• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.55-65
• /
• 2023

본 논문에서는 딥러닝 및 강화학습 연구에 대해 KeyBERT(Keyword extraction with Bidirectional Encoder Representations of Transformers) 알고리즘 기반의 토픽 추출 및 토픽 출현 빈도 분석으로 급변하는 딥러닝 관련 연구 동향 분석을 파악하고자 한다. 딥러닝 알고리즘과 강화학습에 대한 논문초록을 크롤링하여 전반기와 후반기로 나누고, 전처리를 진행한 후 KeyBERT를 사용해 토픽을 추출한다. 그 후 토픽 출현 빈도로 동향 변화에 대해 분석한다. 분석된 알고리즘 모두 전반기와 후반기에 대한 뚜렷한 동향 변화가 나타났으며, 전반기에 비해 후반기에 들어 어느 주제에 대한 연구가 활발한지 확인할 수 있었다. 이는 KeyBERT를 활용한 토픽 추출 후 출현 빈도 분석으로 연구 동향변화 분석이 가능함을 보였으며, 타 분야의 연구 동향 분석에도 활용 가능할 것으로 예상한다. 또한 딥러닝의 동향을 제공함으로써 향후 딥러닝의 발전 방향에 대한 통찰력을 제공하며, 최근 주목 받는 연구 주제를 알 수 있게 하여 연구 주제 및 방법 선정에 직접적인 도움을 준다.

• International Journal of Advanced Culture Technology
• /
• 제7권4호
• /
• pp.295-301
• /
• 2019

Since the third artificial intelligence boom was triggered by deep learning, it has been 10 years. It is time to analyze and discuss the research trends of deep learning for the stable development of AI. In this regard, this study systematically analyzes the trends of research on deep learning over the past 10 years. We collected research literature on deep learning and performed LDA based topic modeling analysis. We analyzed trends by topic over 10 years. We have also identified differences among the major research countries, China, the United States, South Korea, and United Kingdom. The results of this study will provide insights into research direction on deep learning in the future, and provide implications for the stable development strategy of deep learning.

• 한국원자력학회:학술대회논문집
• /
• 한국원자력학회 1995년도 추계학술발표회논문집(1)
• /
• pp.293-299
• /
• 1995

A methodology is applied to identify tile learning trend related to the safety and availability of U.S. commercial nuclear power plants. The application is intended to aid in reducing likelihood of human errors. To assure that tile methodology ran be easily adapted to various types of classification schemes of operation data, a data bank classified by the Transient Analysis Classification and Evaluation(TRACE) scheme is selected for the methodology. The significance criteria for human-initiated events affecting tile systems and for events caused by human deficiencies were used. Clustering analysis was used to identify the learning trend in multi-dimensional histograms. A computer rode is developed based on tile K-Means algorithm and applied to find the learning period in which error rates are monotonously decreasing with plant age.

• International Journal of Computer Science & Network Security
• /
• 제21권11호
• /
• pp.23-30
• /
• 2021

Sentiment Analysis has become very important field of research because posting of reviews is becoming a trend. Supervised, unsupervised and semi supervised machine learning methods done lot of work to mine this data. Feature engineering is complex and technical part of machine learning. Deep learning is a new trend, where this laborious work can be done automatically. Many researchers have done many works on Deep learning Convolutional Neural Network (CNN) and Long Shor Term Memory (LSTM) Neural Network. These requires high processing speed and memory. Here author suggested two models simple & bidirectional deep leaning, which can work on text data with normal processing speed. At end both models are compared and found bidirectional model is best, because simple model achieve 50% accuracy and bidirectional deep learning model achieve 99% accuracy on trained data while 78% accuracy on test data. But this is based on 10-epochs and 40-batch size. This accuracy can also be increased by making different attempts on epochs and batch size.

• 한국초등수학교육학회지
• /
• 제17권2호
• /
• pp.265-283
• /
• 2013

본 연구는 초등학교 수학 학습 부진 학생들의 진단평가 결과 및 교사와 학생들의 설문 결과를 바탕으로 초등학교 수학 학습 부진의 발생 경향을 분석하는데 목적이 있다. 본 연구 결과, 수학 학습 부진 학생들은 저 중학년에서 고학년으로 올라감에 따라 부진이 점차 누적 및 심화되어 나타나는 경향을 보였다. 이는 수학 학습 부진이 저학년 시기부터 시작되어 나타난 결과임을 의미한다. 또한, 단순히 총점수로만 부진 여부를 판별하는 현재의 방법에만 의존하기 보다는 영역별 점수 및 교사와 학생들의 인식 등을 종합적으로 고려할 필요가 있다. 현재의 방법이 또 다른 학습 부진의 원인이 될 가능성을 인식할 수 있었다. 마지막으로, 수학 학습 부진 학생지도를 담당하는 대다수의 교사들과 학생들은 수학 학습 부진의 원인이 학생들 자신의 내재적 요인에 의해 발생한다고 응답하였으며, 이는 수학 학습 부진 학생에 대한 교육적 처치 방안에 대한 연구를 통해 개선될 수 있음을 의미한다. 따라서 학생들이 초등학교 저학년 때부터 수학에 대해 긍정적이고 성공적인 경험을 하여 학습 결손이 생기지 않도록 지원해주어야 하며, 학생들의 객관적이고 체계적인 자료 분석에 바탕을 둔 지도 방법으로의 개선이 필요하다.

• 컴퓨터교육학회논문지
• /
• 제20권5호
• /
• pp.15-33
• /
• 2017

2015 개정 교육과정은 창의 융합형 인재 양성에 중점을 두고 있으며, 이에 따라 정보 교육의 중요성이 높아지면서 정보 교수 학습 방법에 대한 관심이 높아지고 있다. 이에 본 연구는 정보 교육의 교수 학습 방법의 국내 연구 동향을 분석하고 시사점을 제시하기 위해, 국내 학술지 논문을 대상으로 2000년부터 현재까지의 정보 교육의 교수 학습 방법에 대한 연구 179편을 선정하여 16개의 범주로 분류하여 분석하였다. 연구 분석 결과 문제 중심 학습이 가장 많은 연구가 이루어졌으며 언플러그드 학습, CPS(Creative Problem Solving)모형, 동료교수법 등도 비교적 활발한 연구가 이루어졌다. 또한 정보 교육의 내용 영역으로는 문제 해결과 프로그래밍 영역에 대한 연구가 가장 많이 이루어지고 있었다. 본 연구는 향후 교수 학습 방법에 대한 연구뿐만 아니라 교육 현장에서 교수 학습 방법을 선정하는데 시사점을 줄 수 있을 것으로 기대된다.

• 한국정보전자통신기술학회논문지
• /
• 제13권4호
• /
• pp.283-292
• /
• 2020

4차 산업혁명의 대표적인 이미지 중 하나인 인공지능은 2016년 알파고 이후에 인공지능 인식이 매우 높아져 있다. 본 논문은 학국교육학술정보원에서 제공하는 국내 논문 중 '인공지능', '기계학습', '딥 러닝'으로 검색된 국내 발표 논문에 대해서 분석하였다. 검색된 논문은 약 1만여건이며 논문 동향을 파악하기 위해 빈도분석과 토픽 모델링, 의미 연결망을 이용하였다. 추출된 논문을 분석한 결과, 2015년에 비해 2016년에는 인공지능 분야는 600%, 기계학습은 176%, 딥 러닝 분야는 316% 증가하여 알파고 이후에 인공지능 분야의 연구가 활발히 진행됨을 확인할 수 있었다. 또한, 2018년 부터는 기계학습보다 딥 러닝 분야가 더 많이 연구 발표되고 있다. 기계학습에서는 서포트 벡터 머신 모델이, 딥 러닝에서는 텐서플로우를 이용한 컨볼루션 신경망이 많이 활용되고 있음을 알 수 있었다. 본 논문은 '인공지능', '기계학습', '딥 러닝' 분야의 향후 연구 방향을 설정하는 도움을 제공할 수 있다.

• 디지털산업정보학회논문지
• /
• 제19권3호
• /
• pp.149-163
• /
• 2023

In this study we analyze research trends on machine learning healthcare based on papers from the United States, the United Kingdom, and Korea. In Elsevier's Scopus, we collected 3425 papers related to machine learning healthcare published from 2018 to 2022. Keyword frequency and centrality analysis were conducted using the abstracts of the collected papers. We identified keywords with high frequency of appearance by calculating keyword frequency and found central research keywords through the centrality analysis by country. Through the analysis results, research related to machine learning, deep learning, healthcare, and the covid virus was conducted as the most central and highly mediating research in each country. As the implication, studies related to electronic health information-based treatment, natural language processing, and privacy in Korea have lower degree centrality and betweenness centrality than those of the United States and the United Kingdom. Thus, various convergence research applied with machine learning is needed for these fields.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제21권4호
• /
• pp.30-41
• /
• 2016

The amount of groundwater related data is drastically increasing domestically from various sources since 2000. To justify the more expansive continuation of the data acquisition and to derive valuable implications from the data, continued employments of sophisticated and state-of-the-arts statistical tools in the analyses and predictions are important issue. In the present study, we employed a well established machine learning technique of Gaussian Process Regression (GPR) model in the trend analyses of groundwater level for the long-term change. The major benefit of GPR model is that the model provide not only the future predictions but also the associated uncertainty. In the study, the long-term predictions of groundwater level from the stations of National Groundwater Monitoring Network located within Han River Basin were exemplified as prediction cases based on the GPR model. In addition, a few types of groundwater change patterns were delineated (i.e., increasing, decreasing, and no trend) on the basis of the statistics acquired from GPR analyses. From the study, it was found that the majority of the monitoring stations has decreasing trend while small portion shows increasing or no trend. To further analyze the causes of the trend, the corresponding precipitation data were jointly analyzed by the same method (i.e., GPR). Based on the analyses, the major cause of decreasing trend of groundwater level is attributed to reduction of precipitation rate whereas a few of the stations show weak relationship between the pattern of groundwater level changes and precipitation.

• 한국해양공학회지
• /
• 제36권3호
• /
• pp.194-210
• /
• 2022

Recently, an analysis method using machine learning for solving problems in coastal and ocean engineering has been highlighted. Machine learning models are effective modeling tools for predicting specific parameters by learning complex relationships based on a specified dataset. In coastal and ocean engineering, various studies have been conducted to predict dependent variables such as wave parameters, tides, storm surges, design parameters, and shoreline fluctuations. Herein, we introduce and describe the application trend of machine learning models in coastal and ocean engineering. Based on the results of various studies, machine learning models are an effective alternative to approaches involving data requirements, time-consuming fluid dynamics, and numerical models. In addition, machine learning can be successfully applied for solving various problems in coastal and ocean engineering. However, to achieve accurate predictions, model development should be conducted in addition to data preprocessing and cost calculation. Furthermore, applicability to various systems and quantifiable evaluations of uncertainty should be considered.