• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.391-394
• /
• 2011

사용자의 감정을 자동으로 인식하는 연구는 사용자 중심의 서비스를 제공할 때 중요한 요소이다. 인간은 하나의 감정을 다양하게 분류하여 인식한다. 그러나 기계학습을 통해 감정을 인식하려고 할 때 감정을 단일값으로 취급하는 방법만으로는 좋은 성능을 기대하기 어렵다. 따라서 본 논문에서는 비감독 학습과 감독학습을 결합한 감정인식 모델을 제시하였다. 제안된 모델의 핵심은 비감독 학습을 이용하여 인간처럼 한 개의 감정을 다양한 하부 감정으로 분류하고, 이렇게 분류된 감정을 감독학습을 통해 성능을 향상 시키는 것이다.

• Journal of the Korean Chemical Society
• /
• v.51 no.5
• /
• pp.447-458
• /
• 2007

The purpose of this study was to explore high school teacher's and students' perceptions of learning difficulties of the ‘chemical bond' unit of the Chemistry II in the 7th national curriculum. The participants in this study were consisted of a teacher and his students(85) from the Chemistry II classrooms: they all answered to the questionnaire, and then some students and the teacher were interviewed individually. The results showed that there were big differences between the teacher's and his students' perceptions of 1) the most difficult unit for understanding; 2) concepts they learned; and 3) the most difficult concept for understanding in the classroom. Students thought that electro-negativity unit was the most difficult to understand while teacher thought molecular structure unit was the hardest unit to teach. And teacher taught all 32 subjects of chemical bond unit to students, but some students could not remember they learned all of them. Most difficult parts for students to understand were ‘Coulomb force' and ‘dipole moment', while the most difficult part for the teacher to teach was ‘the conceptual difference between atomic bond and intermolecular force'. The reasons caused the students' learning difficulties were analyzed and discussed based on the interview data, and then further study was presented.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.333-335
• /
• 1999

일반적으로 자기구성 지도에서는 구조가 초기에 결정되어 학습이 끝날때까지 변하기 않기 때문에 각 문제에 대한 구조를 반복된 실험을 통해서 최적화시켜야 한다. 그러나, 지도의 구조가 학습중에 적절하게 변경된다면, 해당 문제에 가장 알맞은 구조의 지도를 생성할 수 있을 것이다. 이 논문에서는 기존의 적응형 자기 구성 지도의 비교사 학습방법에 LVQ 알고리즘을 이용한 교사 학습방법을 결합한 구조 적응형 자기 구성 지도 모델을 제안한다. 이 방법은 일반적인 자기구성 지도 알고리즘보다 작은 수의 노드를 가지고 높은 성능을 보일 뿐만 아니라, 자기 구성 지도의 특성인 위상 보존도 잘 이루어진다. 오프라인 필기 숫자 데이터로 실험한 결과, 제안한 방법이 유용함을 알 수 있었다.

• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.111-115
• /
• 2017

목적 지향적 대화 시스템(Goal-oriented dialogue system)은 텍스트나 음성을 통해 특정한 목적을 수행할 수 있는 시스템이다. 최근 RNN(recurrent neural networks)을 기반으로 대화 데이터를 end-to-end learning 방식으로 학습하여 대화 시스템을 구축하는데에 활용한 연구가 있다. End-to-end 방식의 학습은 도메인에 대한 지식 없이 학습 데이터 자체만으로 대화 시스템 구축을 위한 학습이 가능하다는 장점이 있지만 도메인 지식을 학습하기 위해서는 많은 양의 데이터가 필요하다는 단점이 존재한다. 이에 본 논문에서는 도메인 특정 지식을 결합하여 end-to-end learning 방식의 학습이 가능한 Hybrid Code Network 구조를 기반으로 한국어로 구성된 식당 예약에 관련한 대화 데이터셋을 이용하여 식당 예약을 목적으로하는 대화 시스템을 구축하는 방법을 제안한다. 실험 결과 본 시스템은 응답 별 정확도 95%와 대화 별 정확도 63%의 성능을 나타냈다.

• 한국정보교육학회:학술대회논문집
• /
• 2010.01a
• /
• pp.9-16
• /
• 2010

미래의 교육은 전통적인 면대면 방식으로 이루어지는 오프라인 학습과 컴퓨터와 네트워크를 활용한 온라인 학습이 통합적으로 이루어지는 학습체계 속에서 교과서의 지식을 학생들에게 전달하는 방식의 기존 교육과는 매우 다른 모습을 보일 것이고, 학습자 중심의 개인별 맞춤식 교육을 지향하고, 원활한 의사소통 방법을 이용하여 협력 중심의 활동을 강조할 것이다. 이에 교육현장에서는 다양한 이론과 연구를 통해 교수 학습방법 개선하고, 기초 기본 학력 신장에 끝없는 노력을 기울여 왔다. 하지만 이처럼 부단한 노력에도 불구하고 기초 기본 학력의 성취 수준이 부족한 학생은 여전히 대부분의 학급에서 많이 존재하고 있다. 때문에 학생들의 학력과 교사의 지도방법을 신뢰하지 못하는 학부모들은 자녀들을 어릴 때부터 사교육으로 내몰고 있는 것이 우리 교육의 현실이다. 이러한 현실에 공교육을 보완하기위해 등장한 사이버가정학습이 그 취지에 맞게 공교육울 내실화하여 학부모와 학생들에게 신뢰성을 회복한다면 사교육비 경감 효과와 더불어 제대로 된 학교 교육의 정체성을 확보하게 될 것이다. 이에 본 연구에서는 블렌디드 학습모형의 하나인 온라인 보충학습 결합모형을 적용하여 학생들에게 학습에 대한 흥미와 지적 호기심을 자극함으로써, 기초 기본학습의 내실화가 이루어져 결과적으로 학생들의 기초 기본학력이 신장되었음을 확인하였다.

• Journal of the Institute of Electronics Engineers of Korea SD
• /
• v.41 no.5
• /
• pp.61-70
• /
• 2004

The operation mode of neural network is divided into learning and recognition process. Learning is updating process of weight until neural network archives target result from input pattern. Recognition is arithmetic process of input pattern and weight. Traditional inner product process is focused to improve processing speed and hardware complexity. There is no hardware architecture to distinguish between loaming and recognition mode of neural network. In this paper we propose the new architecture of low power inner product processor for reconfigurable neural network. The proposed architecture is similar with bit-serial inner product processor on learning mode. It have several advantages which are fast processing base on bit-level, suitability of hardware implementation and pipeline architecture to compute data. And proposed architecture minimizes active units and reduces consumption power on recognition mode. Result of simulation shows that active units is depend on bit representation of weight, but we can reduce active units about 50 precent.

• Journal of KIISE:Software and Applications
• /
• v.27 no.12
• /
• pp.1202-1210
• /
• 2000

본 논문에서는 효과적인 앙상블 머신의 구축을 위한 새로운 방안을 제시한다. 효과적인 앙상블의 구축을 위해서는 앙상블 멤버들간의 상관관계가 아주 낮아야 하며 또한 각 앙상블 멤버들은 전체 문제를 어느 정도는 정확하게 학습하면서도 서로들간의 불일치 하는 부분이 존재해야 한다는 것이 여러 논문들에 발표되었다. 본 논문에서는 주어진 문제의 다양한 면을 학습한 다수의 앙상블 후보 네트웍을 생성하기 위하여 건설적 학습 알고리즘과 능동 학습 알고리즘을 결합한 형태의 신경망 학습 알고리즘을 이용한다. 이 신경망의 학습은 최소 은닉 노드에서 최대 은닉노드까지 점진적으로 은닉노드를 늘려나감과 동시에 후보 데이타 집합에서 학습에 사용할 훈련 데이타를 점진적으로 선택해 나가면서 이루어진다. 은닉 노드의 증가시점에서 앙상블의 후부 네트웍이 생성된다. 이러한 한 차례의 학습 진행을 한 chain이라 정의한다. 다수의 chain을 통하여 다양한 형태의 네트웍 크기와 다양한 형태의 데이타 분포를 학습한 후보 내트웍들이 생성된다. 이렇게 생성된 후보 네트웍들은 확률적 비례 선택법에 의해 선택된 후 generalized ensemble method (GEM)에 의해 결합되어 최종적인 앙상블 성능을 보여준다. 제안된 알고리즘은 한개의 인공 데이타와 한 개의 실세계 데이타에 적용되었다. 실험을 통하여 제안된 알고리즘에 의해 구성된 앙상블의 최대 일반화 성능은 다른 알고리즘에 의한 그것보다 우수함을 알 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.76-78
• /
• 2006

현재 심혈관 질환은 암 다음으로 높은 사망 원인으로 기록되고 있어 심혈관 질환에 대한 초기 진단은 질환의 치료에 매우 중요한 문제로 대두되고 있다. 본 논문에서는 SVM을 이용하여 심혈관질환 환자의 질환 단계를 예측하였다. 일반적으로 이진분류에 사용되는 SVM을 이용하여 정상 및 질환 $1{\sim}3$기의 총 4가지 분류가 필요한 다분류 분류문제를 처리하기 위해서 논문에서는 독립적 학습된 단일 SVM 분류기들을 결합하여 분류를 수행하는 SVM 앙상블 방법을 사용하였다. 단일 분류기의 결합은 Majority voting, 최소자승에러기반 가중치 부여, 2단계층 결합 등의 방법으로 수행하여 심혈관 질환 분류에 적합한 앙상블의 구성을 시도하였다. 실험 데이터는 (주)제노프라의 압타머 칩 데이터를 사용하였다. 서로 다른 데이터를 이용하여 학습된 이종의 SVM들을 결합한 결과 질환단계 예측에 있어서 단일 SVM을 이용하여 질환 단계를 예측하는 경우 보다 향상된 질환단계 예측 성능을 관찰할 수 있었으며, 심혈관 질환의 예측에 대해서는 단일 SVM 분류기의 2단 계층 결합법이 가장 좋은 성능을 보임을 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.308-314
• /
• 2002

본 논문은 2인용 보드게임의 정보에 대한 전략을 학습할 수 있는 방법을 유전자기반 역전파 신경회로망과 Temporal Difference학습알고리즘을 이용하여 제안하였다. 학습의 과정은 역전파에 의한 초기학습에 이어 국부해의 단점을 극복하기 위하여 미세학습으로 유전자알고리즘을 이용하였다. 시스템의 구성은 탐색을 담당하는 부분과 기물의 수를 발생하는 부분으로 구성되어 있다. 수의 발생부분은 보드의 상태에 따라서 갱신되고, 탐색커널은 αβ탐색을 기본으로 유전자알고리즘을 이용하여 가중치를 최적화하는 유전자기반 역전파 신경회로망과 TD학습을 결합하여 게임에 대해 양호한 평가함수를 학습하였다. 일반적으로 많은 학습을 통하여 평가함수의 정확도가 보장되면 승률이 학습의 양에 비례함을 알 수 있었다.

• Journal of Korean Society of Industrial and Systems Engineering
• /
• v.11 no.17
• /
• pp.25-37
• /
• 1988

Joint inventory 방법을 다룬 기존의 연구는 생산비용이 일정하다는 조건만을 고려하였다. 본 논문은 기존의 연구에다 새로운 변수(learning curve ratio and learning retension)를 제조업자 측면에서 고려하여 보다 확장된 모델을 다룬다. Joint inventory 모델은 첫째 단일구매자와 둘째 학습곡선비율과 learning retention의 정도에 있어서 그 범위를 결합시키는데 이용되기 위해 개발되어 졌다. 구매자와 제조업자를 위한 로트 사이즈를 결정하기 위하여 증분비용접근방법 (Incremental Cost Approach, ICA)을 쓴다. 총결합비용은 기존모델보다 현저하게 적은데 그 이유는 학습과 learning retention 효과로 인한 제조업자의 생산비 절감과 재고유지 비용의 감소 때문이다. 학습과 learning retention이 현격한 경우, 총결합비용은 제조업자와 구매자의 개별적인 최적정책에서의 비용합(합)보다 적다. 소개된 모델의 효과를 보이기 위해 수치예제를 이용하였다.