• The KIPS Transactions:PartB
• /
• v.8B no.2
• /
• pp.130-136
• /
• 2001

본 논문에서는 새로운 학습알고리즘의 비선형 주요성분분석 신경망을 이용한 영상데이터의 효율적인 특징추출에 대하여 제안한다. 제안된 학습알고리즘에서는 최적해로 수렴하는 과정에서 발생할 수도 있는 진동을 억제하여 빠른 속도의 수렴이 가능하도록 하기 위해 모멘트를 이용하였고, 국소최적해를 만났을 때 이를 벗어난 전역최적해로의 수렴을 위한 새로운 연결가중치의 설정을 위하여 동적터널링을 이용함으로써 빠른 수렴속도로 전역최적해에 수렴되도록 학습시킬 수 있다. 제안된 학습알고리즘을 이용한 신경망을 256$\times$256 픽셀의 간암영상과 128$\times$128 픽셀의 얼굴영상을 대상으로 실험한 결과, 기울기하강의 학습알고리즘을 이용한 기존 비선형 주요성분분석 신경망보다 우수한 수렴성능과 특징추출성능이 있음을 확인 할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.04b
• /
• pp.1029-1032
• /
• 2001

자기구성 특징지도(Self-Organizing feature Map : SOM) 및 $L^*$ 등의 자가 학습 신경망의 알고리즘들은 학습 결과 중에 바람직하지 못한 뒤틀림 현상(cross-over)을 생성하게 되므로 재학습으로 인한 전반적인 학습 시간의 지연을 초래한다. 이 논문에서는 비교적 학습 속도가 빠른 $L^*$의 점증적 학습 구조를 기본으로 하여 뒤틀림 현상 방지를 목적으로 초기 학습 단계에서 학습 가중치들의 노드들을 재조정하는 개선된 알고리즘을 제안한다. 이러한 알고리즘의 실험 결과는 모두 정상적인 학습 결과를 보이고 학습의 시행 착오적인 재실행이 없으므로 전반적인 학습 속도는 기존의 알고리즘보다 빠르게 됨을 보인다.

• 한국정보교육학회:학술대회논문집
• /
• 2007.01a
• /
• pp.181-187
• /
• 2007

미래의 지식기반사회를 준비하기 위한 컴퓨터 교육이 나아가야할 방향은 컴퓨터 과학교육의 강조이며 또한 컴퓨터 과학교육은 프로그래밍과 알고리즘 등의 내용을 학습하고 이를 통해 컴퓨터의 기본 원리와 논리적인 사고력을 배양해야 한다는 많은 연구가 있었다. 이에 본 논문에서는 컴퓨터 과학교육의 중요한 한 부분인 알고리즘을 초등 컴퓨터 교육에 적용하여 학습자가 컴퓨터 알고리즘과 알고리즘의 과정을 이해하고 더 나아가 자신만의 알고리즘을 개발하는 과정을 통해 알고리즘적 사고능력을 기를 수 있도록 학습내용을 선정, 조직하여 적용하였다. 인지발달이 구체적 조작기에 머물고 있는 학습자들의 인지수준을 고려하여 문제해결학습모형을 기반으로 하여 구체적 조작활동이 포함된 교수-학습 모형을 구안해 적용해보았다.

• 한국정보교육학회:학술대회논문집
• /
• 2006.01a
• /
• pp.243-248
• /
• 2006

본 연구는 초등학교 학생 수준에 맞는 알고리즘 교육을 위한 웹 기반 시뮬레이션의 설계 방안을 제시하는데 목적이 있다. 이에 따라 본 연구에서는 알고리즘 교육을 위한 시뮬레이션 모형을 기반으로 자료 처리의 가장 기본이 되는 정렬 및 탐색 알고리즘으로 제한하여 설계 방안을 고찰하였다. 각각의 알고리즘 학습을 위해 실생활과 밀접한 모의상활을 제시하여 알고리즘 학습에 대한 학습동기를 극대화할 수 있도록 설계하였다. 본 연구에서 설계한 시뮬레이션을 개발하여 적용한다면 초등학교 수준에 맞는 알고리즘 교수-학습에 도움을 줄 것으로 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.910-913
• /
• 2021

Successor representation (SR) 은 두뇌 내 해마의 공간 세포가 인지맵을 구성하여 환경을 학습하고, 이를 활용하여 변화하는 환경에서 유연하게 최적 전략을 수립하는 기전을 모사한 강화학습 방법이다. 특히, 학습한 환경 정보를 활용, 환경 구조 안에서 목표가 변화할 때 강인하게 대응하여 일반 model-free 강화학습에 비해 빠르게 보상 변화에 적응하고 최적 전략을 찾는 것으로 알려져 있다. 본 논문에서는 SR 기반 강화학습 알고리즘이 보상의 변화와 더불어 환경 구조, 특히 환경의 상태 천이 확률이 변화하여 보상의 변화를 유발하는 상황에서 어떠한 성능을 보이는 지 확인하였다. 벤치마크 알고리즘으로 SR 의 특성을 목적 기반 강화학습으로 통합한 SR-Dyna 를 사용하였고, 환경 상태 천이 불확실성과 보상 변화가 동시에 나타나는 2-stage 마르코프 의사결정 과제를 실험 환경으로 사용하였다. 시뮬레이션 결과, SR-Dyna 는 환경 내 상태 천이 확률 변화에 따른 보상 변화에는 적절히 대응하지 못하는 결과를 보였다. 본 결과를 통해 두뇌의 강화학습과 알고리즘 강화학습의 차이를 이해하여, 환경 변화에 강인한 강화학습 알고리즘 설계를 기대할 수 있다.

• The Journal of Korean Association of Computer Education
• /
• v.12 no.1
• /
• pp.33-44
• /
• 2009

In this study, we selected an educational robot as a suitable tool to support algorithm learning for middle school learners through comparative analysis of various tools. Educational robot can provide tangible experiences for abstract concepts of algorithms. Therefore, we developed an algorithm learning program with educational robots to enhance intrinsic motivation and creative problem solving ability for middle school learners. Also, we implemented the developed program in middle schools and analysed the educational effects of the program. We found that the algorithm learning program with robots was helpful in enhancing learners' intrinsic motivation about algorithm learning and creative problem solving potential. These findings may offer useful direction for designing teaching and learning program for algorithm education. These results can be used as a basis for study on designing and developing algorithm learning program.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.15 no.1
• /
• pp.85-92
• /
• 2020

Deep learning shows outstanding performance in image and video analysis, such as object classification, object detection and semantic segmentation. In this paper, it is analyzed that the performances of deep learning models can be affected by characteristics of train dataset. It is proposed as a method for selecting activation function and optimization algorithm of deep learning to classify facial expression. Classification performances are compared and analyzed by applying various algorithms of each component of deep learning model for CK+, MMI, and KDEF datasets. As results of simulation, it is shown that genetic algorithm can be an effective solution for optimizing components of deep learning model.

• The Journal of the Acoustical Society of Korea
• /
• v.17 no.4
• /
• pp.72-75
• /
• 1998

본 논문에서는 기존에 제시된 수정된 K-평균 방법을 이용한 VQ 학습 알고리즘을 분석하고, 보다 개선된 성능을 보이는 학습 알고리즘을 제안한다. 수정된 K-평균 학습 알고 리즘은 자기 집단에 속하는 데이터의 중심을 데이터의 중심을 새로운 코드워드로 삼는 것이 아니라 현재 코드워드와 새로 구한 집단의 중심을 연결한 선상에서 새로 구한 중심 너머의 일정한 점을 새로운 코드워드로 선택하는 방식이다. 본 논문에서는 이렇게 구한 새로운 코 드워드가 어떠한 조건을 만족할 때 알고리즘이 반복적 감소의 성질을 가지는지 살펴보고, 그 조건을 만족시키는 영역 중 기존의 방식보다 더 좋은 성능을 보이는 코드워드 선택법을 제시함으로써 개선된 학습 알고리즘을 제안한다.

• Journal of The Korean Association of Information Education
• /
• v.13 no.2
• /
• pp.225-236
• /
• 2009

According to the revised guideline for information & communication technology, algorithm has to be dealt with the learning contents from elementary school, so now it needs to study various educational methods for students to learn algorithm easily and effectively. In this study, after selecting sort algorithms as the content of learning, which is recognized as an important part of algorithm, an playing activity-based algorithm teaching method and an animation-based algorithm learning and teaching method were applied for the lower graders of an elementary school. Sorting algorithm education is adopted in two different ways, then we got two conclusions after analyzing the results of a specially designed achievement test and the questionnaire. First, there were not great differences in both educational methods in academic achievement, but it was clear that the lower grade elementary students can learn algorithm with ease. Second, the playing activity-centered algorithm education is more effective than animation-based education in improving students' comprehension, interest and satisfaction.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.308-314
• /
• 2002

본 논문은 2인용 보드게임의 정보에 대한 전략을 학습할 수 있는 방법을 유전자기반 역전파 신경회로망과 Temporal Difference학습알고리즘을 이용하여 제안하였다. 학습의 과정은 역전파에 의한 초기학습에 이어 국부해의 단점을 극복하기 위하여 미세학습으로 유전자알고리즘을 이용하였다. 시스템의 구성은 탐색을 담당하는 부분과 기물의 수를 발생하는 부분으로 구성되어 있다. 수의 발생부분은 보드의 상태에 따라서 갱신되고, 탐색커널은 αβ탐색을 기본으로 유전자알고리즘을 이용하여 가중치를 최적화하는 유전자기반 역전파 신경회로망과 TD학습을 결합하여 게임에 대해 양호한 평가함수를 학습하였다. 일반적으로 많은 학습을 통하여 평가함수의 정확도가 보장되면 승률이 학습의 양에 비례함을 알 수 있었다.