• Structural Engineering and Mechanics
• /
• 제12권5호
• /
• pp.527-540
• /
• 2001

A new sort of learning algorithm named whole learning algorithm is proposed to simulate the nonlinear and dynamic behavior of RC members for the estimation of structural integrity. A mathematical technique to solve the multi-objective optimization problem is applied for the learning of the feedforward neural network, which is formulated so as to minimize the Euclidean norm of the error vector defined as the difference between the outputs and the target values for all the learning data sets. The change of the outputs is approximated in the first-order with respect to the amount of weight modification of the network. The governing equation for weight modification to make the error vector null is constituted with the consideration of the approximated outputs for all the learning data sets. The solution is neatly determined by means of the Moore-Penrose generalized inverse after summarization of the governing equation into the linear simultaneous equations with a rectangular matrix of coefficients. The learning efficiency of the proposed algorithm from the viewpoint of computational cost is verified in three types of problems to learn the truth table for exclusive or, the stress-strain relationship described by the Ramberg-Osgood model and the nonlinear and dynamic behavior of RC members observed under an earthquake.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권5호
• /
• pp.2277-2298
• /
• 2019

Adaptive learning in e-learning has garnered researchers' interest. In it, learning resources could be recommended automatically to achieve a personalized learning experience. There are various ways to realize it. One of the realistic ways is adaptive learning path recommendation, in which learning resources are provided according to learners' requirements. This paper summarizes existing works and proposes an innovative approach. Firstly, a learner-centred concept map is created using graph theory based on the features of the learners and concepts. Then, the approach generates a linear concept sequence from the concept map using the proposed traversal algorithm. Finally, Learning Objects (LOs), which are the smallest concrete units that make up a learning path, are organized based on the concept sequences. In order to realize this step, we model it as a multi-objective combinatorial optimization problem, and an improved immune algorithm (IIA) is proposed to solve it. In the experimental stage, a series of simulated experiments are conducted on nine datasets with different levels of complexity. The results show that the proposed algorithm increases the computational efficiency and effectiveness. Moreover, an empirical study is carried out to validate the proposed approach from a pedagogical view. Compared with a self-selection based approach and the other evolutionary algorithm based approaches, the proposed approach produces better outcomes in terms of learners' homework, final exam grades and satisfaction.

• 컴퓨터교육학회논문지
• /
• 제12권1호
• /
• pp.33-44
• /
• 2009

본 연구에서는 중학생의 알고리즘 학습을 효과적으로 지원하기 위한 도구로 교육용 로봇을 선택하고 로봇의 활용 효과를 최대화하기 위한 교수 학습 프로그램을 개발하였다. 해당 프로그램은 알고리즘 학습에 대한 내적 동기 유발 및 창의적 문제해결력 향상을 위한 교수 학습 전략을 반영하여 구성하였으며, 중학교 학습자의 인지적 발달 특성과 알고리즘 학습을 처음 접하는 초보 학습자라는 특성을 반영하였다. 개발한 프로그램을 실제 중학교 학습자들에게 적용한 결과, 로봇 활용 알고리즘 학습을 수행한 집단이 일반 프로그래밍 언어를 활용한 알고리즘 학습을 수행한 집단에 비해 내적 동기와 창의적 문제해결성향이 유의하게 높게 나타났음을 확인하였다. 이러한 연구 결과는 향후 새로운 교육과정이 시행될 경우, 중학생의 알고리즘 학습을 위한 교수 학습 도구의 선정 및 교수 학습 설계에 유용한 방향을 제공해 줄 수 있을 것이다.

• 한국음향학회지
• /
• 제41권2호
• /
• pp.199-209
• /
• 2022

일반적인 비정상 탐지 알고리즘은 사전 데이터를 이용하여 학습된다. 따라서 시간에 따른 정상 데이터의 특징이 변화되는 경우에 기존의 배치 학습 기반 알고리즘의 성능 저하가 불가피하다. 본 논문에서는 정상 데이터의 점진적 특징 변화를 고려할 수 있는 온라인 비정상 탐지 알고리즘을 제안한다. 제안하는 알고리즘은 단일 클래스 분류 모델에 기반하며 오프라인 및 온라인 단계의 학습 과정을 포함한다. 제안된 알고리즘의 오프라인 학습 단계에서는 사전 데이터가 잠재 공간의 중심에 근접하도록 학습하고, 이후 온라인 학습단계에서는 신규 데이터에 의한 점진적 잠재 공간의 중심을 갱신하고, 갱신된 중심을 기준으로 계속 학습을 진행한다. 공개된 수중 음향 데이터를 이용한 실험결과 제안된 온라인 비정상 탐지 알고리즘은 점진적 중심 갱신 및 학습을 위해 단지 2 % 정도의 추가 학습시간이 소요되는 것으로 확인되었다. 반면에 시변 정상데이터가 수신되는 경우에 오프라인 학습 모델과 비교하여 19.10 % 개선된 Area Under the receiver operating characteristic Curve(AUC) 성능을 보였다.

• 대한공업교육학회지
• /
• 제33권2호
• /
• pp.170-191
• /
• 2008

알고리즘 학습이 학습자의 창의적 문제해결력, 논리적사고력과 같은 고차원적인 인지 능력 향상에 도움이 되지만, 알고리즘 학습을 처음 접하는 어린 학습자들의 경우 인지적 부담으로 작용할 수 있다. 따라서 프로그래밍을 통한 알고리즘 학습에서 학습자의 인지적 부담을 감소시켜주고 알고리즘 학습에 대한 흥미와 동기 유발을 위한 새로운 교수 설계가 필요하다. 본 연구에서는 중학생의 알고리즘 학습을 위한 프로그래밍 도구로 비주얼 기반 교육용 프로그래밍 언어인 Squeak Etoys를 선정하고 이를 활용한 알고리즘 학습 프로그램을 설계하였다. 설계한 학습 프로그램을 실제 중학교 학습자들에게 적용한 결과, Squeak Etoys 활용 알고리즘 학습이 프로그래밍을 처음 접하는 초보 학습자들의 문제해결성향과 자기효능감, 논리적사고력 향상에 유의미한 영향을 주었음을 확인하였다. 특히 논리적사고력의 경우, 실험집단과 통제집단모두 유의미한 향상을 보였다. 이는 알고리즘을 설계하고 표현하는 과정에 대한 학습경험 자체가 논리적사고력 신장에 효과적임을 의미한다. 따라서 초 중등교육에서의 알고리즘 교육은 의미 있는 학습내용이라고 볼 수 있다. 그러나 Squeak Etoys 활용 알고리즘 학습을 진행한 집단이 통제집단에 비해 논리적사고력 향상의 정도가 유의미하게 높은 것은 Squeak Etoys와 같은 비주얼 기반 프로그래밍 학습 환경이 알고리즘 학습에 대한 외생적 인지부하를 감소시켜주고 문제해결성향 및 자기효능감에 긍정적인 영향을 줌으로써 논리적사고력과 같은 고등정신능력 향상에 도움을 준 것으로 해석할 수 있다. 이러한 연구 결과는 향후 새로운 교육과정 시행될 경우, 알고리즘 학습을 위한 교육용 프로그래밍 언어의 선정 및 교수 학습 설계에 유용한 지침을 제공해 줄 수 있을 것이다.

• 한국위성정보통신학회논문지
• /
• 제12권3호
• /
• pp.69-73
• /
• 2017

본 논문에서는 기계학습 기반의 실시간 이미지 인식 알고리즘을 개발하고 개발한 알고리즘의 성능을 테스트 하였다. 실시간 이미지 인식 알고리즘은 기계 학습된 이미지 데이터를 바탕으로 실시간으로 입력되는 이미지를 인식한다. 개발한 실시간 이미지 인식 알고리즘의 성능을 테스트하기 위해 자율주행 자동차 분야에 적용해보았고 이를 통해 개발한 실시간 이미지 인식 알고리즘의 성능을 확인해보았다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제16권4호
• /
• pp.270-275
• /
• 2016

We present an approach for acceleration actor-critic algorithm for reinforcement learning with continuous action space. Actor-critic algorithm has already proved its robustness to the infinitely large action spaces in various high dimensional environments. Despite that success, the main problem of the actor-critic algorithm remains the same-speed of convergence to the optimal policy. In high dimensional state and action space, a searching for the correct action in each state takes enormously long time. Therefore, in this paper we suggest a search accelerating function that allows to leverage speed of algorithm convergence and reach optimal policy faster. In our method, we assume that actions may have their own distribution of preference, that independent on the state. Since in the beginning of learning agent act randomly in the environment, it would be more efficient if actions were taken according to the some heuristic function. We demonstrate that heuristically-accelerated actor-critic algorithm learns optimal policy faster, using Educational Process Mining dataset with records of students' course learning process and their grades.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권3호
• /
• pp.1035-1048
• /
• 2023

The IEEE 802.11 WLAN adopts a random backoff algorithm for its collision avoidance mechanism, and it is well known that the contention-based algorithm may suffer from performance degradation especially in congested networks. In this paper, we design an efficient backoff algorithm that utilizes a reinforcement learning method to determine optimal values of backoffs. The mobile nodes share a common contention window (CW) in our scheme, and using a Q-learning algorithm, they can avoid collisions by finding and implicitly reserving their optimal time slot(s). In addition, we introduce Frame Size Control (FSC) algorithm to minimize the possible degradation of aggregate throughput when the number of nodes exceeds the CW size. Our simulation shows that the proposed backoff algorithm with FSC method outperforms the 802.11 protocol regardless of the traffic conditions, and an analytical modeling proves that our mechanism has a unique operating point that is fair and stable.

• Structural Engineering and Mechanics
• /
• 제47권4호
• /
• pp.495-511
• /
• 2013

In this paper, a new efficient optimization algorithm called Teaching-Learning-Based Optimization (TLBO) is used for the least weight design of trusses with continuous design variables. The TLBO algorithm is based on the effect of the influence of a teacher on the output of learners in a class. Several truss structures are analyzed to show the efficiency of the TLBO algorithm and the results are compared with those reported in the literature. It is concluded that the TLBO algorithm presented in this study can be effectively used in the weight minimization of truss structures.

• Journal of the Korean Data and Information Science Society
• /
• 제8권2호
• /
• pp.111-118
• /
• 1997

Adding a noise tolerance factor to the Relaxation learning algorithm in Hop-field network improves noise tolerance without effecting storage capacity. The new algorithm is called the Pseudo-Relaxation algorithm, and the convergence of the algorithm has been proved. It is also shown that the noise tolerance factor does not effect learning speed.