• The Journal of the Korea institute of electronic communication sciences
• /
• v.14 no.4
• /
• pp.701-706
• /
• 2019

The advent of the AI(: Artificial Intelligence) has applied to many industrial and general applications have havingact on our lives these days. Various types of machine learning methods are supported in this field. The supervised learning method of the machine learning has features and targets as an input in the learning process. There are many supervised learning methods as well and their performance varies depends on the characteristics and states of the big data type as an input data. Therefore, in this paper, in order to compare the performance of the various supervised learning method with a specific big data set, the supervised learning methods supported in the Tensorflow and the Sckit-Learn are simulated and analyzed in the Jupyter Notebook environment with python.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.55-60
• /
• 2018

기계학습 기반인 관계추출 모델을 설계할 때 다량의 학습데이터를 빠르게 얻기 위해 원격지도학습 방식으로 데이터를 수집한다. 이러한 데이터는 잘못 분류되어 학습데이터로 사용되기 때문에 모델의 성능에 부정적인 영향을 끼칠 수 있다. 본 논문에서는 이러한 문제를 강화학습 접근법을 사용해 해결하고자 한다. 본 논문에서 제안하는 모델은 오 분류된 데이터로부터 좋은 품질의 데이터를 찾는 문장선택기와 선택된 문장들을 가지고 학습이 되어 관계를 추출하는 관계추출기로 구성된다. 문장선택기는 지도학습데이터 없이 관계추출기로부터 피드백을 받아 학습이 진행된다. 이러한 방식은 기존의 관계추출 모델보다 좋은 성능을 보여주었고 결과적으로 원격지도학습데이터의 단점을 해결한 방법임을 보였다.

• Journal of KIISE:Software and Applications
• /
• v.28 no.5
• /
• pp.422-430
• /
• 2001

웹 에이전트는 사용자가 웹을 브라우징하는 행위를 모니터하여 사용자의 관심 정보를 학습하고 사용자가 필요로 하는 웹 상의 정보를 자동 제공하는 지능형 시스템이다. 웹 에이전트가 사용자의 선호도를 학습하기 위해서는 귀납적 기계학습을 수행하는데, 이때 학습의 효율을 높이기 위해서는 사용자가 관심있어하는 문서들을 유사한 문서들로 클러스터링하여 학습 시스템에 제공하여야 한다. 본 논문에서는 웹 에이전트의 학습 시스템에 입력되는 학습대상 문서들을 보다 정확하고 효율적으로 클러스터링하여 제공하기 위해서 Top-down 방식과 Bottom-up 방식을 통합 적용한 통합방식 문서 클러스터링과 초기 클러스터 생성을 위한 평가함수를 제시한다. Top-down 방식으로는 개념적 클러스터링 알고리즘인 COBWEB을 적용하고, Bottom-up 방식으로는 교차기반(Intersection-based) 클러스터링 방식인 Etzioni의 클러스터링 알고리즘을 적용하였다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.32-36
• /
• 2020

문장의 의미를 잘 임베딩하는 문장 인코더를 만들기 위해 비지도 학습과 지도 학습 기반의 여러 방법이 연구되고 있다. 지도 학습 방식은 충분한 양의 정답을 구축하는데 어려움이 있다는 한계가 있다. 반면 지금까지의 비지도 학습은 단일 형식의 말뭉치에 한정해서 입력된 현재 문장의 다음 문장을 생성 또는 예측하는 형식으로 문제를 정의하였다. 본 논문에서는 위키피디아, 뉴스, 지식 백과 등 문서 형태의 말뭉치에 더해 지식인이나 검색 클릭 로그와 같은 구성이 다양한 이종의 대량 말뭉치를 활용하는 자기 지도 학습 방법을 제안한다. 각 형태의 말뭉치에 적합한 자기 지도 학습 문제를 설계하고 학습한 경우 KorSTS 데이셋의 비지도 모델 성능 평가에서 기준 모델 대비 7점 가량의 성능 향상이 있었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.6 no.2
• /
• pp.52-56
• /
• 1996

In trainir~ga back-propagation neural network, the learning speed of the network is greatly affected by its learning rate. Most of off-line fashioned learning-rate selection methods, however, are empirical except for some deterministic methods. It is very tedious and difficult to find a good learning rate using the empirical methods. The deterministic methods cannot guarantee the quality of the quality of the learning rate. This paper proposes a new learning-rate selection method. Our off-line fashioned method selects a good learning rate through stochastically searching process using evolutionary programming. The simulation results show that the learning speed achieved by our method is superior to that of deterministic and empirical methods.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.1
• /
• pp.479-484
• /
• 2005

본 논문에서는 오류 역전파 알고리즘에서 은닉층의 노드 수를 설정하는 문제와 ART1의 경계 변수의 설정에 따른 인식률이 저하되는 문제점을 개선하기 위해 ART1 알고리즘과 퍼지 단층 지도 학습 알고리즘을 결합한 ART1 기반 퍼지 지도 학습 알고리즘을 제안한다. 제안된 알고리즘은 가중치 조정에 승자 뉴런 방식을 도입하여 은닉층에 해당하는 클래스에 영향을 끼친 패턴들의 정보만 저장하게 하여 은닉층 노드로의 책임 분담에 의한 정체 현상이 일어날 가능성을 줄인다. 그리고 학습시간과 학습의 수렴성도 개선한다. 제안된 알고리즘의 학습 성능을 분석하기 위하여 주민등록번호 분류를 대상으로 실험한 결과, 제안된 방법이 기존의 신경망보다 경계 변수나 모멘트에 민감하지 않으며 학습 시간도 적게 소요되고 수렴성도 우수한 성능이 있음을 확인하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.11 no.1 s.39
• /
• pp.119-128
• /
• 2006

The web based coursewares that are operating currently can not support individual studying capabilities appropriately. To solve this problem, this paper can provide individual students with a tool that makes contents of lessons to be organized according to study subjects, study objective, and study scope by students. And it is designed for study contents to be condensed into a courseware and be operated in a courseware. Also this method can continuously stimulate a study motivation by providing selective control system without a predefined linear study plan. And it also can have the contents of study coincide with their interests and needs. Therefore this method maximizes accomplishments for the study contents and satisfaction for way of study.

• 한국벤처창업학회:학술대회논문집
• /
• 2021.04a
• /
• pp.79-83
• /
• 2021

2020년 2월 중순 이루 코로나 바이러스 2019(Covid-19)로 인하여 정부의 기술창업기업 지원 방식도 전반적으로 기존의 대면 방식에서 비대면 방식으로 전환하여 현재까지 대부분 진행되어 오고 있다. 창업기업에 대한 멘토링은 특히 멘티인 창업자와 멘토가 기존에 알고 있는 관계가 아닌 대부분 처음 만나는 관계의 확률이 높음에 따라 사전에 상호간에 라포(Rapport)가 형성되지 않은 상태에서 멘토링이 이루어진다. 이로 인해 Rapport가 형성이 안된 상태에서는 서로 호감을 느끼거나, 나아가 공감대 형성, 그리고 터놓고 이야기 하여, 서로 간의 대화가 충분히 감정적으로나 이성적으로 이해하기가 어려운 경우가 대부분이다. 이러한 경우에는 충분한 멘토링이 어려울 것으로 예상할 수 있다. 따라서 본 연구는 창업 멘토링의 특수성을 감안해 볼 때 정부 기술창업지원 방식 중 기업의 성과를 높이기 위한 멘토링 과정에서 대면 또는 비대면 방식의 방법 차이가 멘토링 만족도에 영향을 주는 것을 그 목적으로 한다. 본 연구는 창업 기업의 성과를 높이기 위한 중소벤처기업부의 도약패키지 사업 중 2019년과 2020년의 제품 아카데미 사업에 참여한 283명을 대면 방식이었던 2019년 211명과 비대면 방식이었던 2020년 72명의 창업 기업 멘티들의 학습 과정에서 발생하는 배운 내용을 실천하고자 하는 학습 전이 효과 경로에 차이가 발생하는 지에 대하여 분석하였다. 자기 기입 설문 방식으로 인해 발생할 수 있는 동일방법편의를 해결하고자 구조화된 설문지 구성할 때부터 응답자의 일관성 동기를 줄이려고 하였고, 통계분석 단계에서도 다수이 방법으로 측정하는 일반 CFA 모형을 활용하였다. 실증 분석결과 비대면 방식의 창업 멘토링 방식을 학습 전이 효과 경로 결과에 있어서 조절효과가 있음을 유의한 통계적 결과고 확인하고, 사후 검증을 통해 볼 때 등분산 가정이 되지 않은 상황에서 차이가 있음을 통계적으로 유의하게 나타났다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.24 no.2
• /
• pp.205-211
• /
• 2024

The purpose of this study is to implement an agent that intelligently performs tracking and movement through reinforcement learning using the Unity and ML-Agents. In this study, we conducted an experiment to compare the learning performance between training one agent in a single learning simulation environment and parallel training of several agents simultaneously in a multi-learning simulation environment. From the experimental results, we could be confirmed that the parallel training method is about 4.9 times faster than the single training method in terms of learning speed, and more stable and effective learning occurs in terms of learning stability.

• The Transactions of the Korea Information Processing Society
• /
• v.3 no.5
• /
• pp.1059-1069
• /
• 1996

The purpose of this paper is to examine some effects of four menu types: icon menu, context menu, pulldown menu, and bar selection menu. In order to find whether there are some effects of menu types or learning stages (the first, intermediate and the last stage) on skill-based errors, each of the menus has been studied in relation to hyperemia instruction, menu search time, scholastic a chievements and learners' metacognitionon their errors. A further purpose of this paper is to suggest some strategies for enabling learner to select menus more efficiently in order to enhance the learner's own learning effectiveness in hypere mia instruction.The results of this study are as follows. The menu types had a significant effect on the low metacognition regulation group. The context menu types had a significant effect on achievements. In contrast, it was also noticed he the menu types did not have any significant effect on the high metacognition regulation group. The bar-selection menu type and the icon menu type had a relatively significant effect on skill-based errors in the first stage of learning.