• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2009년도 하계학술대회
• /
• pp.249-254
• /
• 2009

본 연구는 초등학교 읽기 부진 학생의 학업 성취도를 증진시킬 수 있는 Blended learning 설계 전략을 제시하는데 목적이 있다. 이에 따라 읽기 부진아의 원인 및 특성, Blended learning의 개념과 유형에 관한 선행연구를 고찰하고, 읽기 학습부진아의 원인과 개별적 특성을 바탕으로 오프라인과 온라인 학습을 결합한 Blended learning 설계 전략을 탐구하였다. 본 연구에서 제시하는 Blended learning 설계 전략에 따라 읽기 학습부진아를 지도한다면 읽기 학습부진아의 학습참여도 향상과 학업성취도 증진에 많은 도움이 될 것이며, 읽기 학습부진아 지도를 위한 학습 프로그램 개발에 필요한 노력과 비용이 줄어들 것으로 기대된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.798-800
• /
• 2024

현대의 머신러닝 환경에서는 특히 모바일 컴퓨팅 및 사물 인터넷(IoT)의 애플리케이션 영역에서 개인 정보를 보호하고 효율적이며 확장 가능한 모델에 대한 관심이 높아지고 있다. 본 연구는 연합 학습(FL)과 자기지도 학습(self-supervised learning)을 결합하여 이질적(heterogeneous)인 분산 자원에서 레이블이 없는 데이터를 활용하면서 사용자의 개인 정보를 보호하는 새로운 프레임워크를 소개한다. 이 프레임워크의 핵심은 SimCLR 과 같은 자기지도 학습 기법으로 학습된 공유 인코더로, 입력 데이터에서 고수준 특성을 추출하도록 설계되었다. 또한 이 구조를 통해 주석(annotation)이 없는 방대한 데이터셋을 활용하여 모델 성능을 향상시키고, 여러 개의 격리된 모델이 필요하지 않아 리소스를 크게 최적화할 수 있는 가능성을 확인했다. 본 연구를 통해 생성된 모델은 중앙 집중 방식(CL)이면서 자기지도학습으로 학습되지 않은 기존 모델과 비교하여 전체 평균 정확도가 14.488% 향상됐다.

• 한국컴퓨터정보학회논문지
• /
• 제19권8호
• /
• pp.11-18
• /
• 2014

본 논문은 무감독학습을 통한 데이터 분류기법인 ART에서 퍼지이론을 이용한 결합형 데이터 분류 방법을 제안한다. 무감독학습기법 기반의 데이터 분류 기술은 분류기술의 향상의 장점이 있지만, 처리성능이 저하된다는 단점이 있다. 민첩성 있는 대용량데이터 처리와 분류인식률을 만족하는 최적의 임계값 결정기법이 필요하지만, 이는 불확실성이 많이 따르기 때문에 두 가지를 고려하여 상호보완 할 수 있는 처리기법이 필요하다. 제안하는 기법은 무감독학습을 하기 위해 퍼지매개변수와 퍼지 규칙을 설계하여 최적의 임계값을 도출한다. 제안하는 기법의 성능평가를 위해 클라우드 컴퓨팅환경에서 G 단백질 연결 수용체(G protein coupled receptor, GPCR)데이터를 이용하여 실험하였으며, 실험결과는 높은 인식률과 낮은 처리시간을 통해 결합형 데이터 분류에 효과적임을 입증하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권12호
• /
• pp.1229-1237
• /
• 2005

분류 성능을 향상시키기 위해서 다수의 분류기들을 결합하는 연구가 활발히 진행되고 있다. 우수한 앙상블 분류기를 회득하기 위해서는 정확하고 다양한 개별 분류기를 구축해야 한다. 기존에는 Bagging이나 Boosting 등의 앙상블 학습 기법을 이용하거나 획득된 개별 분류기의 학습 데이타에 대한 다양성을 측정하였지만 유전 발현 데이타와 같이 학습 데이타가 적은 경우 한계가 있다. 본 논문에서는 유전자 프로그래밍으로부터 획득된 규칙의 구조적 다양성을 분석하여 결합하는 앙상블 기법을 제안한다. 유전자 프로그래밍으로 해석 가능한 분류 규칙을 생성하고 그들 사이의 다양성을 측정한 뒤, 이들 중 다양한 규칙의 집합을 결합하여 분류를 수행한다. 유전 발현 데이타로부터 림프종 암, 폐 암, 난소 암 등을 분류하는 문제를 대상으로 실험하여 제안하는 방법의 유용성을 검증하였다. 앙상블 시 분류 규칙 사이의 다양성을 분석하여 결합한 결과, 다양성을 고려하지 않을 때보다 높은 분류 성능을 획득하였고, 개별 분류 규칙들 사이의 다양성에 따라서 정분류율이 증가하는 것도 확인하였다.

• 대한화학회지
• /
• 제64권6호
• /
• pp.360-370
• /
• 2020

이 연구에서는 증강현실을 활용한 소집단 학습에서 개념 이해 및 몰입, 상황 흥미를 촉진할 수 있는 학습 환경을 학생들의 자기조절 수준에 따라 탐색하였다. 서울시에 소재한 남녀공학 고등학교 1학년 95명이 연구에 참여하였다. 한 모둠에 마커와 스마트 기기를 각각 1개(1-1), 2개(2-2) 또는 4개(4-4)를 제공하는 세 가지 학습 환경을 구성하고, 학생들을 4인 1모둠으로 편성하여 각 학습 환경에 무선 배치하였다. 통합과학 교과의 화학 결합 개념에 대하여 증강현실을 활용한 소집단 학습을 2차시 동안 실시하였다. 이원 변량 분석 결과, 개념 이해도 검사에서는 4-4 학습 환경의 점수가 1-1 또는 2-2 학습 환경보다 유의미하게 높았으며, 자기조절 수준이 낮은 학생들이 학습 환경 변화의 영향을 받았다. 몰입감 검사에서는 4-4 학습 환경의 점수가 1-1 학습 환경보다 유의미하게 높았고, 자기조절 수준이 높은 학생들이 학습 환경 변화의 영향을 받았다. 상황 흥미 검사에서 4-4 및 2-2 학습 환경의 점수는 1-1 학습 환경보다 통계적으로 유의미하게 높았고, 학습 환경 변화는 자기조절 수준 높은 학생과 낮은 학생 모두에게 영향을 주었다. 연구 결과를 바탕으로 증강현실을 활용한 소집단 학습에서 학생들의 개념 이해 및 몰입, 상황 흥미를 촉진할 수 있는 학습 환경에 대한 교육적 함의를 논의하였다.

• 한국정보기술응용학회:학술대회논문집
• /
• 한국정보기술응용학회 2001년도 추계공동학술대회 논문자료집 정보화 젼략 패러다임의 변화에 대한 보기술의 대응
• /
• pp.85-87
• /
• 2001

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1994년도 추계학술발표회 발표논문집; 연세대학교경영관, 서울; 8 Oct. 1994
• /
• pp.385-385
• /
• 1994

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권3호
• /
• pp.369-378
• /
• 2004

한국어나 일본어와 같이 부분 어순 자유 언어에서는 규칙 기반 방법이 구 단위화에 있어서 매우 유용한 방법이며, 실제로 잘 발달된 조사와 어미를 활용하면 소수의 규칙만으로도 여러 가지 기계학습 기법들만큼 높은 성능을 보일 수 있다. 하지만, 이 방법은 규칙의 예외를 처리할 수 있는 방법이 없다는 단점이 있다. 예외 처리는 자연언어처리에서 매우 중요한 문제이며, 기억 기반 학습이 이 문제를 효과적으로 다룰 수 있다. 본 논문에서는, 한국어 단위화를 위해서 규칙 기반 방법과 기억 기반 학습을 결합하는 방법을 제시한다. 제시된 방법은 우선 규칙에 기초하고, 규칙으로 추정한 단위를 기억 기반 학습으로 검증한다. STEP 2000 말뭉치에 대한 실험 결과, 본 논문에서 제시한 방법이 규칙이나 여러 기계학습 기법을 단독으로 사용하였을 때보다 높은 성능을 보였다. 규칙과 구 단위화에 가장 좋은 성능을 보인 Support Vector Machines의 F-score가 각각 91.87과 92.54인데 비하여, 본 논문에서 제시된 방법의 최종 F-score 는 94.19이다.

• 한국콘텐츠학회논문지
• /
• 제9권2호
• /
• pp.97-105
• /
• 2009

본 논문에서는 일반화된 캐스케이드 코릴레이션 학습 알고리즘과 일반화된 순환 캐스케이드 코릴레이션 학습 알고리즘의 결합을 통한 새로운 알고리즘을 소개한다. 이 새로운 알고리즘은 패턴분류문제(pattern classification problem)의 신속한 해결을 위하여 비순환 뉴런이 유리한지 순환 뉴런이 유리한지 또는 수직성장이 유리한지 수평성장이 유리한지 고민할 필요 없이 후보뉴런의 학습 중에 네트워크의 구성을 스스로 결정한다. 이 알고리즘의 성능평가를 위하여 학습 알고리즘에서 중요한 기준 문제(benchmark problem) 중의 하나인 콘택트렌즈 문제(Contact lens problem)와 밸런스 스케일 문제 (Balance scale problem)에 대하여 실험하였고 기존의 캐스케이드 코릴레이션 알고리즘 및 순환 캐스케이드 코릴레이션 알고리즘과 성능을 비교 하였다. 이 실험에서 활성화 함수는 일반적으로 많이 사용하는 시그모이드 함수(sigmoidal function) 와 하이퍼볼릭탄젠트 함수(hyperbolic tangent function)를 사용하였다. 이 새로운 알고리즘은 학습을 통하여 기존의 알고리즘보다 적은 수의 은닉뉴런을 생성하여 보다 빠른 학습 속도를 보여주었다.

• 전자공학회논문지C
• /
• 제36C권11호
• /
• pp.75-83
• /
• 1999

주어진 응용에 적합한 MLP 분류기의 위상 구조를 효율적으로 학습하기 위하여 종족 유전 알고리즘 (SGA)과 파라미터 프리 유전 알고리즘(PfGA)을 결합한 파라미터 프리 종족 유전 알고리즘(PfSGA)을 제안한다. SGA는 전체 탐색 공간을 은닉층 뉴런의 수에 따라 여러 개의 영역(종족)으로 분할한 후, 학습 과정 중 기준에 미달되는 종족에 대해서는 학습을 중단시킴으로써 불필요한 탐색을 줄이는 학습법이다. 그러나 SGA는 돌연변이나 교배 확률 등 학습 파라미터 설정에 따라 분류기의 성능이 달라진다. 따라서 이 논문에서는 SGA와 PfGA를 결합하여 파라미터 설정에 무관하도록 하였다. 벤치마크 데이터와 수화 단어에 대하여 실험한 결과 PfSGA는 기존의 SGA에 비해 학습 시간을 단축시킬 수 있으며, 파라미터의 설정에 영향을 받지 않았다. 또한 기존의 방법에 비해 오인식율과 위상 구조 등에 있어서 효율적임을 확인하였다.