• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.291-294
• /
• 2021

본 논문에서는 영어 교육에 대한 사회적인 인식은 중요해지면서 다양한 방식의 영어공부와 학습모델들을 분석하고 오랫동안 가억이 가능한 학습시스템을 검토하였다. 그러나 영어의 기초가 되는 영어 단어의 공부법이 논리적인 근거 없이 강사의 인지도와 명성에 현혹되어 강사가 추천해 주는 공부 방법에 따라 잘못된 학습하는 경우가 대부분이다. 또한 사람마다 자기에게 맞는 학습법은 분명 존재할 것이다. 하지만 그 방법 외에 효과적인 다른 방법 또한 찾아 볼 수 있다. 헤르만 에빙하우스는 사람의 망각 연구한 결과 망각의 주기를 수치로 나타내었고, 라이트너는 플래시 카드를 박스에 넣어 복습을 반복하는 아날로그 장치를 만들어 복습의 효과를 연구하였다. 본 논문에서는 헤르만 에빙하우스의 망각 곡선 이론을 통해 효율적인 영어 단어 학습방법을 논리적으로 증명하고, 웹사이트를 사용한 라이트너 박스와 망각 곡선의 이론을 적용하여 망각의 주기에 따른 복습의 효과를 적용하여 결과적으로 사용자에게 접근성이 좋은 학습형 플랫폼을 제공하여 시간 대비 학습률이 좋은 시스템을 개발하고자 하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.40 no.9
• /
• pp.1793-1801
• /
• 2015

In a recent work, kernel recursive least-squares tracker (KRLS-T) algorithm has been proposed. It is capable of tracking in non-stationary environments using a forgetting mechanism built on a Bayesian framework. The forgetting mechanism in KRLS-T is implemented by a fixed forgetting factor. In practice, however, we frequently meet that the fixed forgetting factor cannot handle time-varying system effectively. In this paper we propose a new KRLS-T with a variable forgetting factor. Experimental results show that proposed algorithm can handle time-varying system more effectively than the KRLS-T.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.06e
• /
• pp.165-168
• /
• 1998

본 논문에서는 충격성 잡음에 강인하기 위한 시변 주파수 추정 기법을 제안하였다 충격성 잡음에 강인하기 위해서는 충격성 잡음에 의한 추정 변수의 동요를 제한하고 추정된 오차가 향후 추정시 영향을 미치는 오차의 전파현상을 제한하여야 한다. 충격성 잡음에 의한 추정오차의 전파를 제한하기 위해서는 망각인자의 도입이 필요함을 증명하였고 보다 효과적으로 사용하기 위해서 가변 망각인자를 도입하였다. 가변 망각인자의 도입으로 충격성 잡음에 의한 오차의 전파를 선택적으로 제한할 수 있으며 충격성 잡음에 의한 추정계수의 변동은 영향함수 측면에서 Huber함수를 이용하여 제한하였다. 제안된 알고리듬은 Huber함수와 가변망각인자의 도입으로 충격성 잡음에 의해 생기는 오차의 크기와 오차의 영향이 전파되는 것을 적응적으로 제한하기 때문에 모의실험을 통해 기존의 칼만 알고리듬보다 나은 성능을 보임을 알 수 있었다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.215-220
• /
• 2021

다중 도메인에 대해 답변 생성 모델이 동작 가능하도록 하는 가장 쉬운 방법은 모든 도메인의 데이터를 순서와 상관없이 한번에 학습하는 것이다. 하지만 이경우, 발화에 상관 없이 지나치게 일반적인 답변을 생성하는 문제가 발생한다. 이에 반해, 도메인을 분리하여 도메인을 순차적으로 학습할 경우 일반적인 답변 생성 문제를 해결할 수 있다. 하지만 이경우 새로운 도메인의 데이터를 학습할 때, 기존에 학습한 도메인에 대한 성능이 저하되는 파괴적 망각 현상이 발생한다. 파괴적 망각 현상을 해결하기 위하여 다양한 지속학습기법이 제안되었으며, 그 중 메모리 리플레이 방법은 새로운 도메인 학습시 기존 도메인의 데이터를 함께 학습하는 방법으로 파괴적 망각 현상을 해결하고자 하였다. 본 논문에서는, 사람의 기억 시스템에 대한 모형인 앳킨슨-쉬프린 기억 모형에서 착안하여 사람이 기억을 저장하는것과 유사한 방법으로 메모리 리플레이 방법의 메모리 관리방법을 제안하였고, 해당 메모리 관리법을 활용하는 메모리 리플레이 방법을 통해 답변 생성 모델의 파괴적 망각 현상을 줄이고자 하였다. 다중 도메인 답변 생성에 대한 데이터셋인 MultiWoZ-2.0를 사용하여 제안 모델을 학습 및 평가하였고, 제안 모델이 다중 도메인 답변 생성 모델의 파괴적 망각 현상을 감소시킴을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.12a
• /
• pp.208-212
• /
• 2001

This paper is for the optimized management of the knowledge abstracted from the World-Wide Web(WWW) in which we assume the infinite knowledge-base. Though we can abstract various useful knowledge such as the facts and the rules from the WWW pages, they may include many noisy knowledge. Therefore we have to reasonably reject them from the knowledge-base which is composed of knowledge abstracted from the WWW. To do this, we propose the oblivious memorization concept. This concept is characterized by the memorization based on the oblivion mechanism of human being. We assume the memorization is the function of the concern for any knowledge, oblivion ability and time. That is, the more concern for my knowledge the ore memorizable. And, the more oblivious and the more tine spent the less memorizable by exponentially. Where, tie assume the oblivion is the function of the degree of previous memorization, memorization ability md the number of knowledge stimulation. That is, the more previously memorized, the greater memorizing ability and the more frequently stimulated by any knowledge the less knowledge oblivious.

• Korean Journal of Cognitive Science
• /
• v.30 no.1
• /
• pp.31-50
• /
• 2019

The present study is designed to investigate the effect of perceptive, emotional and semantic distinctiveness on retrieval-induced forgetting(RIF). Experiment 1 was designed to construct a category and category list for RIF experimental paradigm and to investigate the effects of perceptual distinctness on retrieval-induced forgetting. It was used for the list consisting of the six categories and six words in each category list. In controlled conditions, all the stimuli were presented in black and Gothic. In contrast, perceptual distinctiveness conditions, half of the category list were presented in red and Gungseoche. RIF was observed in all conditions. Experiment 2 was designed to investigate the effects of semantic and emotional distinctiveness on retrieval-induced forgetting. In neutral conditions, adjectives related to items were added. In the emotional distinctiveness condition, half of the items in the category were manipulated in such a way as to add the negative adjectives. In the semantic distinctiveness condition, half of the items in the category were manipulated in such a way as to add the inappropriate adjective. As a result, RIF occurred in the neutral condition, but RIF did not occur in both the emotional discrimination condition and the semantic discrimination. These results suggest the possibility that the RIF will not occur when the distinctiveness occurs within a categorical relationship.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.41 no.9
• /
• pp.1141-1145
• /
• 2016

In general, a variable forgetting factor is applied to the RLS algorithm for the time-varying parameter estimation in the non-stationary environments. The introduction of a variable forgetting factor to RLS needs heavy additional calculation complexity. We propose a new Gauss Newton variable forgetting factor RLS algorithm which needs small amount of calculation as well as estimates the better parameters in time-varying nonstationary environment. The algorithm performs as good as the conventional Gauss Newton variable forgetting factor RLS and the required additional calculation complexity reduces from $O(N^2)$ to O(N).

• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.179-182
• /
• 2001

본 논문에서는 기존의 VFF PASTd 알고리듬의 개선안을 제시하였다. 이 알고리듬은 각 부공간마다 가변망각인자를 각각 사용하던 기존 방법과는 달리 최종 잔류 오차를 이용하여 하나의 망각인자를 계산하고 이것을 이용함으로써 계산량을 줄임과 동시에 망각인자를 보다 정확히 구할 수 있다. 여기서는 주파수 추정 문제에 대한 모의 실험을 통해 제안된 알고리듬이 우수함을 입증하였다.

• The Journal of the Acoustical Society of Korea
• /
• v.12 no.1E
• /
• pp.56-64
• /
• 1993

본 논문은 공간적으로 변하는 스펙트럼을 추정하는 새로운 적응 방법을 제안한다. 제안한 방법에서는 오래된 upstream의 데이터를 망각함으로서 신호의 nonstationarity를 고려해주는 시변망각인자의 개념을 recursive least square(RLS) 알고리즘에 도입하였으며, 관심이 있는 공간영역에서 탐사침을 천천히 움직여 얻은 하나의 데이터 군으로부터 downstream 스펙트럼을 추정하였다. 제시한 방법의 실현 가능성은 실제 실험(wind tunnel 이용)을 통해서 얻은 공간적으로 변하는 nonstatonary 신호의 스펙트럼을 추정하는 과정에서 입증되며 또한 기존의 방법들과 비교함으로서 그 우수성을 보인다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.5
• /
• pp.177-187
• /
• 2014

This paper proposes a fast subspace tracking methods, which is called GVFF FAPI, based on FAPI (Fast Approximated Power Iteration) method and GVFF RLS (Gradient-based Variable Forgetting Factor Recursive Lease Squares). Since the conventional FAPI uses a constant forgetting factor for estimating covariance matrix of source signals, it has difficulty in applying to non-stationary environments such as continuously changing DOAs of source signals. To overcome the drawback of conventioanl FAPI method, the GVFF FAPI uses the gradient-based variable forgetting factor derived from an improved means square error (MSE) analysis of RLS. In order to achieve the decreased subspace error in non-stationary environments, the GVFF-FAPI algorithm used an improved forgetting factor updating equation that can produce a fast decreasing forgetting factor when the gradient is positive and a slowly increasing forgetting factor when the gradient is negative. Our numerical simulations show that GVFF-FAPI algorithm offers lower subspace error and RMSE (Root Mean Square Error) of tracked DOAs of source signals than conventional FAPI based MUSIC (MUltiple SIgnal Classification).