• Communications for Statistical Applications and Methods
• /
• v.5 no.3
• /
• pp.659-673
• /
• 1998

표본조사 교육의 효과적인 학습을 위하여 최근 많은 연구가 진행되고 있는 하이퍼미디어 시스템과 전문가 시스템의 특성을 적절히 결합하여 표본조사에 대한 교육과 응용분야에서 활용할 수 있는 표본조사론의 학습 및 실습을 위한 하이퍼미디어 전문가시스템의 개발을 시도해 보았다. 본 논문에서 구현한 하이퍼미디어 시스템은 멀티미디어 툴과 통계패키지를 결합한 시스템으로써 표본조사에 관한 전문적인 지식이 없고 통계 패키지의 사용에 익숙하지 않는 비전문가들에게 표본조사방법론에 대한 이론 학습 및 실습을 통하여 표본추출과정, 모수 추정, 표본크기의 결정 등 표본조사론 교육을 체계적이고 효과적으로 습득하게 해줄 뿐 아니라 실제 표본 조사된 자료로부터 실시간으로 모수를 추정할 수 있도록 해 주기 때문에 각종 표본조사에 보다 쉽게 활용할 수 있을 것으로 기대된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.265-267
• /
• 2002

본 논문에서는 적응적 정규화 자연기울기 학습법과 자연 프루닝(pruning) 방법의 결합을 통하여 일반화 성능이 우수만 신경망을 구성하고자 한다. 먼저 적응적 정규화 자연기울기 학습을 통하여 신경망의 가중치를 최적화 시키고, 자연 프루닝에 의하여 신경망의 구조를 단순화 시킨다. 이러한 모델들 중 최적의 모델은 베이시안 정보 기준에 의해 선택함으로써 일반화 성능이 우수만 신경망을 구성하는 방법을 제안한다 벤치마크 (benchmark) 데이터로 제안하는 방법과 유클리디안(Euclidean) 거리에 기반한 결합 방법과 자연 프루닝만을 적용한 방법을 비교함으로써 우수성을 검증한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.1551-1554
• /
• 2011

대용량 데이터 환경에의 적용이 가능한 대용량 학습기반의 자동범주화 기법과 범용적으로 사용할 수 있는 기법은 대량의 정보를 처리해야하는 정보분석 및 정보서비스 환경에 가장 필요한 기술요소라 할 수 있다. 본 논문에서는 대용량의 문서를 단위 컴포넌트로 분할하여 학습하고 이를 동적으로 결합하는 대용량 분류기 생성 기법을 소개하고 자동범주화 성능을 SVM 모델과 비교하여 봄으로써, 본 기술의 활용 가능성을 살펴보도록 한다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.227-232
• /
• 2021

사실 검증(Fact verification) 문제는 문서 검색(Document retrieval), 증거 선택(Evidence selection), 증거 검증(Claim verification) 3가지 단계로 구성되어있다. 사실 검증 모델들의 주요 관심사인 증거 검증 단계에서 많은 모델이 제안되는 가운데 증거 선택 단계에 집중하여 강화 학습을 통해 해결한 모델이 제안되었다. 그래프 기반의 모델과 강화 학습 기반의 사실 검증 모델을 소개하고 각 모델을 한국어 사실 검증에 적용해본다. 또한, 두 모델을 같이 사용하여 각 모델의 장점을 가지는 부분을 병렬적으로 결합한 모델의 성능과 증거의 구성 단위에 따른 성능도 비교한다.

• 한국정보교육학회:학술대회논문집
• /
• 2004.01a
• /
• pp.413-421
• /
• 2004

지식 정보화 시대의 새로운 교육 패러다임의 변화에 따라 웹을 통하여 정보와 아이디어를 서로 공유할 수 있는 사회적 상호작용이 요구되고 있다. 이러한 사회적 상호작용을 증진시키기 위해서는 다양한 사회적 상호작용 도구를 제공할 수 있는 웹 기반협동학습 시스템이 필요하다. 따라서 이 논문에서는 사회적 상호작용을 증진시키기 위해서 웹 기반 협동학습 환경을 쉽게 구성할 수 있도록 재사용 가능한 협동학습객체 모형을 SCORM을 기반으로 설계하였다. 협동학습객체 모형을 필드와 메소드, 속성으로 구성하였다. 필드는 상호작용을 통해 발생된 상호작용 결과를 저장하기 위해 데이터 모델로 구현하였으며, 메소드는 상호작용 결과를 LMS에 전달하는 방법을 제공하기 위해 API 함수로 구현하였다. 또한 협동학습객체의 속성은 접근성, 다형성, 포장성, 제어성으로 구분하여 각각 베타데이터, 계열화, 패키지, 런치를 통해 구현하였다. 이러한 협동학습객체는 학습 내용과 결합하여 하나의 협동학습 활동을 구성하게 되고, 이렇게 구성된 협동학습 활동을 계열화함으로써 교수 학습 설계가 이루어진다.

• Korean Journal of Cognitive Science
• /
• v.19 no.3
• /
• pp.283-295
• /
• 2008

With increasing usages of a messenger and a SMS, many young people are habitually using a new-style of sentences with intentionally disjoint Korean syllables. To develop a natural language interface system in these environments, we should first develop a technique that converts a sequence of disjoint Korean syllables to a correct sentence. Therefore, we propose a method to assemble a sequence of disjoint Korean syllables into a correct sentence by using two-step rules. In the first step, the proposed method assembles CVC (consonant-vowel-consonant) forms of simple-disjoint Korean syllables by using manual heuristic rules. In the second step, the proposed method assembles CCVCC forms of double-disjoint Korean syllables by using a mapping table and a transformation-based learning technique. In the experiment, the proposed method showed the perfect precision of 100% in assembling simple-disjoint Korean syllables and the high precision of 99.98% in assembling double-disjoint Korean syllables.

• Journal of The Korean Association of Information Education
• /
• v.18 no.2
• /
• pp.213-224
• /
• 2014

STEAM learning, which combined software with hardware, can greatly increase algorithm improvement, problem-solving skills, integrated thinking ability etc. and can ultimately improve learning attitude and academic achievement. In this study, we developed STEAM learning model so that 6th graders who can fully understand the basic concept of programming can learn subject contents of national textbooks (5 kinds) with programming that combined six sensors attached Sensor_board with Scratch and applied it to 6th grade class and analyzed the results. As a result, the STEAM learning tool that combined Scratch with Sensor_board was analyzed to be suitable for most elementary school students to be evaluated. In the achievement evaluation of learning, 39.5% of students obtained more than 7 points out of perfect 10 in the average achievement level of 5 subjects so most students evaluated were analyzed to obtain satisfactory achievement. Therefore, STEAM learning using Scratch and Sensor_board, hardware is considered to be more effective than existing software-centered ${\times}$learning using only software.

• Journal of KIISE:Software and Applications
• /
• v.31 no.7
• /
• pp.949-958
• /
• 2004

race detection using a boosting based algorithm requires a very large size of face and nonface data. In addition, the fact that there always occurs a need for adding additional training data for better detection rates demands an efficient incremental teaming algorithm. In the design of incremental teaming based classifiers, the final classifier should represent the characteristics of the entire training dataset. Conventional methods have a critical problem in combining intermediate classifiers that weight updates depend solely on the performance of individual dataset. In this paper, for the purpose of application to face detection, we present a new method to combine an intermediate classifier with previously acquired ones in an optimal manner. Our algorithm creates a validation set by incrementally adding sampled instances from each dataset to represent the entire training data. The weight of each classifier is determined based on its performance on the validation set. This approach guarantees that the resulting final classifier is teamed by the entire training dataset. Experimental results show that the classifier trained by the proposed algorithm performs better than by AdaBoost which operates in batch mode, as well as by ${Learn}^{++}$.

• Journal of the Korean Society for information Management
• /
• v.19 no.4
• /
• pp.35-51
• /
• 2002

Inductive learning and classification techniques have been employed in various research and applications that organize textual data to solve the problem of information access. In this study, we develop hybrid model combination methods which incorporate the concepts and techniques for multiple modeling algorithms to improve the accuracy of text classification, and conduct experiments to evaluate the performances of proposed schemes. Boosted stacking, one of the extended stacking schemes proposed in this study yields higher accuracy relative to the conventional model combination methods and single classifiers.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.1367-1370
• /
• 2011

u-learning은 학습자들의 개별화 욕구에 따라 다양한 학습이 가능하며 학습자의 수준 정보나 주변의 상황 정보를 결합하여 학습자에게 필요한 학습상황과 내용을 추정하고, 최적의 학습 환경 및 학습 콘텐츠를 제공할 수 있다. 본 논문에서는 기존의 e-learning과 m-learning의 특징을 추출하여 유비쿼터스 교육에 적합한 환경을 분석하여 u-learning을 효율적으로 지원하기 위한 에이전트를 식별 설계하고 학습자로 하여금 최상의 학습 콘텐츠를 제공 받을 수 있도록 퍼지 기반 지능형 에이전트 시스템을 설계 구현한다. 또한 학습의 효율성을 향상시키기 위한 개념으로 이들 모바일 지능 에이전트 시스템 통합하여 응용 예를 제시한다.