• Journal of the Institute of Electronics Engineers of Korea TE
• /
• v.39 no.2
• /
• pp.66-75
• /
• 2002

This paper presents an adaptive back propagation algorithm that its able to enhancement for the learning efficiency with updating the learning parameter and varies the number of hidden layer node by the generated error, adaptively. This algorithm is expected to escaping from the local minimum and make the best environment for the convergence of the back propagation neural network. On the simulation tested this algorithm on three learning pattern. One was exclusive-OR learning and the another was 3-parity problem and 7${\times}$5 dot alphabetic font learning. In result that the probability of becoming trapped in local minimum was reduce. Furthermore, the neural network enhanced to learning efficient about 17.6%~64.7% for the existed back propagation. 

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.27 no.6
• /
• pp.1385-1395
• /
• 2017

This paper aims to develop an IDS (Intrusion Detection System) that takes into account class imbalanced datasets. For this, we first built a set of training data sets from the Kyoto 2006+ dataset in which the amounts of normal data and abnormal (intrusion) data are not balanced. Then, we have run a number of tests to evaluate the effectiveness of machine learning techniques for detecting intrusions. Our evaluation results demonstrated that the Random Forest algorithm achieved the best performances.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.11a
• /
• pp.43-45
• /
• 2013

본 논문은 안경착용 얼굴영상을 위한 실시간 눈 인식 알고리즘을 제안한다. 학습 알고리즘에 기반한 기본의 눈 인식 방법은 안경을 착용한 얼굴영상이 입력으로 주어질 경우 안경의 다양한 크기와 색깔, 형태로 인해 알고리즘의 학습 효율이 크게 떨어져 낮은 눈 인식 성능을 갖게 된다. 제안하는 방법은 모폴로지 연산을 통해 얼굴영상에서 안경이 포함된 부분을 검출하여, 안경으로 인한 눈 인식 알고리즘의 성능저하를 막는다. 성능평가를 위해 제안하는 방법을 Viola & Jones의 눈 인식 학습 기반 눈 인식 알고리즘에 적용하였으며 Spacek의 얼굴영상 데이터베이스를 실험 영상으로 사용하였다. 실험 결과, 제안하는 방법은 기존 눈 인식 알고리즘의 처리속도를 15fps (frames per second)에서 14.2fps로 하락시키면서 인식률을 75%에서 96.3%로 향상하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.18-20
• /
• 2020

본 연구에서는 고차원 데이터에 대한 차원축소 및 군집 분석과 같은 비지도 학습 알고리즘에 대해 알아보기 위해서 얼굴 이미지 데이터 셋을 사용한다. 얼굴 데이터 셋에 대하여 주요 비지도 학습 알고리즘을 이용하여 실시간으로 클러스터링하고, 그 성능을 비교한다. 비디오에서 추출된 영상 속의 7명의 인물에 대하여 Scikit-learning 라이브러리에서 제공하는 클러스터링 알고리즘과 더불어 주요 차원축소 알고리즘(Dimension Reduction Algorithm)을 사용하여 총 10개의 알고리즘에 대하여 분석한다. 또한, 클러스터링 성능 검사를 통해 알고리즘의 성능을 비교해보고, 이를 통하여 앞으로의 연구 방향에 대해 고찰한다.

• The Journal of Korean Association of Computer Education
• /
• v.19 no.6
• /
• pp.55-68
• /
• 2016

Informatics curriculum revised 2015 proposed the use of block type and text type of programming language by organizing problem solving and the programming unit in a spiral. The purpose of this study is to find out whether the algorithms helps programming learning and whether there is a positive transition effect in block type programming learning to text type programming trailing learning. For 15 elementary school students was conducted block type and text type programming learning. As a result of the research, it is confirmed that writing the algorithm in a limited way can interfere with the learner's expression of thinking, but the block type programming learning has a positive transition to the text type programming learning. This study is meaningful that it suggested a plan for the programming education which is sequential from elementary school.

• Journal of KIISE:Software and Applications
• /
• v.34 no.12
• /
• pp.1045-1055
• /
• 2007

Latent topic models are statistical models which automatically captures salient patterns or correlation among features underlying a data collection in a probabilistic way. They are gaining an increased popularity as an effective tool in the application of automatic semantic feature extraction from text corpus, multimedia data analysis including image data, and bioinformatics. Among the important issues for the effectiveness in the application of latent topic models to the massive data set is the efficient learning of the model. The paper proposes an accelerated learning technique for PLSA model, one of the popular latent topic models, by an incremental EM algorithm instead of conventional EM algorithm. The incremental EM algorithm can be characterized by the employment of a series of partial E-steps that are performed on the corresponding subsets of the entire data collection, unlike in the conventional EM algorithm where one batch E-step is done for the whole data set. By the replacement of a single batch E-M step with a series of partial E-steps and M-steps, the inference result for the previous data subset can be directly reflected to the next inference process, which can enhance the learning speed for the entire data set. The algorithm is advantageous also in that it is guaranteed to converge to a local maximum solution and can be easily implemented just with slight modification of the existing algorithm based on the conventional EM. We present the basic application of the incremental EM algorithm to the learning of PLSA and empirically evaluate the acceleration performance with several possible data partitioning methods for the practical application. The experimental results on a real-world news data set show that the proposed approach can accomplish a meaningful enhancement of the convergence rate in the learning of latent topic model. Additionally, we present an interesting result which supports a possible synergistic effect of the combination of incremental EM algorithm with parallel computing.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.341-344
• /
• 2005

최근 모바일 인터넷 기술의 발달로 인하여 시간과 공간의 제약 없이 온라인 공간을 통한 학습자 주도적이고 상호작용이 가능한 e-Learning의 학습효과에 대한 인식의 급속한 확산에 따라 다양한 기술을 이용한 효과적인 모바일 e-Learning 콘텐츠 개발이 활발하게 진행되고 있다. 그러나 기존의 학습 콘텐츠들은 대부분 학습자에게 동일한 학습 환경과 학습 내용 및 문제를 제공하고 있으며, 또한 웹의 특성상 학습진행이 주어진 절차에 따라 연결된 링크를 따라 가면서 학습을 진행하게 된다. 그러나 본 연구에서는 프로그래밍 과목에 대해 학습자가 원하는 학습 내용을 자기 학습 수준에 따라 간단한 입력으로 동적으로 직접 선택할 수 있으며, 또한 다양한 학습 환경에서 학습자가 원하는 학습내용을 대화형 유전자 알고리즘으로 선택하면서 학습할 수 있는 모바일 e-Learning 콘텐츠를 설계하고 구현하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.7A
• /
• pp.1182-1188
• /
• 2001

인터넷 환경 아래에서 멀티미디어 매체 및 컴퓨터 통신 기술의 발전은 사회전반의 변혁을 가속화하게 되었다. 교육에 있어서도 수동적인 자료 중심으로 상호작용하고 시간과 공간을 초월하는 새로운 구조에 대한 연구가 활발히 진행되어 왔다. 새로운 교수-학습 활동의 형태로 웹을 기반으로 한 교육(WBI : Web-Based Instruction)이라는 모형이 제시되고 있다. 또한, 학습자의 필요에 응하는 코스웨어의 제공이 요구되고 있으며 이에 따라 웹 기반 교육 시스템에 효율적이고 자동화된 교육 에이전트의 필요성이 인식되고 있다. 그러나 현재 연구되고 있는 많은 교육 시스템들은 학습자가 원하는 코스를 적절히 제공하지 못하고, 계속적인 피드백과 부족한 부분을 적절히 반복 학습할 수 있도록 인도하지 못하고 있다. 본 논문에서는 학습자의 성취도 생성 알고리즘을 이용한 코스 스케줄링 멀티 에이전트 시스템을 설계하고 구현함으로써 보다 효율적인 학습을 유도한다. 제안한 시스템은 학습자의 학습활동을 지속적으로 모니터링하고 평가하여 개인 학습자의 학습 성취도를 계산하며, 이 성취도를 에이전트의 스케줄에 적용하여 학습자에게 적합한 코스를 제공하고, 학습자는 이러한 코스에 따라 능력에 맞는 반복된 학습을 통하여 적극적인 완전학습을 수행하게 된다.

• Journal of radiological science and technology
• /
• v.30 no.4
• /
• pp.419-426
• /
• 2007

In this paper, the input pattern vectors are extracted and the learning algorithms is designed to recognize taste(bitter, sweet, sour and salty) pattern vectors. The signal intensity of taste are used to compose the input pattern vectors. The SOM(Self Organizing Maps) algorithm for taste pattern recognition is used to learn initial reference vectors and the ot-star learning algorithm is used to determine the class of the output neurons of the sunclass layer. The weights of the proposed algorithm which is between the input layer and the subclass layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVQ(Learning Vector Quantization) algorithm. The pattern vectors are classified into subclasses by neurons in the subclass layer, and the weights between subclass layer and output layer are learned to classify the classified subclass, which is enclosed a class. To classify the pattern vectors, the proposed algorithm is simulated with ones of the conventional LVQ, and it is confirmed that the proposed learning method is more successful classification than the conventional LVQ.

• Journal of the Korea Society of Computer and Information
• /
• v.11 no.5 s.43
• /
• pp.95-103
• /
• 2006

In this paper, the input pattern vectors are extracted and the learning algorithms is designed to recognize EEG pattern vectors. The frequency and amplitude of alpha rhythms and beta rhythms are used to compose the input pattern vectors. And the algorithm for EEG pattern recognition is used SOM to learn initial reference vectors and out-star learning algorithm to determine the class of the output neurons of the subclass layer. The weights of the proposed algorithm which is between the input layer and the subclass layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVQ algorithm, and pattern vectors is classified into subclasses by neurons which is being in the subclass layer, and the weights between subclass layer and output layer is learned to classify the classified subclass, which is enclosed a class. To classify the pattern vectors of EEG, 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.