• 한국멀티미디어학회논문지
• /
• 제22권11호
• /
• pp.1251-1258
• /
• 2019

Intelligent tutoring system enables users to effectively learn by utilizing various artificial intelligence techniques. For instance, it can recommend a proper curriculum or learning method to individual users based on their learning history. To do this effectively, user's characteristics need to be analyzed and classified based on various aspects such as interest, learning ability, and personality. Even though data labeled by the characteristics are required for more accurate classification, it is not easy to acquire enough amount of labeled data due to the labeling cost. On the other hand, unlabeled data should not need labeling process to make a large number of unlabeled data be collected and utilized. In this paper, we propose a semi-supervised learning method based on feedback variational auto-encoder(FVAE), which uses both labeled data and unlabeled data. FVAE is a variation of variational auto-encoder(VAE), where a multi-layer perceptron is added for giving feedback. Using unlabeled data, we train FVAE and fetch the encoder of FVAE. And then, we extract features from labeled data by using the encoder and train classifiers with the extracted features. In the experiments, we proved that FVAE-based semi-supervised learning was superior to VAE-based method in terms with accuracy and F1 score.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.33-39
• /
• 2020

The paper is to build recommendation systems leveraging Deep Learning and Big Data platform, Spark to predict item ratings of the Amazon e-commerce site. Recommendation system in e-commerce has become extremely popular in recent years and it is very important for both customers and sellers in daily life. It means providing the users with products and services they are interested in. Therecommendation systems need users' previous shopping activities and digital footprints to make best recommendation purpose for next item shopping. We developed the recommendation models in Amazon AWS Cloud services to predict the users' ratings for the items with the massive data set of Amazon customer reviews. We also present Big Data architecture to afford the large scale data set for storing and computation. And, we adopted deep learning for machine learning community as it is known that it has higher accuracy for the massive data set. In the end, a comparative conclusion in terms of the accuracy as well as the performance is illustrated with the Deep Learning architecture with Spark ML and the traditional Big Data architecture, Spark ML alone.

• 디지털산업정보학회논문지
• /
• 제16권2호
• /
• pp.69-81
• /
• 2020

The objective of this study is to seek ways to maximize learning effects from e-learning by drawing improvement directions through investigating and analyzing an awareness of e-learning among e-learning attendees. The study was conducted among the attendees who are taking the e-learning program operated by K University and collected data from the students taking second semester in 2018 with the use of structured questionnaires. For data processing, SPSS Statistics 22.0 and AMOS were used, along with such analytical methods as frequency anslysis, descriptive statistical analysis, ANOVA (Analysis of Variance), t-analysis and cross tabulation. For significant data, it conducted an analysis by carrying out the Scheffe's test. According to the findings from this study, they showed a significant difference only in gender and curriculum desired to be opened in the question about e-learning participation motives per background factor. As for the learners' motives to study, it was confirmed that they tend to become more biased on time utilization and convenience of learning methods. The analysis of which factor of the three - learning factors, system factors and instructor's factors - has greatest effects on learning satisfaction indicated that learning factors influenced learning satisfaction the most in accordance with values for non-standard coefficient beta, followed by instructor factors which had a direct effect.

• 한국BIM학회 논문집
• /
• 제9권1호
• /
• pp.22-31
• /
• 2019

In this paper, we construct a prototype model for city data prediction by using time series data of floating population, and use machine learning to analyze urban data of complex structure. A correlation prediction model was constructed using three of the 10 data (total flow population, male flow population, and Monday flow population), and the result was compared with the actual data. The results of the accuracy were evaluated. The results of this study show that the predicted model of the floating population predicts the correlation between the predicted floating population and the current state of commerce. It is expected that it will help efficient and objective design in the planning stages of architecture, landscape, and urban areas such as tree environment design and layout of trails. Also, it is expected that the dynamic population prediction using multivariate time series data and collected location data will be able to perform integrated simulation with time series data of various fields.

• 한국빅데이터학회지
• /
• 제8권2호
• /
• pp.15-25
• /
• 2023

익스트림 러닝머신은 다양한 방식의 예측 분야에서 주요 분석 방법을 제공하고 있다. 시계열 자료의 복잡한 패턴을 학습하고 잡음이 포함되어 있는 데이터이거나 비선형인 경우에도 최적의 학습을 통하여 정확한 예측을 할 수 있다. 이 연구에서는 온라인 시계열 자료를 분석하는 도구로서 주로 연구되고 있는 기계학습 모형들의 최근 동향들을 기존 알고리즘을 이용한 응용 특성들과 함께 제시한다. 지속적이고 폭발적으로 발생하는 대규모 온라인 데이터를 효율적으로 학습시키기 위해서는 다양하게 진화 가능한 속성에서도 잘 수행될 수 있는 학습 기술이 필요하다. 따라서 이 연구를 통하여 시계열 예측 분야에서 빅데이터가 적용되는 최신 기계 학습 모형에 대한 포괄적인 개요를 살펴보고, 빅데이터에 대한 기계 학습의 주요 과제 중 하나인 온라인 데이터를 학습하는 최신 모형들의 일반적인 특성과 온라인 시계열 자료를 얼마나 효율적으로 학습하고 예측에 활용할 수 있는지에 대하여 논의하고 그 대안을 제시한다.

• 전자공학회논문지CI
• /
• 제48권3호
• /
• pp.36-45
• /
• 2011

소셜러닝의 대표적 학습인 협력학습에서의 에이전트란 학습자에게 현황이든, 환경이든, 과제이든 설명해 줄 수 있거나, 보편적이고 일반적인 방법으로 독립적인 기능을 수행할 수 있는 것이다, 이를 위해서는 에이전트 사이에서의 의사소통에 관한 정보기술 표준화 방법이 요구된다. 본 연구는 협력학습에서 사용되는 각종 에이전트들의 의사소통에 관한 데이터 모델에 관한 기술을 제시한다. 따라서 이러닝 협력학습 환경을 지원하는 많은 에이전트들의 유형을 파악하고, 이 에이전트들 간의 상호 의사소통에 관한 규칙을 갖는 데이터 모델을 설계하여 그 요소들을 정의하고자 한다. 이렇게 제시된 표준화된 데이터 모델을 기반으로 하는 다중 에이전트 시스템은 여러 응용 에이전트가 독립된 프로세스로 활동할 수 있도록 정의된 통신 데이터모델에 의해 메시지 상호 교환이 가능해진다. 본 연구는 소셜러닝에서 주를 이루는 학습방법인 협력학습 중에서 다양한 에이전트를 활용하는 경우 이를 지원하는 에이전트간의 통신에 관한 의사소통 모델 응용을 통해 원활한 협력학습이 구현되도록 기여할 것으로 기대한다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2009년도 춘계 종합학술대회 논문집
• /
• pp.45-50
• /
• 2009

이러닝의 발전과 더불어 다양한 학습도구의 개발 그리고 이러닝 콘텐츠의 공동활용 등 이러닝을 통한 교류가 활발하게 이루어 지고 있다. 그러나 각각 LMS의 상호 연동을 고려하지 않고 개발되었기 때문에 이러닝 교류시 문제점이 나타나게 되었다. 특히 대학간 이러닝 교류는 학습자 정보교환 중심의 교류, 강의(교수자) 정보교환 중심의 교류 등 여러 가지가 있으나, 이들 모두 직접적인 연계가 이루어지지 않기 때문에 여러 가지로 문제점이 많이 나타났다. 이에 본 논문에서는 이러닝 교류의 사례를 분석하고, 문제점을 도출하여 효율적인 LMS 상호 연동에 대한 모형을 설계하여 제시하였다. 우선 먼저 학습에 가장 필요로 하는 학습요소 즉, 강좌개설정보, 강의정보, 사용자정보, 수강정보, 학습이력정보를 연동 데이터로 정의하였으며, 뷰를 이용한 데이터 연동 테이블을 통해 LMS를 연동하였다. 실험결과 학습자와 교수자의 접근성이 편리하게 나타났으며, 데이터 교환이 없기 때문에 업무 프로세스가 현저히 줄었다. 향후에는 다양한 학습요소에 대한 연동과 세션처리, 보안을 고려한 LMS 연동이 연구과제로 남아있다.

• 한국항행학회논문지
• /
• 제15권4호
• /
• pp.640-645
• /
• 2011

이러닝의 발전과 더불어 다양한 학습도구의 개발 및 이러닝 콘텐츠의 공동 활용 등 이러닝을 통한 교류가 활발하게 이루어지고 있다. 또한 이러닝 교류는 학습자 정보교환 중심의 교류, 교수자 정보교환 중심의 교류 등 여러 가지가 있다. 그러므로 각각 LMS의 상호 연동을 고려하지 않고 개발되었기 때문에 이러닝 교류시 문제점이 나타나게 되었다. 이 문제점을 해결하기 위하여 본 논문에서는 우선 먼저 학습에 가장 필요로 하는 학습요소들 즉, 과목정보, 강의정보, 사용자정보, 수강신청정보, 학습이력정보를 연동데이터로 정의하였으며, 가상의 테이블인 뷰를 이용하여 데이터 연동 테이블을 구성하여 이러닝간 운영관리를 위한 LMS 연동 모델 구현한다. 향후에는 다양한 학습요소에 대한 연동과 세션처리, 보안을 고려한 LMS 연동이 연구과제로 남아있다.

• 정보교육학회논문지
• /
• 제18권1호
• /
• pp.25-33
• /
• 2014

최근 교육용 로봇 하드웨어 발달로 연산 처리 속도 및 확장성이 매우 좋아졌다. 이에 따라 로봇 하드웨어에 MBL용 온도 센서나 자이로 센서도 호환되어 데이터 로깅이 가능해졌다. 데이터 로깅이 가능한 교육용 로봇으로 학생들은 과학적인 탐구 예측, 수집, 데이터 분석이 가능한 실험을 할 수 있게 된 것이다. 이에 본 연구에서는 학급 SNS와 스마트폰을 활용한 'Smart r-Learning'에 데이터로깅이 가능한 교육용 로봇을 도입하여 과학 프로젝트 수업을 개발하고 적용했다. 데이터 로깅 활용 Smart r-Learning 프로젝트 수업을 초등학교 5학년 학생들에게 적용한 결과 논리적 사고력 6개 영역 중 4개 영역이 유의미하게 향상된 것으로 나타났다.

• 한국IT서비스학회지
• /
• 제15권4호
• /
• pp.85-95
• /
• 2016

Recently, deep learning and machine learning have attracted considerable attention and many supporting frameworks appeared. In artificial intelligence field, a large body of research is underway to apply the relevant knowledge for complex problem-solving, necessitating the application of various learning algorithms and training methods to artificial intelligence systems. In addition, there is a dearth of performance evaluation of decision making agents. The decision making agent that can find optimal solutions by using reinforcement learning methods designed through this research can collect raw pixel data observed from dynamic environments and make decisions by itself based on the data. The decision making agent uses convolutional neural networks to classify situations it confronts, and the data observed from the environment undergoes preprocessing before being used. This research represents how the convolutional neural networks and the decision making agent are configured, analyzes learning performance through a value-based algorithm and a policy-based algorithm : a Deep Q-Networks and a Policy Gradient, sets forth their differences and demonstrates how the convolutional neural networks affect entire learning performance when using pixel data. This research is expected to contribute to the improvement of artificial intelligence systems which can efficiently find optimal solutions by using features extracted from raw pixel data.