메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Ying Cheng (Xianyang Vocational Technical College)
저널정보
대한전자공학회 IEIE Transactions on Smart Processing & Computing IEIE Transactions on Smart Processing & Computing Vol.12 No.5
발행연도
2023.10
수록면
419 - 427 (9page)
DOI
10.5573/IEIESPC.2023.12.5.419

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The continuous progress of modern science and technology has led to comprehensive innovations in education, and the use of information technology for teaching has become the mainstream in the current education field. For children’s preschool language education, the application of a visual question answering (VQA) system has gradually become a new development power. This research uses a Recurrent Neural Network and a VGGNet-16 network to extract features from text and images, respectively, and applies a Hierarchical Joint Attention (HJA) model to the whole VQA system. Experiment results demonstrate that the HJA model reaches the target accuracy after 125 iterations, and convergence performance is good. When using the VQAv1 dataset, accuracy can stabilize at 88% after 18 iterations, and when using the VQAv2 dataset, the highest and lowest overall accuracy rates are 77% and 72%, respectively. The three question types (Num, Y/N, and Other) are answered with high accuracy when using the chosen preschool language education database for children, providing accuracy rates of 90%, 94%, and 91%, respectively. This new reference technique offers a new method for maximization of a VQA system, and significantly raises the preschool language education level of the children.
#Neural network #Visual question answering #Preschool language education #Attention mechanism

목차

Abstract
1. Introduction
2. Related Work
3. Application of the Neural Network VQA System in Preschool Language Education
4. Application Effect Analysis
5. Conclusion
6. Fundings
Reference

참고문헌 (25)

참고문헌 신청
A. Partika, A. D. Johnson, D. A. Phillips, et al. “Dual language supports for dual language learners? Exploring preschool classroom instructional supports for DLLs’ early learning outcomes”. Early Childhood Research Quarterly, vol. 56, pp. 124-138, 2021. google schola S. M. Satagalieva. “The trends for modern libraries and building the strategy of library and information education in the Republic of Kazakhstan”. Scientific and Technical Libraries, 2021vol. 3, pp. 58-70, 2021. google schola M. Zhang, M. Zhang, G. Tian, et al. “A Home Service-Oriented Question Answering System with High Accuracy and Stability”. IEEE Access, 2019, pp. 1-3, 2019. google schola C. Yin, J. Tang, Z. Xu, et al. “Memory Augmented Deep Recurrent Neural Network for Video Question Answering.” IEEE Transactions on Neural Networks and Learning Systems, vol. 99, pp. 1-9, 2019. google schola Q. Cao, X. Liang, B. Li, et al. “Interpretable Visual Question Answering by Reasoning on Dependency Trees”. IEEE transactions on pattern analysis and machine intelligence, vol. 43(3), pp. 887-901, 2021. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088304370