• Proceedings of the Korean Statistical Society Conference
• /
• 2004.11a
• /
• pp.219-225
• /
• 2004

코호넨(T. Kohonen)의 자기조직화지도(Self-Organizing Map; SOM)은 저차원 그리드 공간에 고차원 다변량 자료를 축약하여 시각적으로 나타내는 비지도 학습법의 일종으로 최근 들어 통계 분석자들이 많은 관심을 가지고 있는 분야이다. 그러나 SOM은 개체공간의 연속형으로 표현되는 개체를 저차원 그리드공간에 승자노드에 비연속적으로 표현한다는 단점을 지니고 있다. 본 논문에서는 SOM을 통계적 목적으로 사용하기 위해 요구되는 그리드공간에 개체를 연속적으로 표현하는 방법들을 제안하고 활용 예를 제시하고자 한다

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.350-352
• /
• 2000

위성이 보내어오는 영상의 량은 인간이 일일이 실시간으로 검색할 수 없을 정도의 방대한 양이다. 그러므로 위성이 보내어오는 영상을 자동적으로 빠른 시간내에 분석하기 위하여 원패스로 성질이 유사한 영역을 묶어서 분류하는 알고리즘이 필요하다. 본 연구에서는 자기조직화 신경망(SOM)을 인공위성 영상을 원패스에 분할할 수 있도록 학습방법을 개선하였으며 개선된 SOM 알고리즘이 같은 원패스 알고리즘인 온라인 K-means과 비교하여 유효함을 알 수 있었다.

• Journal of Korean Academy of Nursing Administration
• /
• v.11 no.3
• /
• pp.265-273
• /
• 2005

Purpose: This study was to investigate the degree and pattern of learning organization and MBTI personality type in clinical nurses. Methods: The participants were 685 nurses working in the 8 general hospitals located in Seoul and Incheon. The data were collected by self-reporting questionnaires from April 1 to August 30, 2004. The data were analyzed using SAS program for descriptive statistics and Pearson's correlation coefficient. Results: The most frequent identified personality type was ISTJ and the least identified personal types was ENFJ. In 4 preference patterns, Extroversion, Sensing, Thinking and Judgement were identified a dominant index in each categories. The mean score of learning organization was 3.47 and the mental model was got the highest score. The EI index had a significant positive correlation with personal mastery. However the TF index had a negative correlation with personal mastery, systems thinking, and mental models, and also the JP index had a negative correlation with 5 learning organization sub categories. Conclusion: With these results, it was identified that the preference patterns on MBTI had the significant correlation with learning organization. So these results will be used to develop the more effective strategies to increase learning organization based on nurse's personality types.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.10 no.11
• /
• pp.3390-3398
• /
• 2009

The knowledge management starts from the enhancement of learning capability in the members of the organization. The strategic change into the learning organization should be aligned with the change of organizational strategy, structure and processes. The study employed action learning methodology to transform the traditional organization into the learning one. The learning organization project has been successful thanks to the members' zeal and consensus to change the processes. However, not every learning team has been so successful. Some cases complained time consuming where others expect to be helpful for their incentives. The researchers concluded that the most important point for success of the learning organization project should be the support of top management.

• Journal of KSNVE
• /
• v.10 no.2
• /
• pp.331-337
• /
• 2000

The necessity of diagnosis of the rotating machinery which is widely used in the industry is increasing. Many research has been conducted to manipulate field vibration signal data for diagnosing the fault of designated machinery. As the pattern recognition tool of that signal, neural network which use usually back-propagation algorithm was used in the diagnosis of rotating machinery. In this paper, self-organizing feature map(SOFM) which is unsupervised learning algorithm is used in the abnormal defect diagnosis of rotating machinery and then learning vector quantization(LVQ) which is supervised learning algorithm is used to improve the quality of the classifier decision regions.

• The Korean Journal of Applied Statistics
• /
• v.16 no.2
• /
• pp.321-333
• /
• 2003

Self-organizing map (SOM), a unsupervised learning neural network, has been developed by T. Kohonen since 1980's. Main application areas were pattern recognition and text retrieval. Because of that, it has not been spread to statisticians until late. Recently, SOM's are frequently drawn in data mining fields. Kohonen's SOM, however, needs improvements to become a statistician's standard tool. First, there should be a good guideline as for the size of map. Second, an enhanced visualization mode is wanted. In this study, principal components self-organizing map (PC-SOM), a modification of Kohonen's SOM, is proposed to meet such needs. PC-SOM performs one-dimensional SOM during the first stage to decompose input units into node weights and residuals. At the second stage, another one-dimensional SOM is applied to the residuals of the first stage. Finally, by putting together two stages, one obtains two-dimensional SOM. Such procedure can be easily expanded to construct three or more dimensional maps. The number of grid lines along the second axis is determined automatically, once that of the first axis is given by the data analyst. Furthermore, PC-SOM provides easily interpretable map axes. Such merits of PC-SOM are demonstrated with well-known Fisher's iris data and a simulated data set.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04a
• /
• pp.577-580
• /
• 2002

인터넷상의 정보의 급증에 따라 필요한 정보를 발견하고 관련된 정보를 조직화하기가 더욱 어려워지고 있으며 정보 접근의 부하를 줄이기 위한 효율적인 문서 분류의 중요성 및 필요성이 증가하고 있다. 본 논문에서는 디렉토리 내의 학습 문서 집합을 기반으로 구성된 디렉토리 내의 대표 용어 집합으로 구성된 모델을 학습 및 분류하기 위해 SVM을 사용한다. 문서분류를 위해 정보통신 웹 디렉토리 내의 문서로부터 추출된 용어 집합을 기반으로 학습을 수행한 후 문서 분류를 수행한다. 또한 TFiDF를 기반으로 특징을 표현하기 위해 벡터공간 모델을 사용하였고 이를 기반으로 성능 평가를 수행한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2011.01a
• /
• pp.137-140
• /
• 2011

시설의 안전성 평가에 대한 연구는 안전성에 영향을 주는 데이터를 정량화하여 획일적인 자동 수행하는 안전관리가 주를 이루고 있다. 이와 달리 자율수행은 수집 된 상황 정보나 상태 데이터를 이용하여 안전성을 예측하고 사고 위험성을 경보하여 사고를 예방 할 수 있다. 본 연구에서는 다양한 시설물 중에서 가스배관의 부식에 대한 판단을 위해서 신경망의 대표적 비지도학습인 자기조직화지도를 적용한다. SOM의 적용에서는 주변효과를 보완하기 위해서 관계적관점지도로 맵을 구성한다. 학습 할 데이터는 가스배관의 방식전위이다. 배관의 부식상태를 확인하기 위하여 수집 된 데이터인 방식전위에는 부식에 대한 위험요인이 내재되어 있다. 학습 후 새로운 데이터가 입력되면 각 상태 군집의 중심뉴런과 맵핑된 뉴런의 유사도를 측정하여 배관의 부식상태를 결정한다. 제안 된 방법으로 판단 된 결과를 기존에 사람이 판단한 결과와 비교하여 검증한다. 이를 통해 배관의 부식상태를 자율적이고 신속하게 판단하여 지능화 된 가스배관 관리로 활용한다.

• The Journal of Korean Academy of Sensory Integration
• /
• v.16 no.3
• /
• pp.11-21
• /
• 2018

Objective : The purpose of this study is to investigate correlation of sensory processing patterns, learning styles and learning strategies for university students. Methods : Participants of this study are 115 students from K university in Busan, South Korea. Measurements are Adolescent/Adult Sensory Profile (AASP) for sensory processing patterns, the Study Process Questionnaire (SPQ) for learning styles, and the Motivated Strategies for Learning Questionnaire (MSLQ) for learning strategies. The data collected was analyzed by SPSS/WIN 20.0 for chisuare test and Pearson corelation coefficient. Results : For sensory processing patterns and learning styles, there were correlation between low registration type and surface type of learning (p=0.03), and between sensory seeking type and deep type of learning (p=0.02). For sensory processing patterns and learning strategies, sensory seeking type was correlated with organized learning strategy (p=0.00), and sensory sensitivity type was correlated with organizational learning strategy (p=0.03) and meta-cognitive learning strategy (p=0.00). Conclusion : This study found that there is correlation between sensory processing patterns, learning styles and learning strategies with implying learning styles and learning strategies can be different depends on sensory procession pattern. The results of this study can be used as a basic data to select learning type and learning strategy appropriate for an individual based on his or her sensory processing patterns.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.77-80
• /
• 2002

이상치를 포함한 학습 데이터의 군집화 전략은 일반적으로 이상치를 포함하여 학습하거나, 이상치를 제거하는 두 가지 선택이 가능하다. 이상치를 제거하지 않고 학습에 반영시켜야 할 경우 한 개 또는 소수의 이상치가 독자적인 군집을 형성하거나 객관적인 군집화를 방해하는 문제가 발생할 수 있다. 이 때 주어진 학습 데이터의 군집 결과가 이상치의 영향으로부터 벗어나기 위해 원래의 학습 데이터에 대한 변환 작업을 거친 후 군집화를 수행할 수 있다. 이러한 변환 방법으로서 본 논문에서는 차원 축소의 기법으로 알려진 인자 분석의 점수를 사용하였다. 인자 점수로 변환된 학습 데이터에 대해 계층적 군집화, K-means 그리고 자기조직화 지도 등과 같은 군집화 알고리즘을 적용하면 이상치가 자신만의 군집을 별도로 형성하지 않고 다른 학습 데이터의 군집에 소속되면서 이상회의 영향으로부터 벗어남을 실험을 통하여 확인하였다.