• Title/Summary/Keyword: 무한강하법

Search Result 3, Processing Time 0.021 seconds

A Study on the Teaching of Proofs using the Method of Infinite Descent (무한강하법을 이용한 증명지도의 연구)

  • Lee, Dong Won;Kim, Boo Yoon;Chung, Young Woo
    • East Asian mathematical journal
    • /
    • v.32 no.2
    • /
    • pp.193-215
    • /
    • 2016
  • There are three subjects in the study. First, after investigating the development process of the method of infinite descent and the reduction to absurdity, we prove them to be equivalent each other. Second, we apply the method of infinite descent to some problems in textbook and compare it with the reduction to absurdity. Finally, we discuss on teaching proofs with the method of infinite descent.

Identification of the Hualien Soil-Structure Interaction System Using Earthquake Response Data (지진계측자료를 사용한 화련 지반-구조물 상화작용계의 미지계수 추정)

  • 최준성
    • Proceedings of the Earthquake Engineering Society of Korea Conference
    • /
    • 2000.04a
    • /
    • pp.249-258
    • /
    • 2000
  • 본 논문에서는 지반-구조물 상호작용계의 강성에 관련된 물성값들을 지진계측결과를 바탕으로 효과적으로 추정할 수 있는 방법에 대해 연구하였으며 제안된 방법의 검증은 국제공동 연구의 일환으로 최근 대만의 화련에 건설된 대형지진시험구조물에서 계측된 지진 응답을 사용하여 수행하였다. 지반-구조물 상호작용계의 지진응답해석을 위해서 구조물과 근역지반은 축대칭유한요소로 모형화하고 원역지반은 축대칭 무한요소를 사용하였으며 이때 입력 지진하중은 부구조법에 근거한 파입력기법이 고려되었다 지진계측결과를 사용하여 각 영역의 물성값을 제약적 최속강하법을 사용하여 추정하였는데 추정된 계수들을 사용하여 계산된 지진응답이 계측치와 매우 잘 일치하여 추정결과의 타당성을 검증할 수 있었다.

  • PDF

A Discriminative Training Algorithm for HMM Based on MAP Formulation (MAP 수식화에 의한 HMM의 변별력 있는 학습 알고리듬)

  • 전범기
    • Proceedings of the Acoustical Society of Korea Conference
    • /
    • 1994.06c
    • /
    • pp.138-141
    • /
    • 1994
  • 기존의 HMM을 이용한 음성인식기는 대부분 ML 추정에 기초한 Baum-Welch 알고리듬으로 학습되었다. ML학습은 기본적으로 무한한 양의 학습 데이터가 주어지고, 각 모델들이 서로 독립이라는 가정에 기초한다. 하지만 실제적인 학습의 경우에 각 모델들이 서로 독립이라고 보기 어렵고, 학습 데이터의 양도 상당히 제한되어 있어서 인식기의 변별력을 저하시키는 주된 원인이 되고 있다. 본 논문에서는 전통적인 패턴분류기법인 Bayes 결정이론에 따라 최소오차율분류를 위한 MAP 수식화를 유도하고, 그에 기초한 HMM의 변별력 있는 학습 알고리듬을 제안한다. 최소오차율분류를 근사화한 사후확률로 표현된 비용함수를 정의하고, 그 비용함수에 조건부 경사강하법을 적용한다. 제안된 알고리듬을 분류하기 어려운 한국어 단음절 인식에 적용한 결과, 기존의 ML 알고리듬으로 학습한 경우 발생한 오인식 개수의 약 10% 가량이 개선되었다.

  • PDF