• 전기전자학회논문지
• /
• 제25권2호
• /
• pp.273-279
• /
• 2021

본 논문에서는 딥러닝 구조를 분할을 이용한 개별 학습을 수행하여 학습시간을 단축하는 알고리즘을 제안한다. 제안하는 알고리즘은 망 분류 기점 설정 과정, 특징 벡터 추출 과정, 특징 노이즈 제거 과정, 클래스 분류 과정 등의 4가지 과정으로 구성된다. 첫 번째로 망 분류 기점 설정 과정에서는 효과적인 특징 벡터 추출을 위한 망 구조의 분할 기점을 설정한다. 두 번째로 특징 벡터 추출 과정에서는 기존에 학습한 가중치를 사용하여 추가 학습 없이 특징 벡터를 추출한다. 세 번째로 특징 노이즈 제거 과정에서는 추출된 특징 벡터를 입력받아 각 클래스의 출력값을 학습하여 데이터의 노이즈를 제거한다. 네 번째로 클래스 분류 과정에서는 노이즈가 제거된 특징 벡터를 입력받아 다층 퍼셉트론 구조에 입력하고 이를 출력하고 학습한다. 제안된 알고리즘의 성능을 평가하기 위하여 Extended Yale B 얼굴 데이터베이스를 사용하여 실험 하였다. 실험 결과, 1회 학습에 소요되는 시간의 경우 제안하는 알고리즘이 기존 알고리즘 기준 40.7% 단축하였다. 또한 목표 인식률까지 학습 횟수가 기존 알고리즘과 비교하여 단축하였다. 실험결과를 통해 1회 학습시간과 전체 학습시간을 감소시켜 기존의 알고리즘보다 향상됨을 확인하였다.

• 문화기술의 융합
• /
• 제9권6호
• /
• pp.301-307
• /
• 2023

딥러닝은 심층신경망(Deep Neural Network)을 구축하고 대량의 훈련 데이터를 수집한 후, 구축된 신경망을 오랫동안 학습 시켜야 한다. 만약, 학습이 제대로 진행되지 않거나 과적합이 발생하면, 학습은 실패하게 된다. 현재까지 개발되고 있는 딥러닝 도구들을 사용할 경우, 훈련데이터 수집과 학습에 많은 시간이 소요된다. 하지만, 모바일 환경의 급격한 도래와 센서 데이터의 증가로 인해, 신경망 학습에 걸리는 시간을 획기적으로 줄일 수 있는 실시간 증강형 딥러닝 기술에 대한 요구가 급격하게 증가하고 있다. 본 연구에서는 미세먼지 센서를 장착한 아두이노 시스템을 사용하여 실시간 증강형 딥러닝 시스템을 구현 하였다. 구현된 시스템에서는 미세먼지 데이터를 5초마다 측정하고 최대 120개가 축적이 되면, 기존에 축적된 데이터와 새로이 축적된 데이터를 데이터셋으로 사용하여 학습을 수행하도록 하였다. 학습 수행을 위한 신경망은 입력층 1개, 은닉층 1개, 출력등 1개로 구성하였다. 구현된 시스템에 대한 성능을 평가하기 위해 학습 시간과 평균 제곱근 오차(root mean square error, RMSE)를 측정 하였다. 실험 결과, 평균 학습 오차는 0.04053796이었으며, 학습주기당(1 에포크) 평균 학습 시간은 3,447 초 정도의 시간이 걸렸다.

• 디지털융복합연구
• /
• 제10권8호
• /
• pp.341-346
• /
• 2012

본 연구에서는 이러닝 환경에서의 학습참여도에 플로우 경험과 인터넷 중독이 미치는 영향을 고찰하였다. 학습참여도는 이러닝 웹 로그 분석을 통해 학습컨텐츠 접속횟수, 접속시간 및 지연시간(컨텐츠 업로드 시간과 접속시간의 시차)을 산정하여 활용하였으며, 이러한 학습참여 변인과 학업성취도간의 관계 또한 분석되었다. 연구결과, 플로우 경험은 모든 이러닝 참여 관련변인과 유의한 관계가 있는 것으로 나타났으며, 인터넷 중독은 지연시간과 유의한 관계가 있는 것으로 파악되었다. 그리고 여학생은 남학생에 비해 더 자주, 더 오래 학습컨텐츠에 접속한 것으로 나타났다. 이러닝 참여 변인 중에서는 접속횟수와 지연시간이 학업성취도에 유의한 영향을 미치는 것으로 파악되었다.

• 한국컴퓨터정보학회논문지
• /
• 제10권5호
• /
• pp.323-332
• /
• 2005

본 논문에서는 웹 기반에서 학습자의 학습 성취도 향상을 도모할 수 있는 다양한 학습 내용 구성 환경을 제공할 수 있으며, 실시간으로 과제물을 평가할 수 있는 e-Learning 시스템을 개발하였다. 우리는 학습자의 특성과 흥미를 유발할 수 있는 특징들을 고려하여 문제풀이와 Quiz를 갖춘 학습 내용 구성을 개발하여, 학습자 스스로가 동적으로 다양한 학습 내용 구성 환경을 선택할 수 있도록 하였다. 그리고 과제물 시스템은 객관식 및 서술형 과제물을 교수자와 학습자간에 상호 실시간으로 처리할 수 있도록 개발하였다.

• Journal of Astronomy and Space Sciences
• /
• 제41권2호
• /
• pp.61-78
• /
• 2024

This study developed a real-time spacecraft pose estimation algorithm that combined a deep learning model and the least-squares method. Pose estimation in space is crucial for automatic rendezvous docking and inter-spacecraft communication. Owing to the difficulty in training deep learning models in space, we showed that actual experimental results could be predicted through software simulations on the ground. We integrated deep learning with nonlinear least squares (NLS) to predict the pose from a single spacecraft image in real time. We constructed a virtual environment capable of mass-producing synthetic images to train a deep learning model. This study proposed a method for training a deep learning model using pure synthetic images. Further, a visual-based real-time estimation system suitable for use in a flight testbed was constructed. Consequently, it was verified that the hardware experimental results could be predicted from software simulations with the same environment and relative distance. This study showed that a deep learning model trained using only synthetic images can be sufficiently applied to real images. Thus, this study proposed a real-time pose estimation software for automatic docking and demonstrated that the method constructed with only synthetic data was applicable in space.

• 대한조선학회논문집
• /
• 제56권6호
• /
• pp.488-496
• /
• 2019

The estimation of block erection work time at a dock is one of the important factors when establishing or managing the total shipbuilding schedule. In order to predict the work time, it is a natural approach that the existing block erection data would be used to solve the problem. Generally the work time per unit is the product of coefficient value, quantity, and product value. Previously, the work time per unit is determined statistically by unit load data. However, we estimate the work time per unit through work time coefficient value from series ships using machine learning. In machine learning, the outcome depends mainly on how the training data is organized. Therefore, in this study, we use 'Feature Engineering' to determine which one should be used as features, and to check their influence on the result. In order to get the coefficient value of each block, we try to solve this problem through the Ensemble learning methods which is actively used nowadays. Among the many techniques of Ensemble learning, the final model is constructed by Stacking Ensemble techniques, consisting of the existing Ensemble models (Decision Tree, Random Forest, Gradient Boost, Square Loss Gradient Boost, XG Boost), and the accuracy is maximized by selecting three candidates among all models. Finally, the results of this study are verified by the predicted total work time for one ship among the same series.

• Journal of Information Processing Systems
• /
• 제10권2호
• /
• pp.271-282
• /
• 2014

The advancement of knowledge society has enabled the social network community (SNC) to be perceived as another space for learning where individuals produce, share, and apply content in self-directed ways. The content generated within social networks provides information of value for the participants in real time. Thus, this study proposes the social network community activity-based content model (SoACo Model), which takes SNC-based activities and embodies them within learning objects. The SoACo Model consists of content objects, aggregation levels, and information models. Content objects are composed of relationship-building elements, including real-time, changeable activities such as making friends, and participation-activity elements such as "Liking" specific content. Aggregation levels apply one of three granularity levels considering the reusability of elements: activity assets, real-time, changeable learning objects, and content. The SoACo Model is meaningful because it transforms SNC-based activities into learning objects for learning and teaching activities and applies to learning management systems since they organize activities -- such as tweets from Twitter -- depending on the teacher's intention.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권10호
• /
• pp.983-991
• /
• 2003

인터넷 상의 웹기반교육은 시$.$공간을 초월하여 많은 학습자들에게 관련 정보와 지식을 제공하고 있다. 그러나 웹 기반교육에서는 학습자의 학습진행상태를 단지 시험을 통해서만 확인 할 수 있는 문제가 있다. 본 논문은 웹기반교육에서 학습자의 학습 과정에 문제가 있는지를 검사하고, 문제가 있는 학생들을 발견할 수 있는 웹 모니터링 기법을 소개한다. 그 기법에서 본 논문은 이전 학을 단위들에 대한 학습자의 학습시간과 형성평가점수들에 기초하여 다음에 진행할 학습 단위에 대한 학습 시간을 예측할 수 있는 학습 시간 예측 모델을 제안한다. 이 기법은 교수자에게 학습자의 학습진행상태를 제공한다. 이 방법은 만약 학습자가 예측학습시간을 초과하였을 경우에는 자동으로 경고 메시지를 보내어 학습자가 다시 학습 과정에 잘 임하도록 독려하는데 이용될 수 있다. 학습시간 예측모델을 이용한 웹 모니터링에 관한 사례 연구를 통해 측정한 결과, 학습진행상태가 원만하지 않는 학습자의 대부분은 형성평가 점수가 저조하였다. 또한, 그들은 학습진행상태가 원만하지 않는 자신의 학습 습관을 그대로 유지하고 있는 것으로 나타났다.

• 대한인간공학회:학술대회논문집
• /
• 대한인간공학회 1992년도 추계학술대회논문집
• /
• pp.113-120
• /
• 1992

In this paper, a mathematical model of learning curve is proposed to study the finger's reaction time. The model is a logarithmic linear type which represents a learning curve appropriately, and parameters are estimated by the linear. The learning coefficient and percentage of a reaction time can be easily computed in the mathematical model. This quantitative approach provides an important information to be used for the working capability qualification for re-employment as well as for the adaptability estimation of aged workers.

• 한국위성정보통신학회논문지
• /
• 제12권3호
• /
• pp.69-73
• /
• 2017

본 논문에서는 기계학습 기반의 실시간 이미지 인식 알고리즘을 개발하고 개발한 알고리즘의 성능을 테스트 하였다. 실시간 이미지 인식 알고리즘은 기계 학습된 이미지 데이터를 바탕으로 실시간으로 입력되는 이미지를 인식한다. 개발한 실시간 이미지 인식 알고리즘의 성능을 테스트하기 위해 자율주행 자동차 분야에 적용해보았고 이를 통해 개발한 실시간 이미지 인식 알고리즘의 성능을 확인해보았다.