최근 사회기반시설(SOC)의 증가와 노후화에 따라 기존의 인력중심의 육안검사를 기반으로 한 안전점검은 경제성과 안전성, 효율성 면에서 한계를 가지고 있다. 본 연구에서는 육안점검의 한계를 개선하기 위해 딥러닝 모델 기반 물체를 탐지하는 기술을 활용하여 터널 콘크리트 균열을 자동으로 탐지하는 기술을 개발하였으며, 이를 실제 터널 영상에 적용하여 그 성능을 검증하였다.

Last few years, many researches on deep learning-based crack detection model have been reported in order to develop an efficient structure inspection method. While developing crack detection deep learning model, many research results reported the importance of the training data. Since most of the research results only qualitatively discussed the importance of training data, this study examine the influence of the training data by experiment, especially in the case of negative samples such as construction joint, spider web and concrete blocks.

본 연구는 물리적 수리·수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당 댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교·분석을 수행한 결과, LSTM 모형의 최적의 성능을 내 는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실 측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.

한국형 e-Navigation의 내항성 안전 모듈은 운항 중인 선박을 실시간으로 모니터링하고 내항성의 이상 상태를 사전에 경고함으로써 선박의 안정성을 확보하는 선내 원격 모니터링 서비스 중 하나이다. 일반적으로 선박설계를 위한 내항성능은 주어진 조건에서 선체 운동 시뮬레이션을 수행하여 평가하여 왔다. 하지만 운항 중 선박의 내항성능을 실시간으로 평가하기 위해 이러한 시뮬레이션을 실제 운항조건에 맞추어 수행하는 것은 계산시간의 한계로 인해 현실적이지 않다. 본 연구에서는 기계학습 기반의 근사모델을 활용하여 선박의 내항성능 평가 요소들 중 하나인 횡동요 운동특성을 합리적으로 보다 빠르게 예측하는 방법을 소개하고자 한다. 다양한 학습 기법과 데이터의 샘플링 조건을 적용하여, 얻어진 근사모델의 결과와 운동해석 결과의 오차가 거의 1% 내로 일치함을 보였다. 따라서 이러한 방법을 활용하면 선박의 실시간 내항 성능을 평가하는데 효율적으로 사용할 수 있을 것으로 판단된다.

최근 학령인구의 감소와 대중매체의 발달로 교수자와 학생이 소통할 수 있는 새로운 교수법이 대두되고 있으며, 전문대학생들에 맞추어 플립드 러닝 교수학습모형을 적용하였다. 맞춤식 플립드 러닝 교수학습 모형 결과에서 전공과목 pre class 출석률은 92.3%의 결과로 나타났다. 그리고 전공이외의 교양 교과목의pre class의 출석률은 87.6%로의 결과를 보여 주었다. 이러한 결과는 방사선과 1학년 재학생들의 전공과목 pre class출석률이 교양 교과목 pre class출석률보다 적극적인 참여가 있었다는 것을 알 수 있다. 맞춤식 플립드러닝 교수학습모형의 in class에서 적용한 연구 집단과 적용하지 않은 비교집단 간의 차이를 비교해 본 결과, 연구 집단이 비교집단보다 직무능력인 지식, 기술, 태도에서 모두 높은 점수를 보였다. 또한, 예비방사선사로서 갖추어야 할 직업기초능력으로 본 수업 모형을 적용한 결과 90%이상의 학습자들이 책임감, 문제 해결 능력, 창의적 사고, 협동 능력, 의사소통 능력이 향상되었다. 맞춤식 플립드 러닝 교수·학습모형의 post class에서 방사선사 역할인지 차이 검증에서는 교수학습모형적용전의 평균이 2.10이였으나 적용 후의 평균은 4.40로 증가하여 나타났다. 맞춤식 플립드 교수·학습 모형을 적용한 결과 방사선과 직업기초능력을 함양하기위하여 본 교수학습모형이 적절하며, 이에 확대 적용할 필요성이 있다고 사료된다.

Background: A critical features of Alzheimer’s disease (AD) is cognitive dysfunction, which partly arises from decreased in acetylcholine levels. AD afftected brains are characterized by extensive oxidative stress, which is thought to be primarily induced by the amyloid beta (Aβ) peptide. In a previous study, Cinnamomum loureiroi tincture inhibited acetylcholinesterase (AchE) activity. That study identified AChE inhibitor in the C. loureiroi extract. Furthermore, the C. loureiroi extract enhanced memory in a trimethyltin (TMT)-induced model of cognitive dysfunction, as assessed via two behavioral tests. Rosa laevigata extract protected against oxidative stress-induced cytotoxicity. Administrating R. laevigata extracts to mice significantly reversed Aβ-induced learning and memory impairment, as shown in behavioral tests. Methods and Results: We conducted behavioral to examine the synergistic effects of C. loureiroi and R. laevigata extracts in inhibiting AChE and counteracting TMT-induced learning and memory losses. We also performed biochemical assays. The biochemical results showed a relationship between increased oxidative stress and cholinergic neurons damage in TMT-treated mice. Conclusions: A diet containing C. loureiroi and R. laevigata extracts ameliorated learning and memory impairments in the Y-maze and passive avoidance tests, and exerted synergistic inhibitory effect against AChE and lipid peroxidation.

Purpose – The purpose of this study is to present a framework for determining the most appropriate business model for e-learning. Research design, data, and methodology – The Electronics Branch of Azad University has been elected as a case study in this research. This study conducted using a descriptive method. The information was obtained using interviews with experts including managers, faculty and students at the Electronics Branch of Azad University. Results – Three service-product system (product oriented system, use an oriented and result oriented system) approaches determined a framework for the formation of a portfolio. This portfolio is including three types of e-learning business models. Examining the relevant characteristics, correspondence of behaviorism learning theory with a product-oriented approach, correspondence of cognitivism theory with a user-oriented approach and in finally match correspondence of constructivist learning theory with a results-oriented approach which is evident. Conclusions – After reviewing the literature on the fields of e-learning, business model and product - service systems, we have achieved three types of e-learning business models. Then the variables in any of the business models were defined by using business model canvas tool and thus a portfolio consisting of three types of e-learning business model canvas was obtained.

A novel disaggregation model that combines a machine learning model and kriging of residuals is presented to map precipitation at a fine scale from coarse scale precipitation data. Random forest (RF) and fine scale auxiliary variables are used to estimate trend components at a fine scale. Residual components are then estimated by area-to-point residual kriging. A case study of spatial disaggregation of TRMM monthly precipitation data acquired over the Korean peninsula is carried out to illustrate the potential of the presented disaggregation method. From the evaluation results, the presented method outperformed the RF-based disaggregation method that only considers trend components and ignores residual components, in terms of accuracy statistics and the ability of coherent predictions. This case study indicates that accounting for residual components by applying a proper spatial prediction method such as area-to-point kriging is very important in spatial disaggregation of coarse scale spatial data, even though advanced regression models such as RF could have high goodness of fit for the quantification of relationships between a target attribute and auxiliary variables.

이 연구는 초등과학의 작은 생물 내용에 대해서 5E 학습모형 기반 디지털교과서를 개발하고 적용해보는 사례 연구이다. 디지털교과서의 저작도구는 iBooks Author를 사용하였다. 개발된 디지털 교과서는 작은 생물에 대해서 구조적 및 생태적 특징을 제공하고 있다. 또한 이 디지털 교과서는 상호작용이 가능한 멀티미디어 위젯을 기반으로 개발되었다. 개발된 디지털교과서는 학생과 교사들을 대상으로 교과내용, 플랫폼, 사용자 만족성 등의 범주에서 평가를 실시하였으 며, 대체로 긍정적인 평가를 얻었다.

현장 학교에서는 인성교육과 교과교육이 제각기 이루어지는 경우가 많으며, 인성교육에 관한 연구 또한 교과교육과는 별개로 진행되는 것이 일반적이다. 학교 교육을 통해 학생들의 공감 능력 증진을 모색하는 것은 공교육이 지향해야 할 과제인 인성교육과 교과교육의 병행을 도모 하는데 도움을 줄 수 있다. 본 연구는 초중등학교 현장에서 공감에 기반하여 교과교육과 인성교육을 연계할 수 있는 학습모형을 개발하는데 목적이 있다. 본 모형을 구안하기 위하여 공감과 교육에 관련된 심층적인 선행연구 분석을 통해 교과교육과 인성교육을 함께 구현할 수 있는 학습모형 시안을 개발하였다. 개발된 시안 모형은 현장 교사 및 수업방법 분야 전문가의 지속적인 피드백을 통해 3차에 걸쳐 수정 보완하였다. 이후 전문가 형성평가를 통해 공감기반 학습모형의 내적 타당도를 확인하였다. 이러한 타당화 과정을 거친 공감기반 학습모형을 학교 수업에 적용하는 파일럿 테스트와 추가적인 협의회 과정을 통해 모형을 정교화 하였다. 본 연구에서는 이러한 일련의 과정을 통하여 교과 수업 시간은 물론 수업 외 시간에 적용할 수 있는 공감기반 학습모형 최종안을 개발하였다.

All living organisms use memory and oblivion algorithms considering the estimated lifetime and the changes in the ambient environment. Because of the expected lifetime of a bridge is similar to the human’s one, if a bridge uses the same algorithm of human memory, the abnormal responses of the structure can be easily detected. This paper introduces unfamiliarity index (UFI) that calculated from the FFT results of the short term timeline acceleration responses. If this algorithm, which can detect an abnormal behavior from the maximum constant signal, is used to the terminal sensors of an structure, more accurate safety control criteria will be prepared efficiently.

본 논문에서는 결정트리 학습 알고리즘을 활용한 축구 게임 수비 NPC 제어 방법을 제안한다. 제안하는 방법은 실제 게임 사용자들의 이동 방향 패턴과 행동 패턴을 추출하여 결정트리학습 알고리즘에 적용한다. 그리고 학습된 결정트리를 바탕으로 NPC의 이동방향과 행동을 결정한다. 실험결과 제안하는 방법은 결정트리 학습에 시간이 다소 걸리지만, 학습된 결정트리를 바탕으로 이동방향이나 행동을 결정하는 시간은 약 0.001-0.003 ms(밀리초)가 소요되어 실시간으로 NPC를 제어할 수 있었다. 또한, 제안하는 방법은 현재 상태 정보 뿐만 아니라 이를 분석한 관계정보, 이전 상태 정보도 함께 활용하므로, 기존방법인 (Letia98)에 비해 이동방향 결정시 높은 정확도를 나타냈다.

게임세대를 위한 효과적인 교육방법으로 게임을 통한 학습이 주목을 받고 있다. 기존 교육용 게임의 설계방법은 필요한 모든 학습요소들과 게임요소들을 동시에 한 게임 안에 수용하도록 설계하는 것이다. 그래서 동기유발과 학습효과를 동시에 달성해야 하는 교육용 게임을 설계하는 것은 일반적으로 어렵다. 교육용게임을 설계하기 어려움의 문제를 해결하기 위해, 본 논문에서는 동기유발기제를 사용하여 게임플레이와 학습플레이를 연동하는 G러닝 모델인 IGLM을 제안하였다. 제안하는 모델 IGLM은 게임레벨들과 학습레벨들을 따로 독립적으로 구성하고 있고 동기유발기제의 연동 메커니즘으로 게임레벨들과 학습레벨들이 서로 연동되어 진행된다. 제안하는 IGLM의 설계방법의 설계 어려움에 대하여 기존 설계방법들과 비교분석하였다. 분석결과에 의하면, 제안하는 IGLM은 기존 방법들의 설계 어려움을 해결할 수 있을 뿐 아니라 구성요소들의 설계의 난이도, 자유도, 그리고 수용범위가 가장 우수한 방법임을 알 수 있었다.