본 연구는 서울남부교도소 2년제 학점은행제 패션비즈니스 직업훈련 과정에서 운영 된 오프라인 기반 자기주도학습 지원시스템이 직업훈련생의 학습성취와 교수효율성에 미친 변화를 분석하였다. 교정시설은 인터넷 사용이 제한되어 학습자료 탐색, 진도 점 검, 형성평가 및 피드백 운영에 제약이 크므로, 본 연구는 이를 보완하기 위한 연구자 가 개발한 오프라인 기반 자기주도학습 지원시스템 적용 사례를 검토하였다. 연구는 혼합연구 설계로 수행하였다. 질적 자료는 2025년 1월부터 12월까지의 교 육일지, 성찰 기록, 교수자 1인 및 학습자 15인 전원 면담 자료를 활용하였다. 양적 자료는 2025년 3월, 7월, 12월에 실시한 오프라인 컴퓨터 기반 평가 결과이다. 결론적으로 오프라인 기반 자기주도학습 지원시스템은 인터넷이 차단된 교정시설에 서도 학습자료 접근, 반복학습, 진도관리, 형성평가, 개별 피드백을 가능하게 한 오프 라인 디지털 학습지원 모델이었다. 다만 단일기관, 소표본, 단일집단 반복측정 설계라 는 한계가 있으므로, 결과는 인과효과의 확정보다는 제한된 환경에서 확인된 교육적 변화의 사례로 해석할 필요가 있다.

병충해의 조기 발견과 이에 따른 신속한 조치는 농업 생산성 유지와 생태계 보전에 있어 핵심적인 요소이다. 그러나 병충해 발생 초 기 단계에서는 일반적인 카메라나 센서를 통해 식생의 미세한 변화를 관측하는 데 한계가 있다. 이러한 한계를 극복하기 위해 초분광 모듈을 활용하여 파장대별 식물 데이터를 정밀하게 관측하고, 이를 딥러닝 모델에 적용함으로써 가로수 식생의 건강 상태를 판별하고 병충해 발생 여부를 조기에 확인할 수 있다. 이와 같은 방법을 통해 병충해에 대한 선제적 대응이 가능해지며, 결과적으로 피해의 확 산을 효과적으로 방지할 수 있다. 이러한 접근 방식은 농업 및 생태학 분야에서 식물의 건강 상태를 지속적으로 모니터링하고 보전하 기 위한 기술로 활발히 연구되고 있다.

이 논문에서는 강화학습 기반 제어기와 전통적인 제어기를 동일한 조건에서 비교함으로써 구조 진동 제어 문제에서 강화학습 제 어기의 성능 특성과 한계를 규명하는 것을 목적으로 한다. 가장 단순한 비선형 제어로서 단자유도 가변 강성 시스템을 대상으로 심층 결정적 정책 경사(DDPG) 기반의 강화 학습 제어기를 설계하고, bang-bang 제어 및 제한 최적 제어와의 성능 비교를 수행하였다. 자유 진동 및 El Centro 지진 가속도에 의한 강제 진동 조건에서 공칭 성능과 센서 잡음이 존재하는 경우의 강인 성능을 분석하였다. 그 결 과, 강화학습 제어기는 자유 진동 조건에서 우수한 강인 성능을 보였으나, 강제 진동 제어에서는 기존 제어기를 일관되게 상회하지는 못하였다. 이 연구는 동일한 보상 함수와 시스템 조건 하에서 강화학습 기반 진동 제어의 실질적 기여와 적용상의 한계를 기초적으로 제시하였다.

As renewable energy penetration continues to increase, the output variability and forecasting uncertainty of photovoltaic generation have emerged as major operational risks in power systems. This study establishes a sensor-based data quality control procedure to ensure the reliability of meteorological data collected at a PV plant. For temperature, humidity, and wind speed, a four stage QC process physical range check, persistence check, step change check, and median filtering was applied. Solar radiation, which exhibits strong temporal and distributional characteristics, was processed using a three-stage QC procedure consisting of physical range, step change, and frequency distribution checks. Using the quality-controlled meteorological data, PV generation forecasting was performed with SVM and XGBoost models. As a result, the MAPE values improved to 6.32% for SVM and 6.08% for XGBoost after QC application. The findings confirm that meteorological data quality control significantly enhances PV forecasting accuracy and can support future strategies for distributed energy resource management, curtailment mitigation, and power system risk reduction.

The purpose of this study is to develop and implement a customized AI-based speaking diagnosis, learning, and assessment system, SpeakMaster, in order to overcome the lack of systematic evaluation and practice opportunities in school English speaking class. This system integrates automated speaking scoring to provide students with feedback on their speaking abilities across pronunciation, conversation, and presentation. This study adopts a design-based research methodology, demonstrating the development and implementation process. 1,451 students and eight teachers in elementary, middle, and high schools participated in the experiment. Data were collected through learning logs, teacher journals, interviews, and post-surveys. The findings indicate that the system design is appropriate for English class, promoting students’ flow in engaging speaking practice. Students showed motivation and satisfaction while teachers found the system valuable for monitoring student progress and facilitating speaking assessments. Despite the challenges of improving chatbot performance and enhancing scoring reliability, the results suggest that SpeakMaster shows potential to enhance English speaking education.

본 연구에서는 Romanoff(1957)의 실측 데이터를 사용하여 머신러닝 기반 상수도관의 부식 깊이를 예측하였다. 이를 실제 상수도관망에 적용하여 누적피해도를 분석하였다. 예측한 부식깊이를 사용하여 누적피해도를 분석하였으며 MCS(Monte Carlo Simulation)를 적용한 누적피해도와 비교 분석하였다. 부식깊이 예측모델에 따른 부식깊이를 분석한 결과 MLP-ReLU 모델이 가장 부식속도가 가장 빠르며 MLP-sigmoid가 가장 부식속도가 느렸다. 천안시 신방동과 성환읍 상수도관망에 MCS를 적용한 누적피해도 분석법과 머신러닝을 적용한 누적피해도를 비교 분석하였다. 신방동에서는 두 분석법 모두 2번 상수도관이 먼저 사용 한계에 도달하였으며 성환읍에서는 4번 상수도관이 가장 먼저 사용 한계에 도달하였다. 사용 한계에 가장 먼저 도달한 상수도관은 다른 상수도관보다 사용 년수가 오래되었거나 수압이 높은 것으로 확인되었다. MCS를 적용한 누적피해도 분석 결과 신방동의 경우 45년 만에 사용 한계를 초과한 반면 성환읍의 경우 47년 만에 사용 한계를 초과했다.

As the E-commerce market grows, the importance of personalized recommendation systems is increasing. Existing collaborative filtering and content-based filtering methods have shown a certain level of performance, but they have limitations such as cold start, data sparseness, and lack of long-term pattern learning. In this study, we design a matching system that combines a hybrid recommendation system and hyper-personalization technology and propose an efficient recommendation system. The core of the study is to develop a recommendation model that can improve recommendation accuracy and increase user satisfaction compared to existing systems. The proposed elements are as follows. First, the hybrid-hyper-personalization matching system provides recommendation accuracy compared to existing methods. Second, we propose an optimal product matching model that reflects user context using real-time data. Third, we optimize Personalized Recommendation System using deep learning and reinforcement learning. Fourth, we present a method to objectively evaluate recommendation performance through A/B testing.

본 연구는 동적 밝기 변화 패턴이 포함된 시각 자극을 이용한 동공 빛 반사 기반 인터페이스 기술 개발을 그 목적으로 한 다. 동적 밝기 변화 패턴(휘도 0과 255 사이의 변화)의 시각 자극 10종을 개발하였고 3초 동안 시각 자극 패턴 변화를 응시 하는 태스크를 통해 동공 반응을 측정 및 분석했다. 하나의 trial은 10종의 시각 자극이 한 번씩 무작위의 순서로 제시되는 것으로 정의되었고, 전체 실험은 총 12 trials로 진행되어 각 시각 자극은 120회 반복되었다. 다섯 가지 딥러닝 시퀀스 모델 중 TCN이 가장 높은 성능을 나타내었고 10명의 실험 참가자에 대해 94.01±3.94%(56.64±6.01 bits/min)의 분류 성능이 확 인되었다. PLR은 사용자 학습 및 훈련이 요구되지 않는 직관적인 인터페이스 기술이고 다양한 시각 자극 패턴의 개발을 통 한 높은 확장성을 가지고 있다는 점에서 향후 그 가치가 주목되는 기술로 판단된다.

병충해의 조기 발견과 그에 따른 조치의 중요성은 농업 및 생태계 보전에 있어서 핵심적이다. 그러나 초기에는 일반적인 카메라나 센 서로는 변화의 정도를 관측하기 어렵다. 이러한 한계를 극복하기 위해 초분광 모듈을 활용하여 파장대별 식물 데이터를 관측함으로써, 딥러닝 모델을 통해 가로수 식생의 건강 상태를 판별, 병충해 여부를 초기에 확인 가능하다. 이를 통해 조기에 병충해에 대해 조치함 으로써 더 큰 피해를 방지할 수 있다. 이러한 접근 방식은 농업 및 생태학 분야에서 식물의 건강을 모니터링하고 보전하는 데 적극적 으로 연구되고 있다.

Bearing-shaft systems are essential components in various automated manufacturing processes, primarily designed for the efficient rotation of a main shaft by a motor. Accurate fault detection is critical for operating manufacturing processes, yet challenges remain in sensor selection and optimization regarding types, locations, and positioning. Sound signals present a viable solution for fault detection, as microphones can capture mechanical sounds from remote locations and have been traditionally employed for monitoring machine health. However, recordings in real industrial environments always contain non-negligible ambient noise, which hampers effective fault detection. Utilizing a high-performance microphone for noise cancellation can be cost-prohibitive and impractical in actual manufacturing sites, therefore to address these challenges, we proposed a convolution neural network-based methodology for fault detection that analyzes the mechanical sounds generated from the bearing-shaft system in the form of Log-mel spectrograms. To mitigate the impact of environmental noise in recordings made with commercial microphones, we also developed a denoising autoencoder that operates without requiring any expert knowledge of the system. The proposed DAE-CNN model demonstrates high performance in fault detection regardless of whether environmental noise is included(98.1%) or not(100%). It indicates that the proposed methodology effectively preserves significant signal features while overcoming the negative influence of ambient noise present in the collected datasets in both fault detection and fault type classification.

병충해의 조기 발견과 그에 따른 조치의 중요성은 농업 및 생태계 보전에 있어서 핵심적이다. 그러나 초기에는 일반적인 카메라나 센서로는 변화의 정도를 관측하기 어렵다. 이러한 한계를 극복하기 위해 초분광 모듈을 활용하여 파장대별 식 물 데이터를 관측함으로써, 딥러닝 모델을 통해 가로수 식생의 건강 상태를 판별, 병충해 여부를 초기에 확인 가능하다. 이를 통해 조기에 병충해에 대해 조치함으로써 더 큰 피해를 방지할 수 있다. 이러한 접근 방식은 농업 및 생태학 분야 에서 식물의 건강을 모니터링하고 보전하는 데 적극적으로 연구되고 있다.

Recently, SDAS(Advanced driver-assistance system) are being installed to assist driving of vehicles and improve driver convenience. LDWS(Lane departure warning system) and FCWS(Forward collision warning system) are the core of the technology. Among these, FCWS is evaluated as a key assistive technology to prevent vehicle crashes. Accordingly, many algorithms are being developed and tested to improve detection speed and actual detection algorithms are being commercialized. In this paper, We propose the design of a system that optimizes FCWS speed by considering the AI performance of the terminal device when implemented as an embedded system.

In the manufacturing industry, dispatching systems play a crucial role in enhancing production efficiency and optimizing production volume. However, in dynamic production environments, conventional static dispatching methods struggle to adapt to various environmental conditions and constraints, leading to problems such as reduced production volume, delays, and resource wastage. Therefore, there is a need for dynamic dispatching methods that can quickly adapt to changes in the environment. In this study, we aim to develop an agent-based model that considers dynamic situations through interaction between agents. Additionally, we intend to utilize the Q-learning algorithm, which possesses the characteristics of temporal difference (TD) learning, to automatically update and adapt to dynamic situations. This means that Q-learning can effectively consider dynamic environments by sensitively responding to changes in the state space and selecting optimal dispatching rules accordingly. The state space includes information such as inventory and work-in-process levels, order fulfilment status, and machine status, which are used to select the optimal dispatching rules. Furthermore, we aim to minimize total tardiness and the number of setup changes using reinforcement learning. Finally, we will develop a dynamic dispatching system using Q-learning and compare its performance with conventional static dispatching methods.

In recent automated manufacturing systems, compressed air-based pneumatic cylinders have been widely used for basic perpetration including picking up and moving a target object. They are relatively categorized as small machines, but many linear or rotary cylinders play an important role in discrete manufacturing systems. Therefore, sudden operation stop or interruption due to a fault occurrence in pneumatic cylinders leads to a decrease in repair costs and production and even threatens the safety of workers. In this regard, this study proposed a fault detection technique by developing a time-variant deep learning model from multivariate sensor data analysis for estimating a current health state as four levels. In addition, it aims to establish a real-time fault detection system that allows workers to immediately identify and manage the cylinder’s status in either an actual shop floor or a remote management situation. To validate and verify the performance of the proposed system, we collected multivariate sensor signals from a rotary cylinder and it was successful in detecting the health state of the pneumatic cylinder with four severity levels. Furthermore, the optimal sensor location and signal type were analyzed through statistical inferences.

본 연구는 전두환이 제5공화국을 출범시키는 과정에서 박정희 정권의 권 력구조, 대통령 선거제도, 그리고 국회의원 선거제도를 어떻게 답습했는지를 사례 분석으로 검토하였다. 첫째, 전두환 정권은 권력구조에서 박정희 정권 이 도입한 유신헌법의 강력한 대통령제를 답습하였으나 긴급조치권, 비상계 엄과 경비계엄, 국회해산권 등에서 국회의 권한을 유신헌법보다 강화하였다. 둘째, 전두환 정권은 박정희 정권의 대통령 선거방식인 간선제를 모방하였으 나 국민이 직접 선출한 대통령선거인단 방식을 채택하였으며, 장기 집권에 대한 국민 저항을 의식하여 중임제 효과가 있는 7년 단임제를 채택하였다. 셋째, 전두환 정권은 박정희 정권에서 집권당에 유리하게 작용한 국회의원 선거제도를 선택적으로 활용하였다. 전두환 정권은 집권당의 안정화를 위해 지역구에서는 제4공화국의 중선거구제를, 비례대표에서는 제3공화국의 전국 구를 채택하였다. 결국 전두환 정권은 유사한 정권 출범 과정을 거친 박정희 정권의 정치제도를 수정하여 답습하였다. 전두환 정권의 단임 대통령제와 비 례대표제는 제6공화국에서도 수정을 통해 계승되었다.

도로의 포장 상태의 노후화나 관리미흡으로 인하여 시민의 사유 재산 중 주요한 요소인 자동차 등의 손상이나 자동차 사고 로 이어질 수 있어 큰 사회적 비용이 발생할 뿐 아니라, 시민들의 불편과 불만을 초래할 수 있다. 최근 도로 포장의 경우 포트홀 발생 건수와 그에 따른 민원 및 소송 건수가 증가해 행정력 및 예산이 낭비되고 있으며, 서울시의 경우 포장도로 노후화 추이가 증가함에 따라 유 지 관리 비용 또한 증가하고 있다. SOC 시설물 안전성 강화에 대한 사회적 요구는 지속적으로 증가하고 있어 한정된 예산의 효율적 활용을 위한 첨단 유지관리기술 도입이 시급하다.

The government is implementing a policy to expand eco-friendly energy as a power source. However, the output of new and renewable energy is not constant. It is difficult to stably adjust the power supply to the power demand in the power system. Therefore, the government predicts day-ahead the amount of renewable energy generation to cope with the output volatility caused by the expansion of renewable energy. It is a system that pays a settlement amount if it transitions within a certain error rate the next day. In this paper, Machine Learning was used to study the prediction of power generation within the error rate.