분할 가중치 테이블 역전파 신경망을 이용한 구구단 학습 기능성 게임 제작에 관한 연구

A Study on the Implementation of Serious Game Learning Multiplication Table using Back Propagation Neural Network on Divided Interconnection Weights Table

본 논문에서는 학습자의 흥미를 유도하기 위해 인간의 학습 과정과 유사하게 학습 진화되는 구구단 학습 기능성 게임을 제작하였다. 이 기능성 게임은 사용자인 구구단을 배우는 학습자가 교사적 위치에서 아바타를 학습시키는 은유를 이용하여 사용자가 학습되도록 구성하였다. 학습 진화 기술은 역전파 인공신경망을 이용하여 구성하였으나, 인공신경망의 학습 속도 문제를 분할 가중치 테이블 구조를 개발하여 개선하였다. 이렇게 구성된 엔진으로 학습 횟수 60~80번 정도에서 100% 학습률을 얻을 수 있었고, 또한 학습의 횟수에 따른 학습률이 기계적 상승을 하지 않고 학습시마다 다양한 비단조 형태로 증가하여 다양한 인간의 학습률과 유사하게 작동할 수 있었다.

In this paper we made the serious game learning multiplication table to be evolved. The serious game is to induce the interest of the learner. This program has an interaction form which reflects the intention of the user and using this program a learner to learn the multiplication table as teacher's location are training a program that are seen as the abata and came to be that learner is smart. A study ability to be evolved used an back propagation neural networks. But we improved a study speed using divided weight table concept. The engine is studied perfectly in 60~80 times training. The learning rate increase to various non-monotonic functional form not to do a mechanical rise. And the learning rate is similar with the study ability of the human.