• 한국수학교육학회:학술대회논문집
• /
• 한국수학교육학회 2009년도 제43회 전국수학교육연구대회 프로시딩
• /
• pp.17-20
• /
• 2009

수학적인 사고에는 여러 가지 유형이 있는데 그 중에서 가장 기본이 되는 사고유형 중의 하나가 일반화이다. 수학에서 일반화는 지식을 발견 및 발명할 뿐만 아니라 새로운 수학 이론을 확립해 나가는데 중요한 역할을 한다. 본 연구에서는 이러한 일반화를 경험적 일반화와 이론적 일반화로 구분하였고, 일반화에 대한 선행연구를 바탕으로 이 두 유형의 일반화에 대해 고찰한다. 또한, 두 유형의 일반화에 대한 학교수학에서의 다양한 예를 찾아 제시할 뿐 아니라 새로운 예를 제시함으로써 경험적 일반화와 이론적 일반화의 개념이 정립될 수 있도록 한다. 마지막으로 중학교 및 고등학교에서 다루는 한 가지 학습내용을 통해 경험적 일반화와 이론적 일반화에 대한 체계적인 분석을 실시하고 교육적인 시사점을 제시한다.

• Communications for Statistical Applications and Methods
• /
• 제2권1호
• /
• pp.155-165
• /
• 1995

초모집단(superpopulation)으로 부터 반복적으로 유한모집단을 추출할 때, 이미 조사된 자료들을 이용하면 현재의 유한모집단 모수들을 ㄷ더 효율적으로 추정할 수 있다. 이러한 문제에 대하여 Ericson(1969)이 유한모집단 표본추출에서 베이지안 분석을 하였고, Ghosh와 Meeden(1986)은 정규 초모집단을 가정하여 유한모집단 평균의 경험적 베이즈 추정을 하였다. Nandram과 Sedransk (1993)는 Ghosh와 Meeden(1986)의 유한모집단들의 분산이 모두 같다는 가정들을 완화하여 유한집단 평균의 경험적 베이즈 추정을 하였다. 본 연구는 Nandram과 Sedransk의 결과를 층과표본추출의 경우로 일반화 하였다.

• Communications for Statistical Applications and Methods
• /
• 제5권2호
• /
• pp.431-437
• /
• 1998

본 논문의 목적은 계층적 베이즈 일반화 선형모형을 이용하여 경시적 자료를 분석하는 것이다. 구체적으로 계층적 베이즈 변량효과 모형을 소개하고 무정보적 사전분포 하에서 사후분포가 진(proper)인지에 대한 충분조건을 찾는다 또한, 깁스(Gibbs) 표본자를 사용하여 제안된 계층적 베이즈 절차의 수행에 관해 논의한다. 현실자료를 사용하여 제안된 계층적 베이즈 분석을 예시하고, 이에 대응하는 경험적 베이즈 분석과 비교한다.

• 한국문헌정보학회지
• /
• 제40권2호
• /
• pp.435-455
• /
• 2006

이용자행태에 관한 경험적 연구의 양적인 발전에도 불구하고 연구방법이나 방법론적인 시각에서 이러한 연구들을 분석한 시도는 많지 않았으며, 방법론상 이론적인 틀의 부재 또한 지적되어왔다. 이와 같은 측면을 반영하여 본 연구는 최근에 수행된 이용자행태 연구를 대상으로 연구결과 일반화, 즉 외적타당성에 영향을 끼치는 요인들을 분석하였다. 연구대상은 최근 JASIST에 실린 이용자행태논문으로 하여 미국정보학계의 이 분야 연구특징 분석에 주안점을 두었다. 연구대상이 된 논문 별로 연구결과 일반화와 관련된 다양한 사례를 설명하고 각 사례별 유형을 식별한 후 이를 토대로 연구 방법론적 틀을 제시하였다.

• 대한수학교육학회지:학교수학
• /
• 제5권3호
• /
• pp.343-360
• /
• 2003

초등수학에서 중등수학으로의 이행에서 대수는 중요한 역할을 한다. 그리고 학교수학에서 어떻게 대수를 도입하는가 하는 문제는 중등수학 전반에서 그 성공여부를 결정짓는 중요한 요소가 된다. 일반적으로 학교대수는 대수 기호를 형식적으로 도입하는 전통적인 접근법을 따르고 있다. 이것은 대수를 일반화된 산술이라는 관점에서 보는 것으로, 여기서 문제는 이러한 접근법에서 학생들이 많은 어려움을 경험한다는데 있다. 따라서 이 글은 이러한 어려움을 해결하기 위한 하나의 대안으로 형식적인 대수 지도 방법을 대신하여 패턴과 일반화 측면을 강조하여 대수를 지도하는 방법에 대해 살펴보고자 한다. 이것은 대수를 도입하는 다양한 관점 곧, 문제해결과 모델링, 일반화된 산술을 비롯하여 함수를 포함하며, 동시에 대수에 내재된 패턴을 통해 대수학습에서 핵심으로 다루어지는 일반화라는 사고 양식을 이끌어내기 위한 것이다. 이를 위해 이 글은 먼저 대수와 패턴, 일반화 사이의 관계를 살펴보고, 그리고 패턴과 일반화를 강조한 대수 접근법이 대수 수업의 실제에서 어떻게 제시될 수 있는가에 대해 살펴볼 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.57-57
• /
• 2019

최근 수문기상학 분야에서 레이더 강수량을 활용한 응용연구가 활발하게 진행되고 있다. 하지만 레이더 강수량은 경험적으로 설정된 레이더 반사도-강우강도 관계식을 활용하여 레이더 강수량을 산정하기 때문에 실제지상에 도달하는 강수량과 정량적인 오차가 필연적으로 발생한다. 따라서 고해상도의 레이더 강수량을 활용한 신뢰도 높은 수문해석을 위하여 레이더 강수량의 편의보정이 필수적으로 선행되어야한다. 본 연구에서는 불확실성을 고려한 레이더 강수량 편의보정을 위하여 Bayesian 추론기법과 일반화 선형모형(generalized linear model)을 연계하여 레이더 강수량 편의보정 매개변수를 산정하였다. 일반화 선형모형을 적용한 레이더 강수량 편의보정 결과는 현재 널리 사용되고 있는 평균보정(mean field bias) 기법에 비하여 통계지표가 개선된 레이더 강수량 편의보정 결과를 도출하였다. 추가적으로 지형학적 특성에 따른 레이더 강수량 편의보정 매개변수의 변동성을 분석하여 고도 및 이격거리에 따른 편의보정 매개변수의 지역화 공식을 제시하였다. 본 연구를 통하여 개발된 레이더 강수량 편의보정 매개변수 산정 및 지역화 연구는 레이더 관측전략 수립과정에 유용한 기초자료로 활용될 것으로 판단된다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2002년도 추계정기학술대회
• /
• pp.399-408
• /
• 2002

다중 에이전트 학습이란 다중 에이전트 환경에서 에이전트간의 조정을 위한 행동전략을 학습하는 것을 말한다. 본 논문에서는 에이전트간의 통신이 불가능한 다중 에이전트 환경에서 각 에이전트들이 서로 독립적으로 대표적인 강화학습법인 Q학습을 전개함으로써 서로 효과적으로 협조할 수 있는 행동전략을 학습하려고 한다. 하지만 단일 에이전트 경우에 비해 보다 큰 상태-행동 공간을 갖는 다중 에이전트환경에서는 강화학습을 통해 효과적으로 최적의 행동 전략에 도달하기 어렵다는 문제점이 있다. 이 문제에 대한 기존의 접근방법은 크게 모듈화 방법과 일반화 방법이 제안되었으나 모두 나름의 제한을 가지고 있다. 본 논문에서는 대표적인 다중 에이전트 학습 문제의 예로서 먹이와 사냥꾼 문제(Prey and Hunters Problem)를 소개하고 이 문제영역을 통해 이와 같은 강화학습의 문제점을 살펴보고, 해결책으로 신경망 SOM을 이용한 일반화 방법인 QSOM 학습법을 제안한다. 이 방법은 기존의 일반화 방법과는 달리 군집화 기능을 제공하는 신경망 SOM을 이용함으로써 명확한 다수의 훈련 예가 없어도 효과적으로 이전에 경험하지 못했던 상태-행동들에 대한 Q값을 예측하고 이용할 수 있다는 장점이 있다. 또한 본 논문에서는 실험을 통해 QSOM 학습법의 일반화 효과와 성능을 평가하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 춘계학술발표논문집 (상)
• /
• pp.565-568
• /
• 2002

본 논문에서는 에이전트간의 통신이 불가능한 다중 에이전트 환경에서 각 에이전트들이 독립적이면서 대표적인 강화학습법인 Q-학습을 전개함으로써 서로 효과적으로 협조할 수 있는 행동전략을 학습하려고 한다. 하지만 단일 에이전트 경우에 비해 보다 큰 상태-행동공간을 갖는 다중 에이전트환경에서는 강화학습을 통해 효과적으로 최적의 행동 전략에 도달하기 어렵다는 문제점이 있다. 이 문제에 대한 기존의 접근방법은 크게 모듈화 방법과 일반화 방법이 제안되었으나 모두 나름의 제한을 가지고 있다. 본 논문에서는 대표적인 다중 에이전트 학습 문제의 예로서 the Prey and Hunters Problem를 소개하고 이 문제영역을 통해 이와 같은 강화학습의 문제점을 살펴보고, 해결책으로 신경망 SOM 을 이용한 일반화 방법을 제안한다. 이 방법은 다층 퍼셉트론 신경망과 역전파 알고리즘을 이용한 기존의 일반화 방법과는 달리 군집화 기능을 제공하는 신경망 SOM 을 이용함으로써 명확한 다수의 훈련 예가 없어도 효과적으로 채 경험하지 못한 상태-행동들에 대한 Q 값을 예측하고 이용할 수 있다는 장점이 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.371-375
• /
• 2008

예제 기반 학습(instance-based learning) 방법 중 하나인 k-최근접 이웃(k-nearest reighbor, k-NN) 학습은 간단하고 예측 정확도가 비교적 높아 분류 및 회귀 문제 해결을 위한 기반 방법론으로 널리 적용되고 있다. k-NN 학습을 위한 알고리즘은 기본적으로 유클리드 거리 혹은 2-놈(norm)에 기반하여 학습예제들 사이의 거리를 계산한다. 본 논문에서는 유클리드 거리를 일반화한 개념인 p-놈의 사용이 k-NN 학습의 성능에 어떠한 영향을 미치는지 연구하였다. 구체적으로 합성데이터와 다수의 기계학습 벤치마크 문제 및 실제 데이터에 다양한 p-놈을 적용하여 그 일반화 성능을 경험적으로 조사하였다. 실험 결과, 데이터에 잡음이 많이 존재하거나 문제가 어려운 경우에 p의 값을 작게 하는 것이 성능을 향상시킬 수 있었다.

• 정보처리학회논문지B
• /
• 제18B권6호
• /
• pp.405-414
• /
• 2011

국내에서 가장 일반적으로 사용되고 있는 규칙 기반 오류 검출 방법은 언어 전문가가 한국어 문서에서 자주 발생하는 오류에 대한 검출 규칙을 경험적으로 구축하고 있다. 그러나 이렇게 경험적으로 규칙을 만들면 새로운 패턴의 문장이 나타날 때마다 규칙이 수정되어야 하므로 일관성 있는 오류 검사 및 교정을 기대할 수 없다. 본 논문에서는 이를 해결하려고 최근 개발되고 있는 어휘의미망 중에서 KorLex와 같은 정규화된 언어 자원을 활용하여 단어들의 범주 정보를 추출하고 이를 이용하여 오류 결정 규칙을 일반화한다. 그러나 현재 구축된 KorLex에는 명사의 계층관계 정보는 구축되어 있지만, 문장 요소와의 관계 정보, 즉, 격틀 정보가 부족하다. 본 논문에서는 용언 의미 오류 결정 규칙으로 사용할 선택제약 명사 클래스를 정보이론에 기초한 MDL과 Tree Cut Model을 활용하여 추출하고 이러한 선택제약 명사 클래스를 사용하여 문법 검사기 규칙을 일반화하는 방안을 제안한다. 실험 결과, 혼동하기 쉬운 네 개의 용언에 대해 목적어로 사용된 명사를 선택제약 명사 클래스로 일반화하여 문법 검사기 오류 결정 규칙 수를 평균 64.8%로 줄였고 기존 명사를 사용한 문법 검사기보다 정확도 측면에서 평균 약 6.2%정도 향상된 결과를 얻을 수 있었다.