• Journal of Korea Multimedia Society
• /
• v.9 no.5
• /
• pp.649-657
• /
• 2006

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.

• 한국정보교육학회:학술대회논문집
• /
• 2008.01a
• /
• pp.263-268
• /
• 2008

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.

• Proceedings of the KIEE Conference
• /
• 2001.07a
• /
• pp.323-326
• /
• 2001

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.

• Korean Journal of Cognitive Science
• /
• v.27 no.3
• /
• pp.421-439
• /
• 2016

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.

• Journal of Intelligence and Information Systems
• /
• v.6 no.1
• /
• pp.83-96
• /
• 2000

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.

• 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.

• Journal of Korea Game Society
• /
• v.17 no.1
• /
• pp.27-40
• /
• 2017

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.