• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.19 no.1
• /
• pp.35-40
• /
• 2015

The paper proposes a meta-learning approach for building multi-classifier systems in a GA-based inductive learning environment. In our meta-learning approach, a classifier consists of a general classifier and a meta-classifier. We obtain a meta-classifier from classification results of its general classifier by applying a learning algorithm to them. The role of the meta-classifier is to evaluate the classification result of its general classifier and decide whether to participate into a final decision-making process or not. The classification system draws a decision by combining classification results that are evaluated as correct ones by meta-classifiers. We present empirical results that evaluate the effect of our meta-learning approach on the performance of multi-classifier systems.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.03a
• /
• pp.291-300
• /
• 1999

본 논문은 인공신경망과 귀납적 학습방법 등의 인공지능 방법과 선물가격결정에 대한 기존 재무이론을 사용하여 일상어휘로 표현되는 파생상품 가격예측 모형을 개발하는데 있다. 모형의 개발은 1단계로 인공신경망이나 기존의 선물가격결정이론(평균보유비용모형이나 일반균형모형)을 이용하여 선물 가격을 예측한 후, 서로 비교분석하여 인공신경망 모형의 우수성을 확인하였다. 귀납적 학습방법중 CART 알고리듬을 사용하여 If-Then 규칙을 생성하였다. 특히 실용적 측면에서 선물가격의 일상어휘화를 통한 모형개발을 여러 가지 방법으로 시도하였다. 이러한 선물가격 예측모형의 유용성은 일단 If-Then 규칙으로 표현되어 전문가의 판단에 확실한 이론적인 근거를 제시할 수 있는 장점이 있으며, 특히 의사결정지원시스템으로 활용화 될 경우 매우 유용한 근거자료로 활용될 수 있다. 이러한 선물가격 예측모형은 정확성은 분석표본과 검증표본으로 나누어 검증표본에서 세가지 기본모형(평균보유비용모형, 일반균형모형, 인공신경망 모형)과 각 모형의 귀납적 학습방법 모형의 다른 3가지 어휘표현방법 3가지를 모형별로 비교 분석하였다. 분석결과 인공신경망모형은 상당한 예측력을 갖고 있는 것으로 판명되었으며, 특히 CART를 기반으로 한 일상어휘 기반의 선물가격예측 모형은 예측력이 높은 것으로 나타났다.

• Journal of The Korean Association For Science Education
• /
• v.8 no.1
• /
• pp.81-94
• /
• 1988

본 연구의 목적은 Piaget의 인지발달단계(전조작 구체적 조작 단계)에 따른 자연과 개념획득에 효과적인 교수전략을 탐색하기 위한 연구로서, 첫째는 문헌연구를 통해서, Piaget의 인지이론을 기초로한 교육론과 개념학습을 위한 교수전략을 연구함으로써 전조작 단계의 어린이, 구체적 조작단계의 어린이에게는 연역적 교수전략보다 귀납적 교수전략이 더 효과적이며, 구체적 조작단계의 어린이에게는 초보적인 논리능력이 발달하므로 연역적 교수전략도 가능하며, 이 2가지의 인지단계가 복합돼 있는 국민학교 2학년 집단에게는 귀납적 교수전략이 보다 효과적일 것이라는 데에 이르렀다. 둘째로는 현장 실험연구로서 실제로 자연과 2학년의 한 단원을 연억 귀납의 교수전략의 단계에 맞추어 적용하였다. Piaget의 인지 발달 단계예 따른 자연과 개념획득을 위한 효과적인 교수전략을 탐색해본 결과는 다음과 같다. 첫째, 전조작 단계의 아동은 자연과 개념획득을 위해서는 연역적 교수전략보다 귀납적 교수전략이 더 효과적이다. 둘째, 구체적 조작단계의 아동에게는자연과 개념획득을 위한 교수전략은 귀납적 교수전략이 효과적이지만, 연역적 교수전략도 가능하다는 것이다. 이로써 국민학교 2학년 즉, 전조작 단계와 구체척 조작단계가 복합돼있는 집단에게는 연역적 교수전략보다 귀납적 교수전략이 보다 더 효과적이라는 것이다.

• Journal of The Korean Association For Science Education
• /
• v.23 no.2
• /
• pp.190-199
• /
• 2003

The purposes of this study was to investigate the effect of inductive Instructional method and deductive one concerning the learners' population genetic concepts and achievement according to learners' cognitive characteristics. For the study, 180 students were sampled from a boys' high school: 90 students for inductive teaching method and 90 students for deductive teaching method. Group Assessment of Logical Thinking(GALT) and Group Embedded Figure Test (GEFT) were used as the measure of cognitive characteristics. The results of this study were as follows. 1) The inductive instructional method was more effective in the understanding of population genetic concepts and their achievement. 2) Inductive instructional method was more effective than deductive one for the learners in formal operational level and in field independent cognitive style. 3) For the learners in a transitional level and field dependent cognitive style, deductive instructional way was more effective than inductive way on the average, but it was not statistically significant. It was turned out that learners' cognitive level was one of important factors when teachers instruct the concept of population genetics.

• The Science & Technology
• /
• no.3 s.442
• /
• pp.90-91
• /
• 2006

• Communications of the Korean Institute of Information Scientists and Engineers
• /
• v.13 no.5
• /
• pp.6-19
• /
• 1995

• Communications of Mathematical Education
• /
• v.8
• /
• pp.137-150
• /
• 1999

본 연구의 목적은 아동들의 수학 교과에 대한 정의적 특성과 수학적 문제 해결력, 추론 능력간의 상호 관계를 구명하고, 이러한 관계들은 아동의 지역적인 환경에 따라 차이가 있는지를 분석하는 것이다. 본 연구를 통하여 얻은 결론은 다음과 같다. 정의적 특성의 하위 요인 중 수학적 문제 해결력과 귀납적 추론 능력에 대한 설명력이 가장 높은 요인은 수학교과에 대한 자아개념인 것으로 나타났으며, 연역적 추론 능력에 대한 설명력은 학습 습관이 가장 높은 것으로 나타났다. _그리고 귀납적 추론 능력이 연역적 추론 능력 보다 수학적 문제 해결력에 대한 설명력이 더 높은 것으로 나타났으며, 수학적 문제 해결력과 귀납적 추론 능력은 지역별로 유의한 차가 나타났으나 연역적 추론 능력은 지역간 유의한 차이가 나타나지 않았다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.321-327
• /
• 2002

본 논문은 기존의 귀납적 결정 트리 방식에서의 문제점 개선을 통한 사용자 관심 프로파일 구축을 목적으로 한다. 특히 사용자 관심 프로파일의 정확도 향상을 위한 속성 선택에 대한 연구에 초점을 맞추고 있다. 사용자의 관심, 비관심 문서를 대상으로 사용자 관심 키워드를 생성하고 이를 바탕으로 초기 문서들을 재표현한다. 재표현된 문서를 입력 집합으로 하여 기계학습을 진행한다. 본 논문의 의사 결정 트리 생성 알고리즘은 입력 집합을 클래스별로 가장 잘 나누는 속성을 선택하여 노드를 구성하는 면에서는 기존의 알고리즘과 같다. 그러나 기존의 의사 결정 트리 알고리즘에서는 hill-climbing.방식을 사용함으로써 사용자의 관심을 나타내는 중요한 단어가 사용자 관심 프로파일에서 숨겨질 경우가 발생한다. 이를 최소화하기 위해 특징 추출을 통해 선택된 속성을 그대로 학습의 입력 데이터로 사용하는 것이 아니라 입력데이터를 가장 잘 나누는 속성과 그 다음 속성을 대상으로 disjunctive 연산을 통해 새로운 속성을 생성하여 이것을 속성 집합에 포함시키고 이를 학습의 입력 데이터로 이용한다. 이와 같이 disjunctive operator를 이용하여 새로운 속성을 의사 결정 트리 형성 시 이용하면 사용자의 중요한 관심을 포함하는 의미 있는(semantic) 사용자 관심 프로파일 구축이 가능해지고, 사용자 관심 프로파일을 기반으로 사용자가 관심 있는 문서를 제공할 수 있는 개인화 서비스를 제공한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.136-138
• /
• 2003

로봇이나 가상 캐릭터와 같은 지능형 에이전트가 자율적으로 살아가기 위해서는 주어진 환경을 인식하고, 그에 맞는 최적의 행동을 선택하는 능력을 가지고 있어야 한다. 본 논문은 이러한 지능형 에이전트를 구현하기 위하여, 외부 환경에 적응하면서 최적의 행동을 배우고 선택하는 방법을 연구하였다. 본 논문에서 제안한 방식은 강화 학습을 이용한 행동기반 학습 방법과 기호 학습을 이용한 인지 학습 방법을 통합한 방식으로 다음과 같은 특징을 가진다. 첫째, 외부 환경의 적응성을 수행하기 위하여 강화 학습을 이용하였으며. 이는 지능형 에이전트가 변화하는 환경에 대한 유연성을 가지도록 하였다. 둘째. 경험들에서 귀납적 기계학습과 연관 규칙을 이용하여 규칙을 추출하여 에이전트의 목적에 맞는 환경 요인을 학습함으로 주어진 환경에서 보다 빠르게, 확장된 환경에서 보다 효율적으로 행동을 선택을 하도록 하였다. 제안한 통합방식은 기존의 강화 학습만을 고려한 학습 알고리즘에 비하여 학습 속도를 향상 시킬수 있으며, 기호 학습만을 고려한 학습 알고리즘에 비하여 환경에 유연성을 가지고 행동을 적용할 수 있는 장점을 가진다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.361-363
• /
• 2002

Version space는 목표 개념이 속성 값에 대한 제한조건의 연언(conjunction)으로 표현될 수 있는 귀납적 개념학습에서 가설공간을 표현하기 위해 사용된다. Version space의 크기는 속성 값의 수에 대해 지수적으로 증가하는데, 우리는 DNA 분자를 이용하여 version space를 표현하는 효율적인 방법을 제시한다. 또한 version space를 유지하기 위한 기본 연산과, 이를 DNA 분자를 이용하는 구현 방법이 제시된다. 또한 DNA 분자로 표현된 version space를 활용하여 새로운 example에 대한 분류를 예측하는 방법을 제시한다.