• Proceedings of the Korea Society of Mathematical Education Conference
• /
• 2009.10a
• /
• pp.17-20
• /
• 2009

수학적인 사고에는 여러 가지 유형이 있는데 그 중에서 가장 기본이 되는 사고유형 중의 하나가 일반화이다. 수학에서 일반화는 지식을 발견 및 발명할 뿐만 아니라 새로운 수학 이론을 확립해 나가는데 중요한 역할을 한다. 본 연구에서는 이러한 일반화를 경험적 일반화와 이론적 일반화로 구분하였고, 일반화에 대한 선행연구를 바탕으로 이 두 유형의 일반화에 대해 고찰한다. 또한, 두 유형의 일반화에 대한 학교수학에서의 다양한 예를 찾아 제시할 뿐 아니라 새로운 예를 제시함으로써 경험적 일반화와 이론적 일반화의 개념이 정립될 수 있도록 한다. 마지막으로 중학교 및 고등학교에서 다루는 한 가지 학습내용을 통해 경험적 일반화와 이론적 일반화에 대한 체계적인 분석을 실시하고 교육적인 시사점을 제시한다.

• Communications for Statistical Applications and Methods
• /
• v.2 no.1
• /
• pp.155-165
• /
• 1995

초모집단(superpopulation)으로 부터 반복적으로 유한모집단을 추출할 때, 이미 조사된 자료들을 이용하면 현재의 유한모집단 모수들을 ㄷ더 효율적으로 추정할 수 있다. 이러한 문제에 대하여 Ericson(1969)이 유한모집단 표본추출에서 베이지안 분석을 하였고, Ghosh와 Meeden(1986)은 정규 초모집단을 가정하여 유한모집단 평균의 경험적 베이즈 추정을 하였다. Nandram과 Sedransk (1993)는 Ghosh와 Meeden(1986)의 유한모집단들의 분산이 모두 같다는 가정들을 완화하여 유한집단 평균의 경험적 베이즈 추정을 하였다. 본 연구는 Nandram과 Sedransk의 결과를 층과표본추출의 경우로 일반화 하였다.

• Communications for Statistical Applications and Methods
• /
• v.5 no.2
• /
• pp.431-437
• /
• 1998

본 논문의 목적은 계층적 베이즈 일반화 선형모형을 이용하여 경시적 자료를 분석하는 것이다. 구체적으로 계층적 베이즈 변량효과 모형을 소개하고 무정보적 사전분포 하에서 사후분포가 진(proper)인지에 대한 충분조건을 찾는다 또한, 깁스(Gibbs) 표본자를 사용하여 제안된 계층적 베이즈 절차의 수행에 관해 논의한다. 현실자료를 사용하여 제안된 계층적 베이즈 분석을 예시하고, 이에 대응하는 경험적 베이즈 분석과 비교한다.

• Journal of the Korean Society for Library and Information Science
• /
• v.40 no.2
• /
• pp.435-455
• /
• 2006

While numerous studies have empirically investigated user behavior in LIS research community, less research has attempted to examine such studies in methodological perspective. Reflecting this, relevant studies have suggested the need to develop methodological framework for such studies. This study conducted content analyses of user behavior studies recently published in JASIST and analyzed factors which affect the external validity of result of such researches. The findings revealed various types and cases related to the generalization of the study results. Based on these, a methodological framework for user behavior studies were suggested.

• School Mathematics
• /
• v.5 no.3
• /
• pp.343-360
• /
• 2003

In this paper, we deal with the teaching of algebra based on patterns and generalization. The past algebra curriculum starts with letters(variables), algebraic expressions, and equations, but these formal approaching method has many difficulties in the school algebra. Therefore we insist the new algebraic approaches should be needed. In order to develop these instructions, we firstly investigate the relationship of patterns and algebra, the relationship of generalization and algebra, the steps of generalization from patterns and levels of difficulties. Next we look into the algebra instructions based arithmetic patterns, visual patterns and functional situations. We expect that these approaches help students learn algebra when they begin school algebra.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.57-57
• /
• 2019

최근 수문기상학 분야에서 레이더 강수량을 활용한 응용연구가 활발하게 진행되고 있다. 하지만 레이더 강수량은 경험적으로 설정된 레이더 반사도-강우강도 관계식을 활용하여 레이더 강수량을 산정하기 때문에 실제지상에 도달하는 강수량과 정량적인 오차가 필연적으로 발생한다. 따라서 고해상도의 레이더 강수량을 활용한 신뢰도 높은 수문해석을 위하여 레이더 강수량의 편의보정이 필수적으로 선행되어야한다. 본 연구에서는 불확실성을 고려한 레이더 강수량 편의보정을 위하여 Bayesian 추론기법과 일반화 선형모형(generalized linear model)을 연계하여 레이더 강수량 편의보정 매개변수를 산정하였다. 일반화 선형모형을 적용한 레이더 강수량 편의보정 결과는 현재 널리 사용되고 있는 평균보정(mean field bias) 기법에 비하여 통계지표가 개선된 레이더 강수량 편의보정 결과를 도출하였다. 추가적으로 지형학적 특성에 따른 레이더 강수량 편의보정 매개변수의 변동성을 분석하여 고도 및 이격거리에 따른 편의보정 매개변수의 지역화 공식을 제시하였다. 본 연구를 통하여 개발된 레이더 강수량 편의보정 매개변수 산정 및 지역화 연구는 레이더 관측전략 수립과정에 유용한 기초자료로 활용될 것으로 판단된다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.399-408
• /
• 2002

다중 에이전트 학습이란 다중 에이전트 환경에서 에이전트간의 조정을 위한 행동전략을 학습하는 것을 말한다. 본 논문에서는 에이전트간의 통신이 불가능한 다중 에이전트 환경에서 각 에이전트들이 서로 독립적으로 대표적인 강화학습법인 Q학습을 전개함으로써 서로 효과적으로 협조할 수 있는 행동전략을 학습하려고 한다. 하지만 단일 에이전트 경우에 비해 보다 큰 상태-행동 공간을 갖는 다중 에이전트환경에서는 강화학습을 통해 효과적으로 최적의 행동 전략에 도달하기 어렵다는 문제점이 있다. 이 문제에 대한 기존의 접근방법은 크게 모듈화 방법과 일반화 방법이 제안되었으나 모두 나름의 제한을 가지고 있다. 본 논문에서는 대표적인 다중 에이전트 학습 문제의 예로서 먹이와 사냥꾼 문제(Prey and Hunters Problem)를 소개하고 이 문제영역을 통해 이와 같은 강화학습의 문제점을 살펴보고, 해결책으로 신경망 SOM을 이용한 일반화 방법인 QSOM 학습법을 제안한다. 이 방법은 기존의 일반화 방법과는 달리 군집화 기능을 제공하는 신경망 SOM을 이용함으로써 명확한 다수의 훈련 예가 없어도 효과적으로 이전에 경험하지 못했던 상태-행동들에 대한 Q값을 예측하고 이용할 수 있다는 장점이 있다. 또한 본 논문에서는 실험을 통해 QSOM 학습법의 일반화 효과와 성능을 평가하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04a
• /
• pp.565-568
• /
• 2002

본 논문에서는 에이전트간의 통신이 불가능한 다중 에이전트 환경에서 각 에이전트들이 독립적이면서 대표적인 강화학습법인 Q-학습을 전개함으로써 서로 효과적으로 협조할 수 있는 행동전략을 학습하려고 한다. 하지만 단일 에이전트 경우에 비해 보다 큰 상태-행동공간을 갖는 다중 에이전트환경에서는 강화학습을 통해 효과적으로 최적의 행동 전략에 도달하기 어렵다는 문제점이 있다. 이 문제에 대한 기존의 접근방법은 크게 모듈화 방법과 일반화 방법이 제안되었으나 모두 나름의 제한을 가지고 있다. 본 논문에서는 대표적인 다중 에이전트 학습 문제의 예로서 the Prey and Hunters Problem를 소개하고 이 문제영역을 통해 이와 같은 강화학습의 문제점을 살펴보고, 해결책으로 신경망 SOM 을 이용한 일반화 방법을 제안한다. 이 방법은 다층 퍼셉트론 신경망과 역전파 알고리즘을 이용한 기존의 일반화 방법과는 달리 군집화 기능을 제공하는 신경망 SOM 을 이용함으로써 명확한 다수의 훈련 예가 없어도 효과적으로 채 경험하지 못한 상태-행동들에 대한 Q 값을 예측하고 이용할 수 있다는 장점이 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06c
• /
• pp.371-375
• /
• 2008

예제 기반 학습(instance-based learning) 방법 중 하나인 k-최근접 이웃(k-nearest reighbor, k-NN) 학습은 간단하고 예측 정확도가 비교적 높아 분류 및 회귀 문제 해결을 위한 기반 방법론으로 널리 적용되고 있다. k-NN 학습을 위한 알고리즘은 기본적으로 유클리드 거리 혹은 2-놈(norm)에 기반하여 학습예제들 사이의 거리를 계산한다. 본 논문에서는 유클리드 거리를 일반화한 개념인 p-놈의 사용이 k-NN 학습의 성능에 어떠한 영향을 미치는지 연구하였다. 구체적으로 합성데이터와 다수의 기계학습 벤치마크 문제 및 실제 데이터에 다양한 p-놈을 적용하여 그 일반화 성능을 경험적으로 조사하였다. 실험 결과, 데이터에 잡음이 많이 존재하거나 문제가 어려운 경우에 p의 값을 작게 하는 것이 성능을 향상시킬 수 있었다.

• The KIPS Transactions:PartB
• /
• v.18B no.6
• /
• pp.405-414
• /
• 2011

Korean grammar checkers typically detect context-dependent errors by employing heuristic rules that are manually formulated by a language expert. These rules are appended each time a new error pattern is detected. However, such grammar checkers are not consistent. In order to resolve this shortcoming, we propose new method for generalizing error decision rules to detect the above errors. For this purpose, we use an existing thesaurus KorLex, which is the Korean version of Princeton WordNet. KorLex has hierarchical word senses for nouns, but does not contain any information about the relationships between cases in a sentence. Through the Tree Cut Model and the MDL(minimum description length) model based on information theory, we extract noun classes from KorLex and generalize error decision rules from these noun classes. In order to verify the accuracy of the new method in an experiment, we extracted nouns used as an object of the four predicates usually confused from a large corpus, and subsequently extracted noun classes from these nouns. We found that the number of error decision rules generalized from these noun classes has decreased to about 64.8%. In conclusion, the precision of our grammar checker exceeds that of conventional ones by 6.2%.