• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.232-234
• /
• 2004

강화 학습(Reinforcement Learning)을 실제 문제에 적용하는 데 있어 가장 큰 문제는 차원성의 저주(Curse of dimensionality)이다. 문제가 커짐에 따라 목적을 이루기 위해서 더 않은 단계의 판단이 필요하고 이에 따라 문제의 해결이 지수적으로 어려워지게 된다. 이를 해결하기 위칠 문제를 여러 단계로 나누어 단계별로 학습하는 계층적 강화 학습(Hierarchical Reinforcement Learning)이 제시된 바 있다. 하지만 대부분의 계층적 강화 학습 방법들은 사전에 문제의 구조를 아는 것을 전제로 하며 큰 사이즈의 문제를 간단히 표현할 방법을 제시하지 않는다. 따라서 이들 방법들도 실제적인 문제에 바로 적용하기에는 적합하지 않다. 이러한 문제점들을 해결하기 위해 복잡계 네트워크(Complex Network)가 갖는 작은 세상 성질(Small world Property)에 착안하여 자기조직화 하는 생장 네트워크(Self organizing growing network)를 기반으로 한 환경 표현 모델이 제안된 바 있다. 이러한 모델에서는 문제 크기가 커지더라도 네트워크의 사이즈가 크게 커지지 않기 때문에 문제의 난이도가 크기에 따라 크게 증가하지 않을 것을 기대할 수 있다. 본 논문에서는 이러한 환경 모델을 사용한 강화 학습 알고리즘을 구현하고 실험을 통하여 각 모델이 강화 학습의 문제 사이즈에 따른 성능에 끼치는 영향에 대해 알아보았다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.705-707
• /
• 2022

본 연구에서는 기존 차량 경로 문제(Vehicle Routing Problem)의 범위를 확장시켜 일반화된 차량 경로문제(Generalized Vehicle Routing Problem)를 제시하고, 이 문제를 해결하기 위한 강화학습 모델을 제안한다. 기존의 차량 경로 문제는 depot에서 각 node(또는 각 node에서 depot)의 단방향만 존재해 제한된 문제만을 해결할 수 있었다. 이 한계점을 극복하기 위해 depot을 제외한 모든 node가 서로 연결된 형태의 일반화된 차량 경로 문제를 정의하고 이를 해결하고자 한다. 차량 경로 문제는 NP-hard 문제로 최근에는 강화학습을 이용해 이를 해결하고자 하는 모델이 연구되고 있다. 본 연구에서는 새로 정의한 일반화된 차량 경로 문제를 해결하기 위한 강화학습 모델을 제안한다.

• 한국디지털정책학회:학술대회논문집
• /
• 2004.05a
• /
• pp.517-524
• /
• 2004

교육은 끊임없는 대화로 이루어지므로 웹을 통한 온라인 학습 시스템에서도 사회적 상호작용이 활발히 일어날 수 있는 환경을 만드는것이 필수적이다. 이에 본 연구에서는 인터넷을 활용한 효과적인 문제 해결학습을 위해 플랫폼 독립적인 상호작용도구를 이용하는 웹 기반의 문제 해결학습시스템을 개발하였다. 문제 해결 모델은 학교 현장에서 학습효과를 증진시키기 위한 문제 해결 학습 모형으로 전문가 모둠 활동과 향상점수를 활용하여 학습에 긍정적인 영향을 주는 것으로 평가되고 있다. 본 연구에서는 문제해결을 위한 핵심적인 기법이라고 할 수 있는 문제분석과 결정분석 두 가지 기법을 중심으로 학습 프로그램 내용을 조직하고 지원하는 여러 가지 기능을 개발하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.01a
• /
• pp.327-328
• /
• 2016

프로그래밍 교육은 프로그래밍에 필요한 지식 교육부분과 문제해결능력과 연관된 프로그래밍 전략을 교육하는 부분이 함께 필요하다. 프로그램 작성 기술을 교육하는 과정은 단순한 지식 습득과정이 아니므로 수업과정에서 학습자 스스로 문제해결능력을 배양할 수 있는 유도과정이 필요하다. 이러한 특성의 프로그래밍 수업의 대표적인 수업방식은 실습방식으로, 실제 수업에서 학습자들의 서로 다른 수준을 고려하면서 실습수업을 효과적으로 운영하기에는 수업시간에 대한 제약이 많이 발생한다. 본 연구에서는 프로그래밍 교육에서 사전 프로그래밍 과제를 활용하여 주어진 학점과 시간 안에서 실습 중심의 학습 효과를 높일 수 있는 교수 학습 모델을 제시한다. 이를 통해 프로그래밍 언어 교육 과정에서 발생하는 제한된 실습수업 시간으로 인해 학습자 스스로가 문제해결능력을 배양할 수 있도록 유도하는 수업을 실시하는데 발생하는 어려움을 해결하여, 학습자가 문제해결능력을 향상시키고 좋은 프로그램 작성 기준에 적합한 프로그램 개발 능력을 배양하는 결과를 얻을 수 있었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.05a
• /
• pp.73-77
• /
• 2001

본 논문에서는 부분적으로 관측 가능한 환경에서 사전의 모델 정보 없이 확률적인 행동 정책을 학습하는 상태 조직화 강화 학습 모델을 제안한다. 기존의 강화학습은 환경 모델을 사전에 필요로 하고 상태 전체의 관측이 필요하기 때문에 학습 이전에 문제에 대해 알아야 한다는 제약이 있다. 또한 작은 문제에 대해서는 잘 적용되지만 상태의 수가 매우 많고 부분적으로만 관측한 경우가 많은 실제 문제에는 그대로 적용하기가 불가능하다. 이러한 두 가지 단점을 해결하기 위해 본 논문에서는 사전의 모델 정보 없이 부분적인 관측값으로부터 상태와 행동 정책을 동시에 학습해 나가는 강화 학습 모델을 제안하고, 제안된 방법을 부분적으로만 관측이 가능한 미로 탐색 문제에 적용하였다.

• Proceedings of the Korea Contents Association Conference
• /
• 2018.05a
• /
• pp.563-564
• /
• 2018

컴퓨팅사고(computational thinking)란 기존의 인간사고와는 달리 컴퓨터를 활용하여 문제를 해결하는 과정에서의 여러가지 특성과 기질을 포함하는 문제해결과정이다. 이는 SW중심사회와 4차산업혁명의 도래로 인해 인공지능과 신경망 등 첨단의 소프트웨어 기술을 발전시킬 수 있는 기반이 되며, 매우 복잡한 문제를 알고리즘적인 방법으로 해결하는데 쓰일 수 있어서, 효율적인 결과를 보여줄 수 있다. 본 논문에서는 비버 챌린지 기반의 컴퓨팅사고력 향상을 위한 학습모델을 제안하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.526-529
• /
• 2020

최근 네트워크 환경에 대한 공격이 급속도로 고도화 및 지능화 되고 있기에, 기존의 시그니처 기반 침입탐지 시스템은 한계점이 명확해지고 있다. 이러한 문제를 해결하기 위해서 기계학습 기반의 침입 탐지 시스템에 대한 연구가 활발히 진행되고 있지만 기계학습을 침입 탐지에 이용하기 위해서는 두 가지 문제에 직면한다. 첫 번째는 실시간 탐지를 위한 학습과 연관된 중요 특징들을 선별하는 문제이며 두 번째는 학습에 사용되는 데이터의 불균형 문제로, 기계학습 알고리즘들은 데이터에 의존적이기에 이러한 문제는 치명적이다. 본 논문에서는 위 제시된 문제들을 해결하기 위해서 Hybrid Feature Selection과 Data Balancing을 통한 심층 신경망 기반의 네트워크 침입 탐지 모델을 제안한다. NSL-KDD 데이터 셋을 통해 학습을 진행하였으며, 평가를 위해 Accuracy, Precision, Recall, F1 Score 지표를 사용하였다. 본 논문에서 제안된 모델은 Random Forest 및 기본 심층 신경망 모델과 비교해 F1 Score를 기준으로 7~9%의 성능 향상을 이루었다.

• Communications of Mathematical Education
• /
• v.23 no.1
• /
• pp.129-144
• /
• 2009

The purpose of the study was to investigate the effects of the use of RNP curriculum based on Lesh translation model on third grade students' understandings of fraction concepts and problem solving ability. Students' conceptual understandings of fractions and problem solving ability were improved by the use of the curriculum. Various manipulative experiences and translation processes between and among representations facilitated students' conceptual understandings of fractions and contributed to the development of problem solving strategies. Expecially, in problem situations including fraction ordering which was not covered during the study, mental images of fractions constructed by the experiences with manipulatives played a central role as a problem solving strategy.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.141-146
• /
• 2018

최근 대화 모델 학습에는 시퀀스-투-시퀀스 모델이 널리 활용되고 있다. 하지만 기본적인 시퀀스-투-시퀀스 모델로 학습한 대화 모델은 I don't know 문제와 사오정 문제를 내포한다. I don't know 문제는 입력 발화에 대해 안전하고 무미건조한 단편적인 대답을 많이 생성하는 문제이다. 사오정 문제는 입력 발화에 대해 적절한 응답을 생성했지만 입력 발화와 동일한 의미를 지니지만 어순, 어미 등의 변화가 있는 발화에는 적절한 응답을 생성하지 못하는 문제이다. 이전 연구에서 디노이징 메커니즘을 활용하여 각각의 문제를 완화하는 대화 모델들을 학습할 수 있음을 보였으나 하나의 모델에서 두 문제를 동시에 해결하지는 못하였다. 본 논문에서는 디노이징 메커니즘을 활용하여 각각의 문제에 강점을 지닌 디코더들을 학습하고 응답 생성 시 입력 발화에 따라 두 디코더를 적절하게 반영하여 언급한 문제 모두에 대해 강건한 응답을 생성할 수 있는 모델을 제안한다. 제안하는 방법의 우수성을 보이기 위해 9만 건의 한국어 대화 데이터로 실험을 수행하였다. 실험 결과 단일 문제를 해결하는 모델들과 비교하여 ROUGE F1 점수와 사람이 평가한 정성 평가에서 성능 향상을 보였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.01a
• /
• pp.231-234
• /
• 2014

본 논문에서는 디지털 교과서를 활용한 자기주도 문제해결학습 모형을 제안한다. 이 모형은 디지털 교과서를 활용한 수업에 대한 선행 연구 분석을 통해 디지털 교과서를 이용했을 때의 장점을 극대화하는 방향으로 설계되었다. 디지털 교과서를 활용했을 때 학습의 주도권이 교사에서 학생으로 넘어올 수 있도록 학생들이 디지털 교과서를 통해 제공되는 자료를 ICT 도구를 활용해 스스로 분석 정리하고 이러한 일련의 활동을 통해 학생들이 공부하는 방법을 자연스럽게 깨우치도록 하는 데 이 모형의 궁극적인 목적이 있다. 위와 같은 디지털 교과서를 활용한 자기주도 문제해결학습 모형을 학교 수업에 적용했을 때 기대되는 효과로는 문제해결력 향상, 학습에 대한 능동성 강화, 학습동기 증진, 수준별 학습 가능 등이 있다.