 학습하는 준지도학습 기법을 제안한다.

• Animal Systematics, Evolution and Diversity
• /
• 제40권4호
• /
• pp.266-275
• /
• 2024

Parrots, especially the Cacatua species, are a particular focus for trade because of their mimicry, plumage, and intelligence. Indeed, Cacatua species are imported most into Korea. To manage trade in wildlife, it is essential to identify the traded species. This is conventionally achieved by morphological identification by experts, but the increasing volume of trade is overwhelming them. Identification of parrots, particularly Cacatua species, is difficult due to their similar features, leading to frequent misidentification. There is thus a need for tools to assist experts in accurately identifying Cacatua species in situ. Deep learning-based object detection models, such as the You Only Look Once (YOLO) series, have been successfully employed to classify wildlife and can help experts by reducing their workloads. Among these models, YOLO versions 5 and 8 have been widely applied for wildlife classification. The later model normally performs better, but selecting and designing a suitable model remains crucial for custom datasets, such as wildlife. Here, YOLO versions 5 and 8 were employed to classify 13 Cacatua species in the image data. Images of these species were collected from eBird, iNaturalist, and Google. The dataset was divided, with 80% used for training and validation and 20% for evaluating model performance. Model performance was measured by mean average precision, with YOLOv5 achieving 0.889 and YOLOv8 achieving 0.919. YOLOv8 was thus better than YOLOv5 at detecting and classifying Cacatua species in the examined images. The model developed here could significantly support the management of the global trade in Cacatua species.

• 한국정보시스템학회지:정보시스템연구
• /
• 제33권3호
• /
• pp.175-185
• /
• 2024

Purpose This study aims to analyze the relationship between consumption patterns and default risk among financially vulnerable households in a rapidly changing economic environment. Financially vulnerable households are more susceptible to economic shocks, and their consumption patterns can significantly contribute to an increased risk of default. Therefore, this study seeks to provide a systematic approach to predict and manage these risks in advance. Design/methodology/approach The study utilizes data from the Korea Welfare Panel Study (KOWEPS) to analyze the consumption patterns and default status of financially vulnerable households. To address the issue of data imbalance, sampling techniques such as SMOTE, SMOTE-ENN, and SMOTE-Tomek Links were applied. Various machine learning algorithms, including Logistic Regression, Decision Tree, Random Forest, and Support Vector Machine (SVM), were employed to develop the prediction model. The performance of the models was evaluated using Confusion Matrix and F1-score. Findings The findings reveal that when using the original imbalanced data, the prediction performance for the minority class (default) was poor. However, after applying imbalance handling techniques such as SMOTE, the predictive performance for the minority class improved significantly. In particular, the Random Forest model, when combined with the SMOTE-Tomek Links technique, showed the highest predictive performance, making it the most suitable model for default prediction. These results suggest that effectively addressing data imbalance is crucial in developing accurate default prediction models, and the appropriate use of sampling techniques can greatly enhance predictive performance.