• Journal of Institute of Control, Robotics and Systems
• /
• v.2 no.2
• /
• pp.108-114
• /
• 1996

We present proofs of the stability and convergence of Self-organizing feature map (SOFM) neural network with time-invarient learning rate and binary reinforcement function. One of the major problems in Self-organizing feature map neural network concerns with learning rate-"Kalman Filter" gain in stochsatic control field which is monotone decreasing function and converges to 0 for satisfying minimum variance property. In this paper, we show that the stability and convergence of Self-organizing feature map neural network with time-invariant learning rate. The analysis of the proposed algorithm shows that the stability and convergence is guranteed with exponentially stable and weak convergence properties as well.s as well.

• Knowledge Management Research
• /
• v.11 no.1
• /
• pp.115-128
• /
• 2010

The dramatic increase in e-Learning enrollments in higher education is likely to continue. These e-Learning environments have made learning much more convenient by stretching the spatial and temporal barriers. Their effectiveness, however, remains to be examined. In this research, the author explore the importance of personalization, interactivity and the important role of contents organizing in online education environment. Furthermore, the authors divide e-learning outcome into psychomotor, cognitive, and affective outcome. Indeed, e-Learning for psychomotor outcome has been viewed as impossible. The authors discuss the implications of the findings for theory and practice.

• Journal of the Korean Institute of Telematics and Electronics C
• /
• v.34C no.11
• /
• pp.95-103
• /
• 1997

A robust center estimation tecnique of n-fold engineering parts is presented, which use self-organizing neural networks with generating and merging learning for training neural units. To estimate the center of the n-fold engineering parts using neural networks, the segmented boundaries of the interested part are approximated to strainght lines, and the temporal estimated centers by thecosine theorem which formed between the approximaged straight line and the reference point, , are indexed as (.sigma.-.theta.) parameteric vecstors. Then the entries of parametric vectors are fed into self-organizing nerual network. Finally, the center of the n-fold part is extracted by mean of generating and merging learning of the neurons. To accelerate the learning process, neural network uses an adaptive learning rate function to the merging process and a self-adjusting activation to generating process. Simulation results show that the centers of n-fold engineering parts are effectively estimated by proposed technique, though not knowing the error distribution of estimated centers and having less information of boundaries.

• Proceedings of the Korean Society for Cognitive Science Conference
• /
• 2000.05a
• /
• pp.235-240
• /
• 2000

창의성 연구는 개인적, 사회적 맥락에서 고려해야 할 다양한 시사점을 가진 분야이다. 하지만 지금까지 창의성 연구는 창의성 자체에 대한 개념이 명확하지 않을 뿐 아니라, 창의성을 태어날 때부터 타고나는 고유한 영역이라는 인식 때문에 그에 대한 연구가 비교적 부족한 실정이다. 본 연구에서는 창의성이 새로운 정보를 기존 지식과 결합하여 이를 문제상황에서 적용하여 유용함을 입증하는 행위라는 전제하에, 각 개인에게 내재된 창의적 사고 능력이 특정한 지시 혹은 학습방법(소리내어 가르치기)의 경험을 통해 발현될 수 있으리라 보았다. 창의성의 핵심요소인 통합적, 분석적, 실용적 사고능력을 측정하여 창의성이 높고, 낮은 집단을 구분하고, 이를 근거로 게임 규칙을 소리내어 가르치기 경험을 한 집단과 통제집단(단순암기)으로 각각 구분하여 게임에서 승리, 즉 창의적 문제해결이 소리내어 가르치기 방법을 통해 실현될 수 있음을 알아보고자 했다. 창의적 사고능력은 소리내어 가르치기를 경험한 집단에서 유의미하게 발현되었다. 또한 소리내어 가르치는 경험을 한 실험참가자들은 프로토콜 분석에서 보다 정교화된 게임의 규칙을 생성하였으며, 게임의 규칙을 정확히 알고 있는 것으로 나타났다. 이는 가르치는 경험을 통해 새로운 정보를 보다 잘 조직화하고, 이를 실제 문제상황에 적용한 것으로 해석되었다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2000.11a
• /
• pp.763-780
• /
• 2000

21세기 경영전략 중 속도와 유연성을 가능하게 하는 것은 디지털을 기반으로 하는 정보기술이다. 1959년 Edith Penrose 가 "경영자원론적 기업론"에서 핵심역량 이론을 통해 연구한 후로, 지식증가의 중요성은 더 이상 무시될 수 없게 되었다(Penrose,1959). 지식 및 지식경영에 대한 개념이 구체적으로 형성되기 전에 1980년대 초부터 실무에서 먼저 지식의 중요성을 깨닫고 기업에서 이러한 지식을 어떻게 축적ㆍ관리 할 것인가에 초점을 둔 활동들이 수행되었다. 특히, 상당부분의 관심이 기술적 지식을 창출, 조직화, 이용하고 그래서 결과적으로 혁신을 가져올 원천들을 응용하는 방법에 집중되고 있다. 특히, 그 초점은 새로운 제품이나 프로세스를 창출하거나, 기존 제품 혹은 프로세스를 개선해서 보다 잘 시장의 요구에 부합하고 지속적으로 경쟁우위를 유지할 수 있도록 하는데 있다(Cole, 1998).(중략)1998).(중략)

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.280-282
• /
• 2005

초파리 초기 발생과정은 gap 유전자, pair-rule 유전자, polarity 유전자의 세 가지 유전자 그룹에 의해서 조직화 된다. Gap 유전자들에 의해 pair-rules 유전자들의 발현이 조절되며, 이들에 의해 결국 polarity 유전자들의 발현을 조절함으로써, 정확한 위치에서 각 기관의 형성을 유도한다. 특히 분열 14단계에서는 pair-rule 유전자 중의 하나인 eve 유전자의 발현이 조절되는데, eve 유전자는 배아의 분할의 줄무늬를 형성시키는 유전자에 해당된다. 본 논문에서는 eve 유전자의 발현조절자인 hunchback, giant, kruppel, bicoid의 gap 유전자들로 구성된 조절 네트워크를 S-system을 이용하여 모델링하였다. 이를 통해 각 유전자들의 발현 데이터로부터 파라미터들을 진화 연산을 통해 예측하고, 각 유전자들의 발현에 대한 시뮬레이션 결과를 보여준다. 예측된 결과와 실제 데이터의 비교는 전체적으로 패턴이 서로 유사함을 보여주고 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10c
• /
• pp.385-389
• /
• 2007

전통적인 디지털 박물관 시스템은 전시를 조직화하는 단순한 기능에 촛점을 두고 있으며 설계 패턴은 전시 항목들에 기반을 두고 있다. 이것의 생명주기는 직선적이고 피드백과 재사용성이 부족하여 생명 주기에서 지식 처리를 다루는 것에 대해서는 관심을 가지지 않고 있다. 하지만 현대 디지털 박물관은 급진적으로 증가하는 정보를 다루어야 하고, 디지털 감상, E-학습과 관련 연구를 위해 통합된 기능을 제공해야 한다. 이러한 요구사항들은 디지털 박물관에서 객체들이 고수준으로 추상화되고, 생명주기도 반복적이며 재사용이 가능하도록 요구하고 있다. 그러므로 체계적으로 통합된 지식처리 과정들이 디지털 박물관에서 정보시스템을 다루기 위해서 절대적으로 필요하게 되었다. 본 논문에서는 현대 디지털 박물관 시스템에서 새로운 생명주기를 제안한다. 지식 흐름(knowledge flow)은 디지털 박물관 생명주기에 걸쳐서 모든 정보 흐름으로부터 고수준으로 추상화된 객체이다. 지식 흐름을 따라가게 되면 이 특별한 생명주기는 정의된 시금석으로서 다차원의 분수 모델(Fountain Model)과 비슷하며, 이 생명주기에서 지식처리 과정은 각 차원에서 다른 강조점을 지닌 계층으로 잘 나누어진다. 또한 분산된 지식 처리 절차를 체계적이고 재사용할 수 있도록 통합하기 위한 지식 기반 소프트웨어 공학 접근방법을 제공한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.310-316
• /
• 1998

본 논문에서는 기존의 퍼지 제어규칙에비해 좋은 성능을 갖는 T-S(Takagi-Sugeno)퍼지 모델을 자기조직화 지도와 역전파 신경망을 이용하여 표현하고 제어기 구현을 위한 규칙의 자동 생성 방법을 제안한다. 제안된 방법은 신경망에 기초하여 T-S 퍼지 제어 규칙을 포현하므로써 학습 기능을 이용하여 지식 획득을 용이하게 하고, 입력 변수간의 퍼지 관계에 기반 하여 추론이 이루어지므로 각 퍼지 변수에 대한 소속 함수의 정의 과정이 불필요하게 된다. 또한 제어기로 구현되었을 때 규칙의 수나 퍼지화 및 비퍼지화 등이 구성된 추론망을 통하여 자동으로 수행될 수 있다. 때문에 퍼지 시스템의 구현이 쉽게 이루어 질 수 있게 한다. 제안된 방법을 자동차 궤도 안정화 모의 실험에 적용해 봄으로써 추론망이 규칙을 생성하여 타당한 추론을 하게 됨을 확인한다.

• The Transactions of the Korean Institute of Electrical Engineers D
• /
• v.53 no.5
• /
• pp.353-360
• /
• 2004

This paper considers reinforcement learning control with the self-organizing map. Reinforcement learning uses the observable states of objective system and signals from interaction of the system and environment as input data. For fast learning in neural network training, it is necessary to reduce learning data. In this paper, we use the self-organizing map to partition the observable states. Partitioning states reduces the number of learning data which is used for training neural networks. And neural dynamic programming design method is used for the controller. For evaluating the designed reinforcement learning controller, an inverted pendulum on the cart system is simulated. The designed controller is composed of serial connection of self-organizing map and two Multi-layer Feed-Forward Neural Networks.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.08a
• /
• pp.325-328
• /
• 2000

텍스쳐 분석은 장면 분할, 물체 인식, 모양과 깊이 인식 등의 많은 영상 처리 분야에서 중요한 기술 중의 하나이다. 그러나 실영상에 포함된 다양한 텍스쳐 성분에 대해서 보편적으로 적용 가능한 효율적인 방법들에 대한 연구는 미흡한 실정이다. 본 논문에서는 텍스쳐 인식을 위해서 비교사 학습 방법에 기반 한 효율적인 텍스쳐 분석 기법을 제안한다. 제안된 방법은 텍스쳐 영상이 지닌 방향특징 정보로서 각(angle)과 강도(power)를 추출하여 자기 조직화 신경회로망에 의해서 블록기반으로 군집화(clustering)된다. 비교사적 군집 결과는 통합(merging)과 불림(dilation) 과정을 통해서 영상에 내재된 텍스쳐 성분의 분할을 수행한다. 제안된 시스템의 성능 평가를 위해서는 다양한 형태의 다중 텍스쳐 영상을 생성하여 적용한 후 그 유효성을 보인다.