• 디지털융복합연구
• /
• 제8권4호
• /
• pp.151-164
• /
• 2010

본 연구는 유비쿼터스 생활영어 체험학습장의 학습만족과 관련 있는 변인들 가운데 학습환경, 자신감, 학습흥미, 학습만족간의 연구모형으로 구성하여 이 연구모형의 경로를 분석하여 다음과 같은 결과를 얻었다. 첫째, 연구의 변인들 간에 상관관계를 살펴본 결과 유비쿼터스 생활영어 체험학습장을 이용하는 학습자의 학습환경, 자신감, 학습흥미, 학습만족 간에 상관관계가 있었다. 학습환경과 학습흥미, 학습환경과 학습만족, 자신감과 학습흥미 자신감과 학습만족, 학습흥미와 학습만족 간에 정적상관관계를 가졌다. 둘째, 설정된 요인들 간의 경로를 분석해본 결과, 이론모형이 모형 적합도 지수에 만족하여 경로모델이 도출되었다. 연구모형의 경로는 학습환경${\rightarrow}$자신감의 경로와 학습환경${\rightarrow}$학습흥미의 경로가 유의하였다. 그리고 학습환경${\rightarrow}$학습만족의 경로, 자신감${\rightarrow}$학습만족의 경로와 학습흥미${\rightarrow}$학습만족의 경로가 유의했다. 마지막으로, 유비쿼터스 생활영어 체험학습장의 학습환경은 학습자의 학습만족에 직접영향을 미치는 경로로 나타났다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.75-76
• /
• 2022

현재 산업용 로봇 팔의 경로 계획을 생성할 때, 로봇 팔 경로 계획은 로봇 엔지니어가 수동으로 로봇을 제어하며 최적 경로 계획을 탐색한다. 미래에 고객의 다양한 요구에 따라 공정을 유연하게 변경하는 대량 맞춤 시대에는 기존의 경로 계획 수립 방식은 부적합하다. 심층강화학습 프레임워크는 가상 환경에서 로봇 팔 경로 계획 수립을 학습해 새로운 공정으로 변경될 때, 최적 경로 계획을 자동으로 수립해 로봇 팔에 전달하여 빠르고 유연한 공정 변경을 지원한다. 본 논문에서는 심층강화학습 에이전트를 위한 학습 환경 구축과 인공지능 모델과 학습 환경의 연동을 중심으로, 로봇 팔 경로 계획 수립을 위한 심층강화학습 프레임워크 구조를 설계한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 춘계학술대회 학술발표 논문집
• /
• pp.263-266
• /
• 1997

로봇 축구 경기를 위해서는 경기장의 임의의 시작점에서 목표점으로 장애물을 피해 갈 수 있는 능력이 필요하다. 이러한 경로 계획을 학습하기 위해서 다양한 상황을 모두 고려할 경우 학습량이 급격히 증가한다. 그러나 많은 실제적인 학습 문제에 있어서는 가능한 모든 학습 데이터를 사용하지 않고도 원하는 학습 효과를 가져올 수 있음이 알려져 있으며, 이러한 경우 데이터를 스스로 선별하여 학습하는 능동적 학습 방법이 효과적이다. 본 논문에서는 진화 알고리즘을 사용하여 실시간에 경로 계획을 하기 위한 새로운 능동적 학습 방법을 제시한다. 제안되는 방법은 두 개의 진화 알고리즘으로 구성되는데 하나는 주어진 시작점-목표점간의 최적 경로를 찾는데 사용되고 또 다른 하나의 진화 알고리즘은 유용한 시작점-목표점들의 쌍을 탐색하는데 사용된다. 이 방법은 계산 시간의 여유가 있을 때 다양한 문제를 스스로 제시하고 해결하는 법을 학습해 놓고 후에 실제 문제가 주어질 때 기존의 문제와 가장 유사한 문제를 찾아 실시간에 해결함으로써 기존의 진화 알고리즘에 의한 경로 계획법들이 갖는 실시간성에서의 단점을 개선할 수 있다. 실험을 통하\ulcorner 제안된 두 가지 진화 알고리즘의 성능을 실험적으로 검토한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 춘계 학술대회 학술발표 논문집
• /
• pp.157-161
• /
• 2003

본 논문에서는 차량의 주행경로 최적화를 위해 강화학습 개념을 적용하고자 한다. 강화학습의 특징은 관심 대상에 대한 구체적인 지배 규칙의 정보 없이도 최적화된 행동 방식을 학습시킬 수 있는 특징이 있어서, 실제 차량의 주행경로와 같이 여러 교통정보 및 시간에 따른 변화 등에 대한 복잡한 고려가 필요한 시스템에 적합하다. 또한 학습을 위한 강화(보상, 벌칙)의 정도 및 기준을 조절해 즘으로써 다양한 최적주행경로를 제공할 수 있다. 따라서, 본 논문에서는 강화학습 알고리즘을 이용하여 다양한 최적주행경로를 제공해 주는 시스템을 구현한다.

• 대한교통학회지
• /
• 제21권3호
• /
• pp.97-106
• /
• 2003

본 연구에서는 운전자의 경로선택과 각 경로에 대한 학습행동이 교통상황에 따라 어떻게 달라지는 가를 살펴보기로 한다. 즉, 주어진 환경 하에서 자신의 효용을 최대화(소요시간의 최소, 비용의 최소)하는 경로를 선택하는 운전자를 가정하여 교통상황에 따른 운전자의 행동을 모델화하고자 한다. 경로선택에 직면한 운전자는 자신이 획득 가능한 정보와 과거의 경험에 근거하여 각 경로의 주행시간 등의 교통조건을 예측하고 반복적인 경로선택 행동을 통해 각 경로의 주행조건 등에 대한 학습을 하게 된다. 이 때, 운전자의 경로선택과 학습 메커니즘은 각 경로의 교통상황에 따라 다르게 형성된다. 즉, 교통류 상황이 정상성(stationarity)을 띄고 있는지 혹은 비정상성(nonstationarity)을 띄고 있는지에 따라 운전자의 경로선택과 학습 메커니즘이 다르게 됨을 확인하였으며, 이 경우 사후적인(ex-post) 정보의 획득가능성이 운전자 학습행동의 수렴에 큰 영향을 미치고 있음도 알 수 있었다. 또한, 랜덤워크와 같은 비정상성을 따르는 교통환경에서 운전자는 경로의 조건에 대한 그들의 학습과정에서 학습계수(적응계수)는 각 경로의 특성에 따라 서로 다른 값으로 수렴함을 확인하였다. 나아가 시뮬레이션을 통해 운전자의 경로 환경에 대한 학습과정과 경로선택 행동을 구현하였으며, 향후 연구방향에 대해 고찰한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.705-707
• /
• 2022

본 연구에서는 기존 차량 경로 문제(Vehicle Routing Problem)의 범위를 확장시켜 일반화된 차량 경로문제(Generalized Vehicle Routing Problem)를 제시하고, 이 문제를 해결하기 위한 강화학습 모델을 제안한다. 기존의 차량 경로 문제는 depot에서 각 node(또는 각 node에서 depot)의 단방향만 존재해 제한된 문제만을 해결할 수 있었다. 이 한계점을 극복하기 위해 depot을 제외한 모든 node가 서로 연결된 형태의 일반화된 차량 경로 문제를 정의하고 이를 해결하고자 한다. 차량 경로 문제는 NP-hard 문제로 최근에는 강화학습을 이용해 이를 해결하고자 하는 모델이 연구되고 있다. 본 연구에서는 새로 정의한 일반화된 차량 경로 문제를 해결하기 위한 강화학습 모델을 제안한다.

• 대한수학교육학회지:수학교육학연구
• /
• 제27권2호
• /
• pp.207-225
• /
• 2017

학생의 학습기회를 형성하는 데 있어 교과서는 상당히 중요한 역할을 한다. 이를 고려하면 교과서 분석은 학생들에게 어떠한 학습 기회를 제공하는지 이해하는데 있어 중요하다. 본 연구는 초등학교 수학교과서를 학습 경로(learning trajectory)에 제시된 넓이와 부피 개념의 이해의 발달 단계에 비추어 분석하였다. 1~6학년의 수학교과서 속의 넓이와 부피에 관한 과제들을 그 과제를 해결하는데 요구되는 사고와 행동을 기초로 학습 경로에 제안 된 발달 단계를 이용하여 코딩하였다. 그 결과, 수학교과서 속의 과제와 학습 경로 간의 상당한 불일치를 발견하였다. 우선, 교과서는 학습 경로에 제안 된 나이보다 상당히 늦게 해당 학습 기회를 제공하였다. 또한, 넓이의 경우 5학년, 부피의 경우 6학년에 학습 기회가 집중되어 있었으며, 이런 집중된 학습 기회도 개념의 발달보다는 넓이 또는 부피의 공식을 적용하는데 중점을 두었다. 본 연구의 결과는 교과서 개발뿐만 아니라 수학수업에서 학생의 학습 기회를 확장시키는데 중요한 시사점을 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 춘계학술발표대회
• /
• pp.244-247
• /
• 2013

본 논문에서는 목적지들의 중요도를 이용하여 강화학습에 의한 목적지 경로 탐색을 제안한다. 일반적인 목적지 경로탐색은 목적지의 중요도나 방문빈도를 고려하지 않는 최단경로탐색을 수행한다. 그러므로 방문객들의 요구에는 맞지 않는 경로를 탐색한다. 강화학습의 특징은 관심 대상에 대한 구체적인 지배 규칙의 정보 없이도 최적화된 행동 방식을 학습시킬 수 있는 특징이 있다. 이를 이용하면 주요목적지를 누락시키지 않고 방문객들의 요구에 만족하는 경로를 탐색할 수 있다. 기존에 이용되고 있는 경로탐색 알고리즘과 강화학습기법이 적용된 알고리즘을 서로 분석하여 비교한다.

• 정보처리학회논문지A
• /
• 제11A권2호
• /
• pp.213-222
• /
• 2004

최근의 웹 기반 교수-학습은 학습자 스스로 학습 내용, 학습 시간 및 학습 순서를 선택하고 조직하는 방향으로 나아가고 있다. 즉 학습자 개개인의 특성(선수 지식, 학습 양식, 흥미/관심)에 맞는 적응적인 교수-학습 환경을 제공하는 방향으로 변화되고 있다. 본 연구에서는 웹 기반 교수-학습 과정에서 중요시되고 있는 학습자 특성 변인 중에서 학습자의 학습경로를 Apriori 알고리즘을 이용하여 분석하고, 유사한 학습경로를 갖는 학습자들로 그룹화 하였다. 이를 기반으로 학습자 개인에게 학습경로, 인터페이스, 상호작용 등을 제공하기 위한 학습경로 개인화 시스템을 설계하고 개발하였다. 개발된 시스템은 학습자의 학습 패턴에 맞는 최적의 학습 환경을 제공해 줄 수 있을 뿐만 아니라 학습자 개개인의 학습효과를 향상시키는데 효과가 있을 것으로 기대된다.

• 한국정보기술학회논문지
• /
• 제17권12호
• /
• pp.29-38
• /
• 2019

라이프로그를 이용한 경로 예측 기법은 정확한 경로 예측을 위하여 많은 양의 학습 데이터를 요구하며, 학습 데이터가 부족할 경우 경로 예측 성능이 저하된다. 학습 데이터 부족은 사용자의 이동 패턴이 유사한 다른 사용자의 데이터를 이용하여 해결이 가능하다. 따라서 이 논문은 사용자 유사도 기반 경로 예측 알고리즘을 제안한다. 이를 위하여 제안 알고리즘은 경로를 3단 그리드 패턴으로 학습하고 코사인 유사도 기법을 이용하여 사용자 간 유사도를 측정한다. 이후, 측정된 유사도를 학습된 모델에 적용하여 경로를 예측한다. 평가를 위하여 기존 경로 예측 기법들과 제안 기법의 경로 예측 정확도를 측정 및 비교한다. 그 결과, 제안 기법의 정확도는 66.6%로 다른 기법들에 비해 평균 1.8% 더 높은 정확도를 가진 것으로 평가된다.