Reinforcement Learning is a computational approach to learning whereby an agent take an action which maximize the total amount of reward it receives among possible actions within current state when interacting with a uncertain environment. Q-learning, one of the most active algorithm in Reinforcement Learning, is consist of rewards which is obtained when an agent take an action. But it has the problem with mapping real world to discrete states. When state spaces are very large, Q-learning suffers from time for learning. In constant, when the state space is reduced, many state spaces map to single state space. Because an agent only learns single action within many states, an agent takes an action monotonously. In this paper, to reduce time for learning and complement simple action, we propose the Q-learning using influence map(QIM). By using influence map and adjacent state space's learning result, an agent could choose proper action within uncertain state where an agent does not learn. When this paper compares simulation results of QIM and Q-learning, we show that QIM effects as same as Q-learning even thought QIM uses 4.6% of the Q-learning's state spaces. This is because QIM learns faster than Q-learning about 2.77 times and the state spaces which is needed to learn is reduced, so the occurred problem is complemented by the influence map.
학교의 학습 과정에 있어서 학습자 간의 학습 능력의 차이는 존재하며 이를 해결하기 위해 교육과정에서는 개별 학습과 수준별 학습을 권장한다. 유무선 인터넷을 통한 수준별 학습은 최근에 많은 연구가 되고 있는 u-러닝(Ubiquitous Learning) 환경에도 부합하며 학습자 개개인이 자신의 속도와 수준에 맞게 자기주도적으로 학습을 하기에 알맞은 방법이라 할 수 있다. 이에 본 연구에서는 학습자가 시간과 공간에 구애받지 않고 자율적으로 수준에 맞게 학습할 수 있는 수준별 학습 시스템을 설계하였다. 특히 시스템에 체계성을 더하기 위해 개별화 학습 체제 중에서 과거 많은 연구를 통해 그 효과성이 입증된 Keller의 PSI(Personal System of Instruction) 이론을 활용하여 시스템의 각 과정을 설계하였다. 본 시스템의 장점은 다음과 같다. 첫째, 학습자가 원하는 시간과 공간에서 자신의 속도에 맞게 학습할 수 있으므로 자기주도적인 학습 능력을 기를 수 있다. 둘째, 시스템 구성상 평가를 통해 일정한 기준에 미달하면 목표에 도달할 때까지 계속 학습하고 도전해야 하므로 궁극적으로 완전학습에 도달할 수 있다. 셋째, 제한된 교실 상황에서 벗어나 온라인에서의 학습 지원이 가능하므로 학습자의 개인차에 따른 수준별 학습을 관리하고 책임져야 하는 교사의 부담을 덜어준다.
Proceedings of the Korean Institute of Intelligent Systems Conference
/
2004.04a
/
pp.283-287
/
2004
본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시접에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간, 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고, 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.
본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시점에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.
Journal of the Institute of Electronics and Information Engineers
/
v.51
no.8
/
pp.66-74
/
2014
Recently a variety of study of Korean parsing system is carried out by many software engineers and linguists. The parsing system mainly uses the method of machine learning or symbol processing paradigm. But the parsing system using machine learning has long training time because the data of Korean sentence is very big. And the system shows the limited recognition rate because the data has self error. In this thesis we design system using feature module which can reduce training time and analyze the recognized rate each the number of training sentences and repetition times. The designed system uses the separated modules and sorted table for binary search. We use the refined 36,090 sentences which is extracted by Sejong Corpus. The training time is decreased about three hours and the comparison of recognized rate is the highest as 84.54% when 10,000 sentences is trained 50 times. When all training sentence(32,481) is trained 10 times, the recognition rate is 82.99%. As a result it is more efficient that the system is used the refined data and is repeated the training until it became the steady state.
The present study investigates the effects of semantic transparency on the learning of new words using both behavioral measures and event-related brain potentials. Participants studied novel words with either semantically transparent or opaque definitions while their brain potentials were recorded. Learning performance was assessed with both a lexical decision task and a recall test. The results indicated that transparent novel words were easier to learn than opaque words. More specifically, self-paced learning times were shorter for transparent novel words across three study sessions. Transparent words also elicited reduced N400s compared with opaque words in all sessions. Moreover, lexical decisions to both learned novel words and real words were faster and more accurate within the transparent condition compared to the opaque condition. These results suggest that semantic transparency also plays an important role within word learning, just as within word recognition, further supporting the notion that morphological information is critical within lexical processing.
본연구는 웹 상에서 원격 협력 학습을 위한 수준별 협력 학습자 진단 및 스케줄링 에이전트의 설계와 구현에 관한 연구이다. 원격 협력 학습은 동일한 학습내용에 흥미를 갖는 아동이 동시에 학습할 수 있는 환경이 필요하며 학습자의 지식 또한 비슷한 수준이어야 효과적인 협력학습을 할 수 있다. 분산 환경의 이질적인 학습자를 모으기 위해서는 좀 더 자율적이고 지능적인 시스템이 필요하며 학습자에 대한 지식을 표현하는 학습자 모델이 요구된다. 이를 위해 에이전트 시스템이 적절하게 사용될수 있으며 학습자의 수준을 판단하기 위한 진단 에이전트와 협력학습이 가능한 여러명의 학습자들을 알맞은 시간과 서버에 연결하는 스케줄링 에이전트를 웹 기반 지능형 교수 시스템에 접목하였다. 학습자 수준을 진단하는 진단 에이전트는 확신도를 높이기 위해 3-모수 로지스틱 확신공식과 시간 가중치 확신인자 공식을 적용하여 신뢰도를 높였다 또한 협력학습의 스케줄링을 위해 다양한 제약조건들의 최적해를 구하기 위해 제약 만족 문제(CSP)로 스케줄링 에이전트를 모델링하였다 본 연구에서 설계 구현한 협력학습자 진단 및 스케줄링 에이전트의 효율성을 살펴보기 위해 여러명의 학습자를 대상으로 실험하였다. 실험을 통해 각 학습자의 지식 수준 진단과 다수의 학습자가 적절한 협력학습을 하기 위한 스케줄링이 매우 효율적으로 이루어짐을 볼 수 있었다.
Journal of the Korean Institute of Intelligent Systems
/
v.19
no.1
/
pp.54-61
/
2009
This paper presents a new electromyogram (EMG) pattern recognition method based on the Hierarchical Temporal Memory (HTM) algorithm which is originally devised for image pattern recognition. In the modified HTM algorithm, a simplified two-level structure with spatial pooler, temporal pooler, and supervised mapper is proposed for efficient learning and classification of the EMG signals. To enhance the recognition performance, the category information is utilized not only in the supervised mapper but also in the temporal pooler. The experimental results show that the ten kinds of hand motion are successfully recognized.
Kim, Yeon-Gyu;Park, Ho-Jun;Lee, Sang-Geol;Cha, Eui-Young
Proceedings of the Korea Information Processing Society Conference
/
2015.10a
/
pp.1285-1288
/
2015
본 논문에서는 영상인식을 위한 딥 러닝에서 사용되는 매개변수 최적화 방법을 제안한다. 학습 성능에 영향을 미치는 매개변수 중 이미지 배치 사이즈 값, 초기 학습율, 최대 학습 반복 횟수에 대해 상호간의 관계를 분석하고 성능을 개선시키기 위해 값을 최적화하는 방법을 연구한다. 제안된 방법을 통한 개선 정도를 분석하기 위해 매개변수의 변화에 따른 학습 소요 시간, 정확도 향상 추이, 메모리 사용량의 변화를 측정한다. 측정된 학습 소요 시간, 정확도 향상 추이, 메모리 사용량의 변화를 분석한 결과 배치 사이즈와 초기 학습 율은 같은 비율로 반비례하게 값을 적용할 때가 이상적 이였으며 서로 다른 환경에서 각각의 학습 소요시간을 측정하는 것으로 배치 사이즈 값과 초기 학습 율에 따른 최적의 최대 학습 반복 횟수를 획득할 수 있었다.
This study explores the concept of Study Time Management Service(STMS) and the characteristics of gamification elements in STMS, in order to propose the meaning of psychic anti-entropy and the role of a meme as a new gamification element. The goal of gamification in education is to enhance study motivation and lead to flow by integrating similarities between game and study into the study environment. STMS also aims at such a goal. However, it differs in that the external anti-entropy environment, such as blocking apps, is connected with game mechanics or game thinking to give extrinsic motivation. It is also unique in that it uses a meme as a new gamification element to induce intrinsic motivation. In particular, a meme as a kind of guideline for performing study activities induces intrinsic motivation to imitate good study patterns and offers the driving force to sustain psychic anti-entropy state. Therefore, gamification in STMS is to strengthen the external anti-entropy environment by utilizing game mechanics or game thinking, and to maintain the psychic anti-entropy state by utilizing a meme of study patterns.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.