KR20240011321A - Coding device for machine learning that can be touched - Google Patents
Coding device for machine learning that can be touched Download PDFInfo
- Publication number
- KR20240011321A KR20240011321A KR1020220088620A KR20220088620A KR20240011321A KR 20240011321 A KR20240011321 A KR 20240011321A KR 1020220088620 A KR1020220088620 A KR 1020220088620A KR 20220088620 A KR20220088620 A KR 20220088620A KR 20240011321 A KR20240011321 A KR 20240011321A
- Authority
- KR
- South Korea
- Prior art keywords
- machine learning
- block
- node
- output main
- unique identification
- Prior art date
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 55
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 13
- 238000013507 mapping Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 235000011034 Rubus glaucus Nutrition 0.000 description 2
- 244000235659 Rubus idaeus Species 0.000 description 2
- 235000009122 Rubus idaeus Nutrition 0.000 description 2
- 239000011449 brick Substances 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
- G09B23/06—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics
- G09B23/18—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics for electricity or magnetism
- G09B23/183—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics for electricity or magnetism for circuits
- G09B23/186—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics for electricity or magnetism for circuits for digital electronics; for computers, e.g. microprocessors
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/0053—Computers, e.g. programming
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R24/00—Two-part coupling devices, or either of their cooperating parts, characterised by their overall structure
- H01R24/60—Contacts spaced along planar side wall transverse to longitudinal axis of engagement
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R2107/00—Four or more poles
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Entrepreneurship & Innovation (AREA)
- Instructional Devices (AREA)
Abstract
만질 수 있는 머신러닝 학습용 코딩장치는 전원 공급부가 구비되며 각 노드블록의 고유식별번호(ID)와 위치정보에 대응되는 머신러닝을 진행하고 그 결과를 시각화하여 터치 디스플레이를 통해 표시하는 그래프출력 메인블록과, 그래프출력 메인블록 및 이웃하는 노드블록과 마그네틱 포고핀을 통해 각각 연결되어 데이터를 교환하며, 그래프출력 메인블록으로부터 공급되는 구동전원을 공급받아 자신의 고유식별번호(ID)를 상기 그래프출력 메인블록으로 전달하는 복수의 노드블록을 포함하는 것을 특징으로 한다.The tactile machine learning learning coding device is equipped with a power supply unit and performs machine learning corresponding to the unique identification number (ID) and location information of each node block, and the graph output main block visualizes the results and displays them through a touch display. And, the graph output main block and neighboring node blocks are connected through magnetic pogo pins to exchange data, and receive driving power supplied from the graph output main block and enter their unique identification number (ID) into the graph output main block. It is characterized by including a plurality of node blocks transmitted as blocks.
Description
본 발명은 머신러닝 교육장치에 관한 것으로서, 더 상세하게는 코딩없이 머신러닝 교육이 가능한 만질 수 있는 머신러닝 학습용 코딩장치에 관한 것이다.The present invention relates to a machine learning education device, and more specifically, to a tactile machine learning learning coding device that allows machine learning education without coding.
초보자들이 쉽게 코딩을 접할 수 있는 도구로 MIT 대학에서 개발한 스크래치, NHN에서 운영하고 있는 엔트리 등이 있으나, 인공지능과 빅데이터, 머신러닝을 학습할 수 있는 교육용 소프트웨어는 아직 초기 개발단계에 있다. Tools that help beginners easily learn coding include Scratch developed by MIT University and Entry operated by NHN, but educational software that can learn artificial intelligence, big data, and machine learning is still in the early development stage.
이에 따라 인공지능과 빅데이터, 머신러닝에 대한 지식을 누구나 쉽게 구현하고, 개념을 익할 수 있는 학습 시스템이 요구되고 있는 실정이다.Accordingly, there is a demand for a learning system that allows anyone to easily implement knowledge about artificial intelligence, big data, and machine learning and learn the concepts.
하지만 현재의 머신러닝 교육장치는 저수준의 MCU와 블록코딩이 결합한 단순입출력제어만 실습할 수 있고, 최신 알고리즘 학습을 지원하지 않는다. 즉, 제조사에서 제공하는 인공지능(AI) 기능만 단순히 실행해 보는 방식에 머무르고 있다.However, current machine learning education devices can only practice simple input/output control combining low-level MCU and block coding, and do not support learning the latest algorithms. In other words, it is limited to simply executing the artificial intelligence (AI) functions provided by the manufacturer.
본 발명은 상기와 같은 기술적 과제를 해결하기 위해 제안된 것으로, 비전공자들이 코딩 없이 하드웨어 블록을 연결하는 것만으로도 다양한 알고리즘의 작동이 가능하도록 구성되는 코딩없이 머신러닝 교육이 가능한 만질 수 있는 머신러닝 학습용 코딩장치를 제공한다.The present invention was proposed to solve the above technical challenges, and is a tangible machine learning learning tool that enables machine learning training without coding, allowing non-majors to operate various algorithms simply by connecting hardware blocks without coding. Provides a coding device.
상기 문제점을 해결하기 위한 본 발명의 일 실시예에 따르면, 전원 공급부가 구비되며 각 노드블록의 고유식별번호(ID)와 위치정보에 대응되는 머신러닝을 진행하고 그 결과를 시각화하여 터치 디스플레이를 통해 표시하는 그래프출력 메인블록과, 그래프출력 메인블록 및 이웃하는 노드블록과 마그네틱 포고핀을 통해 각각 연결되어 데이터를 교환하며, 그래프출력 메인블록으로부터 공급되는 구동전원을 공급받아 자신의 고유식별번호(ID)를 상기 그래프출력 메인블록으로 전달하는 복수의 노드블록을 포함하는 만질 수 있는 머신러닝 학습용 코딩장치가 제공된다.According to an embodiment of the present invention to solve the above problem, a power supply unit is provided, machine learning corresponding to the unique identification number (ID) and location information of each node block is performed, and the results are visualized through a touch display. The graph output main block that displays, the graph output main block, and neighboring node blocks are each connected through magnetic pogo pins to exchange data, and receive driving power supplied from the graph output main block to identify their own unique identification number (ID). ) is provided. A coding device for machine learning learning that can be touched includes a plurality of node blocks that transmit ) to the graph output main block.
또한, 본 발명에서 그래프출력 메인블록 및 복수의 노드블록은 각각, 마그네틱 포고핀이 4방향에 각각 형성되어 선택적 연결이 가능하도록 구성되는 것을 특징으로 한다.In addition, in the present invention, the graph output main block and the plurality of node blocks are characterized in that magnetic pogo pins are formed in each of four directions to enable selective connection.
또한, 본 발명의 다른 실시예에 따르면, 입력 데이터의 종류에 대응되는 자신의 고유식별번호(ID)를 전송하는 데이터 노드블록과, 입력 데이터를 정규화하기 위한 전처리 방법의 종류에 대응되는 자신의 고유식별번호(ID)를 전송하는 전처리 노드블록과, 머신러닝 알고리즘의 종류에 대응되는 자신의 고유식별번호(ID)를 전송하는 머신러닝 알고리즘 노드블록과, 하이퍼파라미터 값에 대응되는 자신의 고유식별번호(ID)를 전송하는 결과출력 노드블록과, 각 노드블록의 고유식별번호(ID)와 위치정보에 대응되는 머신러닝을 진행하고 그 결과를 시각화하여 터치 디스플레이를 통해 표시하는 그래프출력 메인블록을 포함하는 만질 수 있는 머신러닝 학습용 코딩장치가 제공된다.In addition, according to another embodiment of the present invention, a data node block transmits its own unique identification number (ID) corresponding to the type of input data, and its own unique identification number (ID) corresponding to the type of preprocessing method for normalizing the input data. A preprocessing node block that transmits an identification number (ID), a machine learning algorithm node block that transmits its own unique identification number (ID) corresponding to the type of machine learning algorithm, and its own unique identification number corresponding to the hyperparameter value. It includes a result output node block that transmits (ID), and a graph output main block that performs machine learning corresponding to the unique identification number (ID) and location information of each node block, visualizes the results, and displays them through a touch display. A coding device for machine learning learning that can be touched is provided.
또한, 본 발명에서 그래프출력 메인블록 및 노드블록들은 각각, 마그네틱 포고핀이 4방향에 각각 형성되어 선택적 연결이 가능하도록 구성되는 것을 특징으로 한다.In addition, in the present invention, the graph output main block and the node blocks are each configured with magnetic pogo pins in four directions to enable selective connection.
또한, 본 발명에서 그래프출력 메인블록은 전원 공급부가 구비되어 노드블록들에 구동전원을 공급하는 것을 특징으로 한다.Additionally, in the present invention, the graph output main block is equipped with a power supply unit to supply driving power to the node blocks.
본 발명의 만질 수 있는 머신러닝 학습용 코딩장치는 비전공자들이 코딩 없이 블록/브릭 형태로 구성되는 복수의 하드웨어 블록을 연결하는 것만으로도 다양한 알고리즘의 작동이 가능하도록 구성된다.The tangible coding device for machine learning learning of the present invention is configured to enable non-majors to operate various algorithms simply by connecting a plurality of hardware blocks in the form of blocks/bricks without coding.
도 1은 본 발명의 만질 수 있는 머신러닝 학습용 코딩장치의 구성도
도 2는 도 1의 만질 수 있는 머신러닝 학습용 코딩장치의 기본형의 구성도
도 3은 도 1의 만질 수 있는 머신러닝 학습용 코딩장치의 확장형의 구성도
도 4는 만질 수 있는 머신러닝 학습용 코딩장치의 예시도
도 5는 메인블록 및 노드블록의 사면에 형성된 포고핀의 예시도
도 6은 메인블록의 핀 맵핑을 나타낸 도면
도 7은 노드블록의 핀 맵핑을 나타낸 도면1 is a configuration diagram of a tactile coding device for machine learning learning of the present invention.
Figure 2 is a configuration diagram of the basic type of the tactile machine learning learning coding device of Figure 1
Figure 3 is an expanded configuration diagram of the tactile machine learning learning coding device of Figure 1
Figure 4 is an example of a coding device for machine learning learning that can be touched.
Figure 5 is an example of pogo pins formed on the slopes of the main block and node block.
Figure 6 is a diagram showing pin mapping of the main block
Figure 7 is a diagram showing pin mapping of a node block
이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 실시예를 첨부한 도면을 참조하여 설명하기로 한다.Hereinafter, in order to explain the present invention in detail so that a person skilled in the art can easily implement the technical idea of the present invention, embodiments of the present invention will be described with reference to the accompanying drawings.
도 1은 본 발명의 만질 수 있는 머신러닝 학습용 코딩장치의 구성도이고, 도 2는 도 1의 만질 수 있는 머신러닝 학습용 코딩장치의 기본형의 구성도이고, 도 3은 도 1의 만질 수 있는 머신러닝 학습용 코딩장치의 확장형의 구성도이고, 도 4는 만질 수 있는 머신러닝 학습용 코딩장치의 실사도이고, 도 5는 메인블록 및 노드블록의 사면에 형성된 포고핀의 예시도이고, 도 6은 메인블록의 핀 맵핑을 나타낸 도면이고, 도 7은 노드블록의 핀 맵핑을 나타낸 도면이다.Figure 1 is a configuration diagram of the touchable machine learning learning coding device of the present invention, Figure 2 is a basic configuration diagram of the touchable machine learning learning coding device of Figure 1, and Figure 3 is a touchable machine of Figure 1. This is an expanded configuration diagram of a coding device for learning learning, Figure 4 is a live view of a coding device for machine learning learning that can be touched, Figure 5 is an example of pogo pins formed on the slopes of the main block and node block, and Figure 6 is a main This is a diagram showing the pin mapping of a block, and Figure 7 is a diagram showing the pin mapping of a node block.
도 1 내지 도 7을 참조하면, 만질 수 있는 머신러닝 학습용 코딩장치는 그래프출력 메인블록과 복수의 노드블록을 포함하여 구성된다.Referring to FIGS. 1 to 7, a tangible coding device for machine learning learning is comprised of a graph output main block and a plurality of node blocks.
그래프출력 메인블록은 전원 공급부가 구비되며 각 노드블록의 고유식별번호(ID)와 위치정보에 대응되는 머신러닝을 진행하고 그 결과를 시각화하여 터치 디스플레이를 통해 표시한다.The graph output main block is equipped with a power supply unit, and machine learning is performed corresponding to the unique identification number (ID) and location information of each node block, and the results are visualized and displayed through a touch display.
복수의 노드블록은 그래프출력 메인블록 및 이웃하는 노드블록과 마그네틱 포고핀을 통해 각각 연결되어 데이터를 교환하며, 그래프출력 메인블록으로부터 공급되는 구동전원을 공급받아 자신의 고유식별번호(ID)를 상기 그래프출력 메인블록으로 전달한다.A plurality of node blocks are connected to the graph output main block and neighboring node blocks through magnetic pogo pins to exchange data, and receive driving power supplied from the graph output main block to recall their unique identification number (ID). It is transmitted to the graph output main block.
참고적으로 그래프출력 메인블록 및 복수의 노드블록은 각각, 마그네틱 포고핀이 4방향에 각각 형성되어 선택적 연결이 가능하도록 구성된다.For reference, the graph output main block and multiple node blocks are each configured with magnetic pogo pins in each of the four directions to enable selective connection.
본 발명에서 복수의 노드블록은 데이터 노드블록, 전처리 노드블록, 머신러닝 알고리즘 노드블록 및 결과출력 노드블록을 포함하여 구성된다.In the present invention, a plurality of node blocks include a data node block, a preprocessing node block, a machine learning algorithm node block, and a result output node block.
도 2에 도시된 바와 같이 기본형의 만질 수 있는 머신러닝 학습용 코딩장치는, 데이터 노드블록, 전처리 노드블록, 머신러닝 알고리즘 노드블록, 결과출력 노드블록 및 그래프출력 메인블록이 마그네틱 포고핀을 통해서 순차적으로 연결되어 데이터를 교환하면서 선택된 기능을 구동한다.As shown in Figure 2, the basic tangible coding device for machine learning learning consists of a data node block, a preprocessing node block, a machine learning algorithm node block, a result output node block, and a graph output main block sequentially through a magnetic pogo pin. It is connected and executes the selected function while exchanging data.
또한, 도 3에 도시된 바와 같이 확장형의 만질 수 있는 머신러닝 학습용 코딩장치는, 데이터 노드블록, 전처리 노드블록, 머신러닝 알고리즘 노드블록, 결과출력 노드블록 및 그래프출력 메인블록이 마그네틱 포고핀을 통해서 연결되되, 전처리 노드블록 및 머신러닝 알고리즘 노드블록이 복수 개가 연결되어 처리되도록 구성된다.In addition, as shown in Figure 3, the expandable and tangible coding device for machine learning learning includes a data node block, a preprocessing node block, a machine learning algorithm node block, a result output node block, and a graph output main block through a magnetic pogo pin. It is connected, but multiple preprocessing node blocks and machine learning algorithm node blocks are connected and processed.
본 발명에서 그래프출력 메인블록은 각 노드블록의 고유식별번호(ID)와 위치정보에 대응되는 머신러닝을 진행하고 그 결과를 시각화하여 터치 디스플레이를 통해 표시한다.In the present invention, the graph output main block performs machine learning corresponding to the unique identification number (ID) and location information of each node block, visualizes the results, and displays them through a touch display.
즉, 메인블록에서는 현재 연결된 블록들에 대한 정보를 확인할 수 있으며, 노드블록에서 전달 된 고유식별번호(ID)와 위치정보로 노드블록의 연결을 이해한다. 메인블록에는 노드블록에서 전달되는 고유식별번호(ID)에 대한 테이블이 존재하며, 이를 바탕으로 고유식별번호(ID)를 파싱하여 머신러닝을 진행하고, 머신러닝 결과에 대해 시각화를 처리한다.In other words, in the main block, you can check information about currently connected blocks, and the connection of node blocks is understood using the unique identification number (ID) and location information transmitted from the node block. In the main block, there is a table for the unique identification number (ID) transmitted from the node block. Based on this, the unique identification number (ID) is parsed, machine learning is performed, and the machine learning results are visualized.
데이터 노드블록은 입력 데이터의 종류에 대응되는 자신의 고유식별번호(ID)를 전송하고, 전처리 노드블록은 입력 데이터를 정규화하기 위한 전처리 방법의 종류에 대응되는 자신의 고유식별번호(ID)를 전송하고, 머신러닝 알고리즘 노드블록은 머신러닝 알고리즘의 종류에 대응되는 자신의 고유식별번호(ID)를 전송하며, 결과출력 노드블록은 하이퍼파라미터 값에 대응되는 자신의 고유식별번호(ID)를 전송한다.The data node block transmits its unique identification number (ID) corresponding to the type of input data, and the preprocessing node block transmits its unique identification number (ID) corresponding to the type of preprocessing method to normalize the input data. And the machine learning algorithm node block transmits its unique identification number (ID) corresponding to the type of machine learning algorithm, and the result output node block transmits its unique identification number (ID) corresponding to the hyperparameter value. .
이와 같이, 그래프출력 메인블록은 각 노드블록에서 전송된 고유식별번호(ID)를 모두 수신한 후, 고유식별번호(ID)에 대한 테이블을 바탕으로 고유식별번호(ID)를 파싱하여 머신러닝을 진행하고, 머신러닝 결과에 대해 시각화를 처리한다.In this way, the graph output main block receives all unique identification numbers (IDs) transmitted from each node block, then parses the unique identification numbers (IDs) based on the table for unique identification numbers (IDs) to perform machine learning. Proceed with visualizing the machine learning results.
즉, 사용자는 복수의 데이터 노드블록, 복수의 머신러닝 알고리즘 노드블록, 복수의 결과출력 노드블록 및 복수의 전처리 노드블록 중 원하는 처리방식에 대응되는 노드블록을 각각 선택한 후, 물리적으로 연결하고 마지막으로 그래프출력 메인블록과 연결한 후 머신러닝 학습을 진행할 수 있는 것이다.That is, the user selects a node block corresponding to the desired processing method among a plurality of data node blocks, a plurality of machine learning algorithm node blocks, a plurality of result output node blocks, and a plurality of preprocessing node blocks, and then physically connects them. After connecting to the graph output main block, machine learning can be performed.
한편, 도 5는 메인블록 및 노드블록의 사면에 형성된 포고핀의 예시도이고, 도 6은 메인블록의 핀 맵핑을 나타낸 도면이고, 도 7은 노드블록의 핀 맵핑을 나타낸 도면이다.Meanwhile, Figure 5 is an example diagram of pogo pins formed on the slopes of the main block and node block, Figure 6 is a diagram showing pin mapping of the main block, and Figure 7 is a diagram showing pin mapping of the node block.
그래프출력 메인블록 및 노드블록들은 각각, 마그네틱 포고핀이 4방향에 각각 형성되어 선택적 연결이 가능하도록 구성되며, 그래프출력 메인블록은 전원 공급부가 구비되어 노드블록들에 구동전원을 공급하도록 구성된다.The graph output main block and node blocks are each configured with magnetic pogo pins in four directions to enable selective connection, and the graph output main block is equipped with a power supply unit to supply driving power to the node blocks.
메인블록은 Raspberry pi4 , 그 후 추가적으로 메인에 연결되는 노드블록은 nodeMCU 최소 4대로 구성, 이후 추가적으로 MCU를 연결하여, 부가적인 기능을 동작시킬 수 있다. 따라서 기본적으로 동작하는데 최소 5개의 하드웨어 모듈의 필요하며, 각 모듈의 기능은 입력 및 디스플레이, 데이터 전처리, 알고리즘, 그래프, 결과 출력으로 나누어져 있다.The main block is Raspberry pi4, and the additional node blocks connected to the main consist of at least 4 nodeMCUs. Additional MCUs can then be connected to operate additional functions. Therefore, at least five hardware modules are required for basic operation, and the functions of each module are divided into input and display, data preprocessing, algorithm, graph, and result output.
각 모듈끼리는 시리얼(serial) 통신을 통하여 데이터를 주고, 받을 수 있다. 데이터를 주고받을 때, GPIO 핀을 이용하며, GPIO 핀을 4핀-마그네틱 포고 핀과 연결하였으며, 모듈 간의 연결은 마그네틱 포고 핀을 이용하여 이뤄진다.Each module can send and receive data through serial communication. When exchanging data, a GPIO pin is used, and the GPIO pin is connected to a 4-pin magnetic pogo pin, and the connection between modules is made using a magnetic pogo pin.
마그네틱 포고 핀의 4개의 핀 중 2개는 시리얼(serial) 통신을 위한 데이터 핀으로 이용하고, 나머지 2개는 전원 공유를 위한 핀으로 사용된다. 전원공유는 메인이 되는 Raspberry pi4에서 바이패스로 구현이 될 수 있다.Of the four pins of the magnetic pogo pin, two are used as data pins for serial communication, and the remaining two are used as pins for power sharing. Power sharing can be implemented as a bypass on the main Raspberry pi4.
참고적으로 각 블록간의 접촉식 시리얼 통신은 Brick-shaped Block(BB)로 설계될 수 있다. 즉, 블록1(BB1)과 블록2(BB2) 접촉통신의 예로서, COM3의 GPIO포트 모니터링 통한 접속 상황을 확인 후 이웃한 노드 블록의 고유식별번호(ID)를 받은 후 MQTT를 통한 NODE ID 전송할 수 있다.For reference, contact serial communication between each block can be designed as a Brick-shaped Block (BB). In other words, as an example of contact communication between Block 1 (BB1) and Block 2 (BB2), after checking the connection status through monitoring the GPIO port of COM3, receiving the unique identification number (ID) of the neighboring node block, the NODE ID can be transmitted through MQTT. You can.
이와 같이, 코딩없이 머신러닝 교육이 가능한 만질 수 있는 머신러닝 학습용 코딩장치는 사용자가 데이터 종류, 전처리 방법, 알고리즘 방법을 직접 선택할 수 있는 유연한 설계구현이 가능하다.In this way, a tactile machine learning learning coding device that allows machine learning education without coding can be designed and implemented flexibly, allowing users to directly select the data type, preprocessing method, and algorithm method.
참고적으로, 전처리 노드블록은 Standard Scaler, MinMax Scaler, PCA 블록 등으로 구성되는데, 사용자가 직접 노드 블록을 선택하여 적용 가능하고, 알고리즘 노드블록은 Decision Tree, Gaussian, Logistic, Linear, SVM, KNN, NN(neural net), k-means, CNN 블록 등 머신러닝 및 딥러닝 알고리즘을 선택하여 적용하도록 구성된다.For reference, the preprocessing node block consists of Standard Scaler, MinMax Scaler, PCA block, etc., and the user can directly select and apply the node block, and the algorithm node block includes Decision Tree, Gaussian, Logistic, Linear, SVM, KNN, It is configured to select and apply machine learning and deep learning algorithms such as NN (neural net), k-means, and CNN blocks.
또한, 그래프 출력 메인블록은 학습 결과를 사용자에게 쉽게 보여주기 위해 인포그래픽 시각화로 설계된다. 터치 디스플레이 상에서 하이퍼 파라미터 버튼이 선택되면 사용자가 직접 하이퍼파라미터를 입력할 수 있는 윈도우가 팝업으로 표시되며, 만약 사용자가 하이퍼파라미터를 입력하지 않는다면 프로그램에서 설정한 각 알고리즘의 하이퍼파라미터 디폴트(default) 값으로 자동 입력되도록 동작한다. 이때, 선택된 입력 데이터 및 선택된 알고리즘에 최적화된 하이퍼파라미터 값이 추천될 수 있다.Additionally, the graph output main block is designed as an infographic visualization to easily show learning results to users. When the hyperparameter button is selected on the touch display, a window where the user can directly enter hyperparameters is displayed in a pop-up window. If the user does not enter hyperparameters, the hyperparameter default values for each algorithm set in the program are displayed. It operates to be entered automatically. At this time, hyperparameter values optimized for the selected input data and selected algorithm may be recommended.
본 발명의 만질 수 있는 머신러닝 학습용 코딩장치는 비전공자들이 코딩 없이 블록/브릭 형태로 구성되는 복수의 하드웨어 블록을 연결하는 것만으로도 다양한 알고리즘의 작동이 가능하도록 구성된다.The tangible coding device for machine learning learning of the present invention is configured to enable non-majors to operate various algorithms simply by connecting a plurality of hardware blocks in the form of blocks/bricks without coding.
즉, 하드웨어 코딩 블록을 입력 데이터 - 전처리 - 알고리즘 - 결과 - 그래프 하드웨어 블록 순으로 연결하여 알고리즘 실행 후 결과를 눈으로 확인할 수 있다. 또한, 자동으로 입력 데이터 및 알고리즘에 최적한 하이퍼파라미터 값에 따른 정확도 및 데이터에 적합한 알고리즘을 추천함으로써 사용자에게 보다 나은 코딩 교육환경을 제공한다.In other words, by connecting the hardware coding blocks in the following order: input data - preprocessing - algorithm - result - graph hardware block, you can visually check the results after executing the algorithm. In addition, it provides users with a better coding education environment by automatically recommending an algorithm suitable for the data and accuracy according to hyperparameter values optimal for the input data and algorithm.
이와 같이, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.As such, a person skilled in the art to which the present invention pertains will understand that the present invention can be implemented in other specific forms without changing its technical idea or essential features. Therefore, the embodiments described above should be understood in all respects as illustrative and not restrictive. The scope of the present invention is indicated by the claims described below rather than the detailed description above, and all changes or modified forms derived from the meaning and scope of the claims and their equivalent concepts should be interpreted as being included in the scope of the present invention. do.
Claims (5)
상기 그래프출력 메인블록 및 이웃하는 노드블록과 마그네틱 포고핀을 통해 각각 연결되어 데이터를 교환하며, 상기 그래프출력 메인블록으로부터 공급되는 구동전원을 공급받아 자신의 고유식별번호(ID)를 상기 그래프출력 메인블록으로 전달하는 복수의 노드블록;
을 포함하는 만질 수 있는 머신러닝 학습용 코딩장치.
A graph output main block equipped with a power supply unit, performs machine learning corresponding to the unique identification number (ID) and location information of each node block, visualizes the results, and displays them through a touch display; and
The graph output main block and neighboring node blocks are connected to each other through magnetic pogo pins to exchange data, and receive driving power supplied from the graph output main block to enter their unique identification number (ID) into the graph output main block. Multiple node blocks delivered as blocks;
A coding device for machine learning learning that can be touched.
상기 그래프출력 메인블록 및 상기 복수의 노드블록은 각각,
마그네틱 포고핀이 4방향에 각각 형성되어 선택적 연결이 가능하도록 구성되는 것을 특징으로 하는 만질 수 있는 머신러닝 학습용 코딩장치.
According to paragraph 1,
The graph output main block and the plurality of node blocks are, respectively,
A tangible coding device for machine learning learning, characterized in that magnetic pogo pins are formed in each of four directions to enable selective connection.
상기 입력 데이터를 정규화하기 위한 전처리 방법의 종류에 대응되는 자신의 고유식별번호(ID)를 전송하는 전처리 노드블록;
머신러닝 알고리즘의 종류에 대응되는 자신의 고유식별번호(ID)를 전송하는 머신러닝 알고리즘 노드블록;
하이퍼파라미터 값에 대응되는 자신의 고유식별번호(ID)를 전송하는 결과출력 노드블록; 및
각 노드블록의 고유식별번호(ID)와 위치정보에 대응되는 머신러닝을 진행하고 그 결과를 시각화하여 터치 디스플레이를 통해 표시하는 그래프출력 메인블록;
을 포함하는 만질 수 있는 머신러닝 학습용 코딩장치.
A data node block that transmits its unique identification number (ID) corresponding to the type of input data;
A preprocessing node block that transmits its unique identification number (ID) corresponding to the type of preprocessing method for normalizing the input data;
A machine learning algorithm node block that transmits its unique identification number (ID) corresponding to the type of machine learning algorithm;
A result output node block that transmits its unique identification number (ID) corresponding to the hyperparameter value; and
A graph output main block that performs machine learning corresponding to the unique identification number (ID) and location information of each node block, visualizes the results, and displays them through a touch display;
A coding device for machine learning learning that can be touched.
상기 그래프출력 메인블록 및 상기 노드블록들은 각각,
마그네틱 포고핀이 4방향에 각각 형성되어 선택적 연결이 가능하도록 구성되는 것을 특징으로 하는 만질 수 있는 머신러닝 학습용 코딩장치.
According to paragraph 3,
The graph output main block and the node blocks are, respectively,
A tangible coding device for machine learning learning, characterized in that magnetic pogo pins are formed in each of four directions to enable selective connection.
상기 그래프출력 메인블록은 전원 공급부가 구비되어 상기 노드블록들에 구동전원을 공급하는 것을 특징으로 하는 만질 수 있는 머신러닝 학습용 코딩장치.According to paragraph 3,
The graph output main block is a tangible coding device for machine learning learning, characterized in that it is equipped with a power supply unit to supply driving power to the node blocks.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220088620A KR102657021B1 (en) | 2022-07-19 | 2022-07-19 | Coding device for machine learning that can be touched |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220088620A KR102657021B1 (en) | 2022-07-19 | 2022-07-19 | Coding device for machine learning that can be touched |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20240011321A true KR20240011321A (en) | 2024-01-26 |
| KR102657021B1 KR102657021B1 (en) | 2024-04-12 |
Family
ID=89714664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220088620A KR102657021B1 (en) | 2022-07-19 | 2022-07-19 | Coding device for machine learning that can be touched |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102657021B1 (en) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101817206B1 (en) * | 2017-08-16 | 2018-01-10 | 주식회사 한국과학 | Circuit board kit for Studying coding |
| KR101843831B1 (en) * | 2017-02-10 | 2018-03-30 | 주식회사 씨앤알테크 | Unplugged Real Coding Block |
| KR20210068178A (en) | 2019-11-29 | 2021-06-09 | 곽효진 | STEM coding education platform for learning machine learning and artificial intelligence for learners |
| KR102344322B1 (en) * | 2020-07-07 | 2021-12-27 | 부 탄 단 통 | Education system for children |
| KR20210158558A (en) * | 2020-06-24 | 2021-12-31 | 대구대학교 산학협력단 | Edge computing system using ai block-type module architecture |
| KR20220032838A (en) * | 2020-09-08 | 2022-03-15 | 김대영 | Arduino electronic block assembly for coding education |
-
2022
- 2022-07-19 KR KR1020220088620A patent/KR102657021B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101843831B1 (en) * | 2017-02-10 | 2018-03-30 | 주식회사 씨앤알테크 | Unplugged Real Coding Block |
| KR101817206B1 (en) * | 2017-08-16 | 2018-01-10 | 주식회사 한국과학 | Circuit board kit for Studying coding |
| KR20210068178A (en) | 2019-11-29 | 2021-06-09 | 곽효진 | STEM coding education platform for learning machine learning and artificial intelligence for learners |
| KR20210158558A (en) * | 2020-06-24 | 2021-12-31 | 대구대학교 산학협력단 | Edge computing system using ai block-type module architecture |
| KR102344322B1 (en) * | 2020-07-07 | 2021-12-27 | 부 탄 단 통 | Education system for children |
| KR20220032838A (en) * | 2020-09-08 | 2022-03-15 | 김대영 | Arduino electronic block assembly for coding education |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102657021B1 (en) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20190120981A (en) | Apparatus for direct remote control of physical device | |
| KR101284910B1 (en) | Programming block assembly, robot system operated by program using the same, and programming method thereof | |
| US10809981B2 (en) | Code generation and simulation for graphical programming | |
| EP3576077A1 (en) | Unplugged real coding block | |
| Wang et al. | An estimation of distribution algorithm for scheduling problem of flexible manufacturing systems using Petri nets | |
| CN108874383A (en) | Graphical programming method and programing system | |
| KR102657021B1 (en) | Coding device for machine learning that can be touched | |
| CN111402234B (en) | Machine vision detecting system | |
| CN109656964A (en) | The method, apparatus and storage medium of comparing | |
| US20210142690A1 (en) | System and method for reporting educational robot programming | |
| CN117773913A (en) | Robot control method and device, storage medium and robot | |
| Green et al. | A scalable intelligent tutoring system framework for computer science education | |
| JP7444407B2 (en) | Program execution system, control device and control program | |
| CN111192503A (en) | Block type wireless coding command input device and method | |
| Vordos et al. | Balance control of a small scale sphere with an innovative android application | |
| KR20230028130A (en) | Method for, device for, and system for evaluating learning ability | |
| Tegeltija et al. | One Solution of Low-Cost Modular Control Device based on IoT | |
| CN105702109B (en) | Internet of Things net operation teaching method and system | |
| CN205507458U (en) | Demonstrator | |
| CN105760320B (en) | A kind of date storage method, controller and memory | |
| KR20240011320A (en) | A block-type modular software framework capable of machine learning training without coding | |
| US11276318B2 (en) | Electronic apparatus, learning support terminal, learning support method, and recording medium | |
| JP7394518B1 (en) | Information processing device, information processing method, and information processing program | |
| CN114661963B (en) | Pattern linking processing method, apparatus and computer readable storage medium | |
| Tomiyama | Engineering design research in Japan |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |