• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.670-672
• /
• 2004

초등 교육 과정에서 컴퓨터 교육은 재량시간으로 컴퓨터의 개념과 원리의 이해보다는 도구로서의 기술 교육에 할애하고 있다 그러나, 초등학생들은 이미 생활에서 쉽게 접할 수 있는 정보화 시스템에 익숙하여 컴퓨터를 이용하여 다루는 기술은 교과의 수준을 상당히 갖추고 있다. 또한, 게임서버. 윈도우즈, 운영체제, 동영상/음악 파일 등의 다운로드/업로드 등의 단어에 이미 익숙해 있다. 이러한 용어들의 이해는 컴퓨터의 원리인 운영체제, 네트워크, 알고리즘, 프로그램 등에 대한 개념 교육으로 해결할 수 있다 따라서, 본 연구에서는 컴퓨터의 가장 중요한 원리인 알고리즘 중 정렬 알고리즘을 사례를 이용하여 역할놀이 모형으로 6학년 초등학생을 대상으로 학습을 수행하였다. 학습한 결과 정렬 알고리즘을 쉽게 유도해 냈으며. 질적인 분석으로 컴퓨터의 원리 교육에 대한 학습 효과가 있음을 보이고자 한다.

• Journal of KIISE:Software and Applications
• /
• v.34 no.1
• /
• pp.11-17
• /
• 2007

One of the popular methods used for pattern classification is the MBR (Memory-Based Reasoning) algorithm. Since it simply computes distances between a test pattern and training patterns or hyperplanes stored in memory, and then assigns the class of the nearest training pattern, it cannot explain how the classification result is obtained. In order to overcome this problem, we propose an incremental teaming algorithm based on RPA (Recursive Partition Averaging) to extract IF-THEN rules that describe regularities inherent in training patterns. But rules generated by RPA eventually show an overfitting phenomenon, because they depend too strongly on the details of given training patterns. Also RPA produces more number of rules than necessary, due to over-partitioning of the pattern space. Consequently, we present the IREA (Incremental Rule Extraction Algorithm) that overcomes overfitting problem by removing useless conditions from rules and reduces the number of rules at the same time. We verify the performance of proposed algorithm using benchmark data sets from UCI Machine Learning Repository.

• The Journal of Korean Association of Computer Education
• /
• v.17 no.4
• /
• pp.45-57
• /
• 2014

Many studies on algorithm judging system which verifies the correctness and the time efficiency of your program have been underway recently, most of which are on an online judging system focused on programming contests. However this study is mainly about development and application of the judging system based on client-server. Especially, we designed to promote metacognition and motivation which are emphasized in CRESST model, and implemented the total system that consists of the problem, data set, validation program, and user service environments. We applied our system to elementary, middle, and high school students, and We noticed a significant difference of average score between the experimental and control group in posttest and concluded that the teaching method using our system gave the bigger positive effects on programming learning.

• Journal of the Korea Society of Computer and Information
• /
• v.10 no.2 s.34
• /
• pp.113-121
• /
• 2005

In this paper, we design the hybrid learning algorithm of LVQ which is to perform EMG pattern recognition. The proposed hybrid LVQ learning algorithm is the modified Counter Propagation Networks(C.p Net. ) which is use SOM to learn initial reference vectors and out-star learning algorithm to determine the class of the output neurons of LVa. The weights of the proposed C.p. Net. which is between input layer and subclass layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVd algorithm, and pattern vectors is classified into subclasses by neurons which is being in the subclass layer, and the weights which is between subclass layer and class layer of C.p. Net. is learned to classify the classified subclass. which is enclosed a class . To classify the pattern vectors of EMG. the proposed algorithm is simulated with ones of the conventional LVQ, and it was a confirmation that the proposed learning method is more successful classification than the conventional LVQ.

• The Transactions of the Korea Information Processing Society
• /
• v.4 no.7
• /
• pp.1759-1769
• /
• 1997

The Error BackPropagation (EBP) algorithm for multi-layered neural networks is widely used in various areas such as associative memory, speech recognition, pattern recognition and robotics, etc. Nevertheless, many researchers have continuously published papers about improvements over the original EBP algorithm. The main reason for this research activity is that EBP is exceeding slow when the number of neurons and the size of training set is large. In this study, we developed new learning speed acceleration methods using variable learning rate, variable momentum rate and variable slope for the sigmoid function. During the learning process, these parameters should be adjusted continuously according to the total error of network, and it has been shown that these methods significantly reduced learning time over the original EBP. In order to show the efficiency of the proposed methods, first we have used binary data which are made by random number generator and showed the vast improvements in terms of epoch. Also, we have applied our methods to the binary-valued Monk's data, 4, 5, 6, 7-bit parity checker and real-valued Iris data which are famous benchmark training sets for machine learning.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1997.10a
• /
• pp.287-290
• /
• 1997

신경회로망은 높은 정확도의 학습 결과를 제시하는 장점을 가지고 있어서 패턴 인식을 포함한 여러 분야에서 널리 사용되어지고 있다. 그러나 신경회로망의 설계에 있어 최적의 뉴런과 층의 개수, 그리고 그 연결 등의 기하학적 해답을 제시하기가 어렵고, 서은이 우수하다고 알려진 역전파 학습 알고리즘도 오차가 없는 완벽한 학습 결과를 제시하지 못하며, 상당히 많은 학습 시간이 걸린다는 단점들을 가지고 있다. 이러한 단점들을 극복하기 위해 선형 신경회로망을 합성하는 새로운 방법을 제안하는데, 이진 함수 최소화(binary function minimization)과정을 거친 minimal-sum-of-product(MSP)를 통해서 이진 클래스 패턴(binary class pattem)을 표현 함으로써 오차가 없는 학습 결과를 얻을 수 있으며, 학습에 필요한 패턴과 학습에 걸리는 시간도 대폭 줄일수 있다. 본 논문에서는 유전자 알고리즘을 이용하여 선형 신경회로망을 합성하는 방법을 제안하며, 여러 가지 예제를 통해 제안한 방법의 우수성을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10a
• /
• pp.605-608
• /
• 2001

다층 신경망의 학습에 쓰이는 오류 역전파 학습은 매우 효과적이지만 학습 속도가 너무 느리고 최적의 은닉충의 뉴런의 수를 결정하는 해답은 아직 없는 실정이다. 또한 가끔은 국부 최소점(Local maxima)에 빠져 학습이 끝내 이루어지지 않는 경우가 있다. 이에 본 논문에서는 이러한 Local maxima 를 효과적으로 탈출 할 수 있는 방법에 대해서 연구해 보았다. 국부 최소점은 연결강도와 전체 오차 사이의 이차원 공간에서 표현할 수 있는데 본 알고리즘은 이러한 연결강도와 오차와의 관계를 인위적으로 변화시켜 결론적으로 Local maxima 를 탈출하게 하는 방법을 소개한다. 본 연구에서 사용된 방법은 네트웍이 학습중에 Local maxima 에 빠졌을 때 은닉층의 뉴런의 수를 추가하여 인위적으로 연결강도 평면의 위상을 변조시킨다. 또한 은닉충의 뉴런의 수를 동적으로 변화 시키면서 최적의 뉴런의 수를 결정할 수 있게 하였다. 위 알고리즘의 성능을 평가하기 위해서 XOR 문제와 $10{\times}8$ 영문폰트와 숫자의 학습에 적용하여 일반적인 역전파 학습과 비교 평가하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.808-810
• /
• 2005

문제중심학습은 학습자 스스로의 통제에 의한 학습자 중심의 자기주도적 학습이 특징이므로 학습자의 적극적인 참여를 유도하기 위하여 학습과점에 적절한 전략이 필요하다. 본 논문의 학습내용은 논리식 간략화이며, 학습자의 적극적인 참여 유도를 위하여 논리식 간략화 과정과 결과에 대한 즉각적인 피드백을 제공하는 지능형교수시스템(Intelligent Tutoring Systems)을 구현한다. 피드백에 관련된 알고리즘을 지능적으로 제공하기 위하여 논리식 간략화 알고리즘은 Tabulation Method를 이용한다. 본 논문의 지능형교수시스템(ITS)을 학습에 적용하면 논리식의 간략화 과정식과 결과 식에 대한 정오 판정은 물론 학습 활동에 맞아 떨어지는 즉각적인 피드백이 제공되므로 학습자 스스로 학습내용에 대한 인지도를 확인할 수 있다. 또한 학습 활동에 꼭 필요한 피드백을 제공하므로 학습에 대한 흥미를 유발시키고 지속화하여 적극적이 학습참여와 완전학습이 가능하다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.8 no.3
• /
• pp.344-355
• /
• 2002

Having a variety of good characteristics against other pattern recognition techniques, Multilayer Perceptron (MLP) has been used in wide applications. But, it is known that Error Backpropagation (EBP) algorithm which MLP uses in learning has a defect that requires relatively long leaning time. Because learning data in pattern recognition contain abundant redundancies, in order to increase learning speed it is very effective to use online-based teaming methods, which update parameters of MLP pattern by pattern. Typical online EBP algorithm applies fixed learning rate for each update of parameters. Though a large amount of speedup with online EBP can be obtained by choosing an appropriate fixed rate, fixing the rate leads to the problem that the algorithm cannot respond effectively to different leaning phases as the phases change and the learning pattern areas vary. To solve this problem, this paper defines learning as three phases and proposes a Instant Learning by Varying Rate and Skipping (ILVRS) method to reflect only necessary patterns when learning phases change. The basic concept of ILVRS is as follows. To discriminate and use necessary patterns which change as learning proceeds, (1) ILVRS uses a variable learning rate which is an error calculated from each pattern and is suppressed within a proper range, and (2) ILVRS bypasses unnecessary patterns in loaming phases. In this paper, an experimentation is conducted for speaker verification as an application of pattern recognition, and the results are presented to verify the performance of ILVRS.

• The Journal of Korean Association of Computer Education
• /
• v.11 no.4
• /
• pp.23-36
• /
• 2008

It's known by recent surveys that many students have difficulty in understanding the concepts of programming algorithms, and don't feel interested in learning them. Dynamic programming, one of the most important and widely-used algorithms in computer science, is especially feared by students and unlike other algorithms, it also requires understanding of the process of problem solving and storage space design as well as basic principles of the algorithm. And so it has not been properly covered in classes. In this paper, we developed a visual simulator to solve the above problems in learning dynamic programming. This learning simulator is designed for students to run the algorithms themselves and learn how it works by visualizing each step of dynamic programming and corresponding states of storage space.