• 한국정보통신학회논문지
• /
• 제14권7호
• /
• pp.1521-1528
• /
• 2010

본 논문은 학습복잡계 이론의 시각에 근거하여 공학적 글쓰기의 관계 및 교수방법을 고찰한 것이다. 이를 위해 학습복잡계 이론의 구성요소와 특징을 살펴보고 새로운 글쓰기 교육의 가능성을 검토해보았다. 그 결과 공학적 글쓰기교육의 접근 방법이 확장되었을 뿐만 아니라 교육적 실현 가능성이 탐색되었다. 이는 새로운 공학적 글쓰기 교수학습의 가능성을 여는 계기가 될 것이다. 또한 이와 관련하여 앞으로 구체적인 사례 연구와 교재개발 등이 체계적 진행되어야 할 것을 제안하고 있다.

• 한국교육논총
• /
• 제41권1호
• /
• pp.59-79
• /
• 2020

인간의 학습은 정해진 노선이 없다. 즉 어떤 길로 가도 되고 이르는 길 또한 천태만상이라는 것이다. 이는 현대사회에서 논의되어지는 복잡계의 구조에서도 살펴볼 수 있고, 동양의 오랜 고전인 『주역』을 통해서도 살펴볼 수 있다. 인간의 학습 자체는 무형식학습에서 시작해서 오늘날의 형식학습까지 전개되어 왔다. 인류 문명의 발달 단계를 살펴나가다 보면 이러한 발달 단계를 쉽게 발견할 수 있다. 인간에게 있어 인간 자신이라는 문제는 언제나 많은 논의가 되어왔고, 이 논의는 아직도 진행 중이다. 인간은 언어와 도구를 통해, 그리고 기술과 문화를 통해, 그리고 철학과 예술·종교를 통해 그들의 복잡하고 다양한 정신세계를 다루고 담아냈다. 또 이러한 다양한 활동을 통해 학습이 이루어져 왔다. 이는 한 세대의 유전을 통한 육체 과정에 한하지 않고, 학습이라는 정신과정으로 삶의 확장을 이루어낸다. 인간의 마음과 학습은 언제나 현재진행형일 수밖에 없는 이유도 여기에 있다. 본 연구는 복잡다양하고 다원화된 현대사회에서 어떤 학습을, 그리고 어떻게 함께 공존해나가야 할지를 복잡계의 원리와 『주역』의 사유방식을 통해 모색해보고자 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.622-624
• /
• 2004

강화 학습(Reinforcement Learning)을 실제 문제에 적용하는 데 있어 가장 큰 문제는 차원성의 저주(Curse of dimensionality)였다 문제가 커짐에 따라 목적을 이루기 위해서 더 많은 단계의 판단이 필요하고 이에 따라 문제의 해결이 지수적으로 어려워지게 된다. 이를 해결하기 위해 문제를 여러 단계로 나누어 단계별로 학습하는 계층적 강화 학습(Hierarchical Reinforcement Learning)이 제시된 바 있다 하지만 대부분의 계층적 강화 학습 방법들은 사전에 문제의 구조를 아는 것을 전제로 하며 큰 사이즈의 문제를 간단히 표현할 방법을 제시하지 않는다. 따라서 이들 방법들도 실제적인 문제에 바로 적용하기에는 적합하지 않다. 최근 이루어진 복잡계 네트워크(Complex Network)에 대한 연구에 착안하여 본 논문은 자기조직화하는 생장 네트워크(Self organizing growing network)를 기반으로 한 간단한 환경 표현 모델을 사용하는 강화 학습 알고리즘을 제안한다 네트웍은 복잡계 네트웍이 갖는 성질들을 유지하도록 자기 조직화되고, 노드들 간의 거리는 작은 세상 성질(Small World Property)에 따라 전체 네트웍의 큰 사이즈에 비해 짧게 유지된다. 즉 판단해야할 단계의 수가 적게 유지되기 때문에 이 방법으로 차원성의 저주를 피할 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.232-234
• /
• 2004

강화 학습(Reinforcement Learning)을 실제 문제에 적용하는 데 있어 가장 큰 문제는 차원성의 저주(Curse of dimensionality)이다. 문제가 커짐에 따라 목적을 이루기 위해서 더 않은 단계의 판단이 필요하고 이에 따라 문제의 해결이 지수적으로 어려워지게 된다. 이를 해결하기 위칠 문제를 여러 단계로 나누어 단계별로 학습하는 계층적 강화 학습(Hierarchical Reinforcement Learning)이 제시된 바 있다. 하지만 대부분의 계층적 강화 학습 방법들은 사전에 문제의 구조를 아는 것을 전제로 하며 큰 사이즈의 문제를 간단히 표현할 방법을 제시하지 않는다. 따라서 이들 방법들도 실제적인 문제에 바로 적용하기에는 적합하지 않다. 이러한 문제점들을 해결하기 위해 복잡계 네트워크(Complex Network)가 갖는 작은 세상 성질(Small world Property)에 착안하여 자기조직화 하는 생장 네트워크(Self organizing growing network)를 기반으로 한 환경 표현 모델이 제안된 바 있다. 이러한 모델에서는 문제 크기가 커지더라도 네트워크의 사이즈가 크게 커지지 않기 때문에 문제의 난이도가 크기에 따라 크게 증가하지 않을 것을 기대할 수 있다. 본 논문에서는 이러한 환경 모델을 사용한 강화 학습 알고리즘을 구현하고 실험을 통하여 각 모델이 강화 학습의 문제 사이즈에 따른 성능에 끼치는 영향에 대해 알아보았다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
• /
• pp.232-234
• /
• 2006

본 논문에서는 마르코프 결정 문제 (Markov decision problem)의 풀이 효율을 잴 수 있는 척도를 알아보기 위해 복잡계 네트워크 (complex network) 의 관점에서 MDP를 하나의 그래프로 나타내고, 그 그래프의 위상학적 성질들을 여러 네트워크 척도 (network measurements)들을 이용하여 측정하고 그 MDP의 풀이 효율과의 관계를 분석하였다. 실세계의 여러 문제들이 MDP로 표현될 수 있고, 모델이 알려진 경우에는 평가치 반복(value iteration)이나 모델이 알려지지 않은 경우에도 강화 학습(reinforcement learning) 알고리즘등을 사용하여 풀 수 있으나, 이들 알고리즘들은 시간 복잡도가 높아 크기가 큰 실세계 문제에 적용하기 쉽지 않다. 이 문제를 해결하기 위해 제안된 것이 MDP를 계층적으로 분할하거나, 여러 단계를 묶어서 수행하는 등의 시간적 추상화(temporal abstraction) 방법들이다. 시간적 추상화를 도입할 경우 MDP가 보다 효율적으로 풀리는 꼴로 바뀐다는 사실에 착안하여, MDP의 풀이 효율을 네트워크 척도를 이용하여 측정할 수 있는 여러 위상학적 성질들을 기반으로 분석하였다. 다양한 구조와 파라미터를 가진 MDP들을 사용해 네트워크 척도들과 MDP의 풀이 효율간의 관계를 분석해 본 결과, 네트워크 척도들 중 평균 측지 거리 (mean geodesic distance) 가 그 MDP의 풀이 효율을 결정하는 가장 중요한 기준이라는 사실을 알 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.675-677
• /
• 2024

그래프 학습 기술은 실세계의 네트워크를 그래프로 모델링하여 분석함으로써, 네트워크에 내재된 유용한 정보를 도출하는 핵심적인 역할을 한다. 그러나 기존의 그래프 학습 기술에는 두 가지 한계점이 존재한다: (1) 그룹 정보 표현의 한계 및 (2) 동적 관계 학습의 한계. 각 한계를 극복하기 위해 하이퍼그래프 학습 기술과 동적 그래프 학습 기술이 활발하게 연구되었지만, 두 가지 한계를 동시에 극복하기 위한 연구들은 아직까지 충분히 수행되지 못했다. 이러한 동기로부터, 본 논문은 실세계 네트워크를 동적인 하이퍼그래프로 모델링하여, 동적 그래프 학습 기술, 정적 하이퍼그래프 학습 기술, 그리고 동적 하이퍼그래프 학습 기술들의 성능에 대해 비교 분석하고자 한다. 실험 결과, 시간에 따라 변화하는 실세계의 복잡한 관계를 정확하게 포착하는 데는 동적 하이퍼그래프 학습 기술이 가장 효과적이라는 것을 확인하였다.

• 한국정보통신학회논문지
• /
• 제16권4호
• /
• pp.843-852
• /
• 2012

본 논문에서는 복잡적응계 이론에 근거하여 공학교육인증제도와 글쓰기와의 관계를 분석하고 효과적인 공학적 글쓰기 교육 방법을 연구하였다. 인증제도 도입으로 인하여 공학교육은 창발현상을 지속적으로 유지하며 새로운 질서체계를 갖추어 나가고 있는 가운데 의사소통의 중요성을 부각시키고, 다양한 공학적 글쓰기 교육 모형을 요구하고 있다. 이에 대하여 본 연구는 상황학습방법과 글쓰기 포트폴리오 도입 방법을 제안하고, 이를 통해 학생들의 글쓰기 능력향상에 변화가 있었음을 확인하였다. 이러한 논의는 공학교육에서 새로운 공학적 글쓰기 교육 방안을 모색하는 계기가 될 것이다.

• 한국통신학회논문지
• /
• 제36권11B호
• /
• pp.1363-1372
• /
• 2011

본 논문에서는 기존 HubNet 기반의 참여 모의실험의 한계를 극복하기 위한 능동형 참여 모의실험 (Active Participatory Simulation; APS) 학습 구조를 제시하고, 이를 위한 고고보도용 NetLogo 확장 모듈을 자바로 개발한다. NetLogo는 복잡하게 보이는 과학현상의 이면에 존재하는 복잡계를 모델링할 수 있는 에이전트 기반 모델링 (Agent Based Modeling) 언어다. 이것과 HubNet을 이용하면 모의실험이 수행되는 동안 학생은 하나의 에이전트로서 이 실험에 참여할 수 있다. 하지만 HubNet에서는 서버만이 외부장치와 연결된다. 따라서 고고보드를 이용한 환경 데이터 및 사용자 입력을 다수의 클라이언트를 통하여 수신할 수 없어 이중초점 모델링 기반 학습이 불가능하다. 이에 클라이언트에 연결된 고고보드의 입력 정보를 TCP/IP 소켓을 이용하여 수신하고 보드를 제어하는 자바 확장 모듈을 개발한다. 또한 HubNet과 이 확장 모듈을 사용한 APS 학습 구조 모델링 방법과 이를 위한 NetLogo 프로그래밍을 소개한다. 마지막으로 다양한 APS 학습 구조에 따른 예시를 제시하고 응답처리지연 시간 관점에서 평가하여 과학분야에 활용될 수 있는 방안을 모색한다.

• 한국정밀공학회지
• /
• 제16권2호통권95호
• /
• pp.211-217
• /
• 1999

감지기의 고장 발견, 확인, 보완은 복잡한 항공 시스템의 중요한 문제로 부각되어 왔으며, 그동안 칼만 필터를 이용한 기존 추정기술 혹은 온라인 학습 인공지능 알고리듬 등이 이 같은 문제를 해결하기 위해 제시되어 왔다. 본 연구에서는 여분의 감지기가 없는 항공제어계에 대해 온라인 학습 신경망을 이용한 감지기의 고장 발견, 확인, 그리고 보완에 관해 초점을 둔다. 이 내고장성 항공제어계는 주 신경조직망과 n개의 국소 신경조직망으로 이루어지는데, 포괄적인 감지기의 고장을 발견하는 능력을 가진다. 어떤 경우에서는 기존의 감지기 고장 발견 방법의 성능을 향상시키기 위해 수정된 감지방법이 소개되고 그 보완된 감지방법을 이용하여 기존의 방법과 성능비교가 이루어졌다.

• 전자공학회지
• /
• 제18권10호
• /
• pp.29-38
• /
• 1991

제6세대 컴퓨터로 불리는 신경컴퓨터는 학습과 병렬처리에 의해 인간의 두뇌 기능을 모방한다. 인간의 두뇌는 시각 인식, 음성인식, 촉각 감지등 패턴 인식뿐 아니라 인간의 복잡한 신체구조를 시각, 촉각 같은 감각기관의 도움을 얻어 움직이는 중요한 역할도 한다. 바로 이 모터제어(motor control)역시 신경회로가 담당하기 때문에 이를 기계적 신체에 해당하는 로봇 또는 광범위하게 기계, 비행기, 산업공정에 응용하는 것은 매우 자연스럽게 보인다. 이처럼 신경회로가 제어에 응용되는 것을 신경제어(neurocontrol)라 하고 이를 이용한 기계를 지능기계(intelligent machinery)라 한다. 지능기계는 기본적으로 인간처럼 경험축적, 학습, 불확실한 환경에서의 적응, 자기진단 등의 장점을 가지고 있다. 신경회로의 지극히 광범위한 응용분야중 신경제어는 가장 먼저 실현될 가능성이 높다. 실제로 로봇나 공정제어(process control)처럼 복잡한 비선형 시스템의 제어는 다량의 센서 정보에 기초한 실시한 제어를 필수로 하며 이는 신경회로를 사용함으로써 가장 효율적, 경제적으로 구현할 수 있다. 실제로 신경제어는 전세계적으로 이미 시스템 제어에 응용되어 좋은 결과를 내고 있다. 신경회로의 로봇나 자동화 응용은 학술적인 측면에서는 복잡한 비선형 시스템의 지능제어(intelligent control)문제에 대한 신선한 해결책을 마련해줄 뿐 아니라 산업자동화라는 막대한 시장을 뒤로 하고 있어 이론에서 실제에 걸쳐 가장 광범위한 파급효과를 가지는 최첨단 기술로 보여진다. 고부가가치 상품을 통한 국제경쟁력 제고의 차원에서도 정부, 기업 등의 과감한 연구 개발투자가 선행되어야 한다. 특히 이 분야의 연구는 선진국도 최근에 시작한 점으로 보아 정부, 기업이 이에 대한 연구개발 투자를 현명하게 할 경우에 세계적 기술 경쟁력도 확보할 수 있을 것이다. 본 해설에서는 로봇 및 시스템 제어에 관한 기초 이론과 신경회로 적용기술을 소개하고 기존방법과 비교했을 때의 우월성, 전세계적인 응용연구, 국내외 연구개발 현황, 상업화 가능성, 산업계 응용례, 기술상의 문제점, 향후 전망 등을 다루기로 한다.