• 제어로봇시스템학회:학술대회논문집
• /
• 1992.10a
• /
• pp.230-235
• /
• 1992

We propose a method of generating data to train a neural network controller. The data can be prepared directly by an iterative learning technique which repeatedly adjusts the control input to improve the tracking quality of the desired trajectory. Instead of storing control input data in memory as in iterative learning control, the neural network stores the mapping between the control input and the desired output. We apply this concept to the trajectory control of a two link robot manipulator with a feedforward neural network controller and a feedback linear controller. Simulation results show good generalization of the neural network controller.

• Journal of the Korean Society for Nondestructive Testing
• /
• v.33 no.4
• /
• pp.376-381
• /
• 2013

위상잠금 열화상에서는 일반적으로 변조된 주파수의 광램프를 쓰고 있다. 하지만 램프의 광도 분포는 입력신호가 평단(flat)특성임에 불구하고 심지어 불균일하여 검사 시편내에 측면 열유동을 만들어낸다. 이러한 열유동은 원치 않는 효과로서 측면의 분해능을 감소시키는 등과 같이 관심 결함구조의 영상에 부정적인 영향을 미친다. 본 고에서 검토되는 방식은 열원으로서 LCD 프로젝터와 같은 것을 이용하여 각 가진픽셀에 개별적으로 진동진폭, 광도 오프셋, 위상지연 등을 할당하는 방법에 대한 접근기술이다. 이러한 반복적인 자체학습 과정에 의한 조명 패턴을 통하여 측면 열유동이 제거되고 분해능이 향상되도록 제공하는 것이다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.16 no.4
• /
• pp.99-105
• /
• 2011

This paper presents a method to design a centralized repetitive controller that is robust to variations in the multiple system parameters. The uncertain parameters are specified probabilistically by their probability distribution functions. Instead of working with the distribution functions directly, the centralized repetitive controller is designed from a set of models that are generated from the specified probability functions. With this multiple-model design approach, any number of uncertain parameters that follow any type of distribution functions can be treated. Furthermore, the controller is derived by minimizing a frequency-domain based cost function that produces monotonic convergence of the tracking error as a function of repetition number. Numerical illustrations show how the proposed multiple-model design method produces a repetitive controller that is significantly more robust than an optimal repetitive controller designed from a single nominal model of the multiple system.

• Journal of KIISE:Software and Applications
• /
• v.31 no.10
• /
• pp.1259-1265
• /
• 2004

In many applications, producing labeled data is costly and time consuming while an enormous amount of unlabeled data is available with little cost. Therefore, it is natural to ask whether we can take advantage of these unlabeled data in classification teaming. In machine learning literature, the co-training method has been widely used for this purpose. However, the current co-training method requires the entire features to be split into two independent sets. Therefore, in this paper, we improved the current co-training method in a number of ways, and proposed a new co-training method which do not need the feature split. Experimental results show that our proposed method can significantly improve the performance of the current co-training algorithm.

• Journal of KIISE:Software and Applications
• /
• v.27 no.2
• /
• pp.97-107
• /
• 2000

Incremental learning generally reduces training time and increases the generalization of a neural network by selecting training data incrementally during the training. However, the existing methods of incremental learning repeatedly evaluate the importance of training data every time they select additional data. In this paper, an incremental learning algorithm is proposed for pattern classification problems. It evaluates the importance of each piece of data only once before starting the training. The importance of the data depends on how close they are to the decision boundary. The current paper presents an algorithm which orders the data according to their distance to the decision boundary by using clustering. Experimental results of two artificial and real world classification problems show that this proposed incremental learning method significantly reduces the size of the training set without decreasing generalization performance.

• The Journal of Korean Association of Computer Education
• /
• v.22 no.2
• /
• pp.39-50
• /
• 2019

We designed and applied team project based learning for effective computer programming education and analyzed the effect on learning effect. Throughout simplified traditional theories and practices, teamed up with random lottery, divided role & responsibility, and conducted problem solving projects in a competitive way for a given task. When after completion of the course, we conducted questionnaires on learners in order to grasp the influence factors on the learning effect. As a result of the structural equation model analysis, it was shown that Team Project had a direct effect on the learning effect. The learning effect based on the relationships among the factors derived through exploratory factor analysis. Based on this analysis, we propose a more effective computer programming education way.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.329-330
• /
• 2020

본 논문에서는 Azure 클라우드 플랫폼의 가상서버 호스팅을 이용해 데이터 수집 환경을 구축하고, Azure에서 제공하는 자동화된 기계학습(Automated Machine Learning, AutoML)을 기반으로 데이터 분석 방법에 관한 연구를 수행했다. 가상 서버 호스팅 환경에 LAMP(Linux, Apache, MySQL, PHP)를 설치하여 데이터 수집환경을 구축했으며, 수집된 데이터를 Azure AutoML에 적용하여 자동화된 기계학습을 수행했다. Azure AutoML은 소모적이고 반복적인 기계학습 모델 개발을 자동화하는 프로세스로써 기계학습 솔루션 구현하는데 시간과 자원(Resource)를 절약할 수 있다. 특히, AutoML은 수집된 데이터를 분류와 회귀 및 예측하는데 있어서 학습점수(Training Score)를 기반으로 보유한 데이터에 가장 적합한 기계학습 모델의 순위를 제공한다. 이는 데이터 분석에 필요한 기계학습 모델을 개발하는데 있어서 개발 초기 단계부터 코드를 설계하지 않아도 되며, 전체 기계학습 시스템을 개발 및 구현하기 전에 모델의 구성과 시스템을 설계해볼 수 있기 때문에 매우 효율적으로 활용될 수 있다. 본 논문에서는 NPU(Neural Processing Unit) 학습에 필요한 데이터 수집 환경에 관한 연구를 수행했으며, Azure AutoML을 기반으로 데이터 분류와 회귀 등 가장 효율적인 알고리즘 선정에 관한 연구를 수행했다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2005.05a
• /
• pp.746-752
• /
• 2005

본 논문에서는 다층 퍼셉트론 신경망 학습을 위한 새로운 두 단계 학습방법을 제안하고 이를 옵션 가격결정 모형에 응용하였다. 제안된 신경망 학습 알고리즘의 첫번째 단계는 Levenberg-Marquardt 알고리즘을 이용하여 빠르게 국소최적해를 찾는 것이고 두 번째 단계는 첫 번째 단계에서 찾은 국소최적해가 원하는 수준에 미치지 못할 경우 선형탐색 터널링을 이용해서 더 나은 해를 찾는 것이다. 이 두 단계를 반복적으로 수행함으로써 연결가중치 공간에서 구하고자 하는 해를 빠르고 안정적으로 찾을 수 있다. 현재 옵션가격결정 모형으로 많이 이용되고 있는 Black-Scholes 모형의 문제점을 극복하기 위해서 제안된 신경망 모형을 옵션가격결정 문제에 사용하였다. 이 모형을 KOSPI200 옵션 데이터로 실험한 결과 Black-Scholes 모형에 비해 검증오차를 60% 가량 줄일 수 있었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.399-402
• /
• 2001

실기 중심의 수업에서 대부분의 학습자들이 반복되는 기능 습득으로 목표점에 도달할 수 있다. 이러한 행동주의적인 학습방법에도 기포적인 이론 즉 인지주의적인 학습이 뒷받침되어야 기능 습득이 효과적으로 된다고 본다. 특히 여기서 다루고자하는 전기회로 실습에서는 기기의 동작원리 및 동작되는 기기에 따라 변화되는 회로의 이해가 학습자에게 무엇보다 중요하다. 그러므로 실습에 사용되는 요소별 회로도의 이해를 돕기 위하여 동영상으로 된 회로분석도가 필요하다. 오늘간 일상 생활에서부터 각종 산업분야에 이르기까지 전기 분야가 차지하는 비중은 매우 크다. 전기분야는 전기이론, 전기기기, 전력, 자동제어, 전기응용, 전기측정, 전기실습 등 여러 분야가 있으나, 전기실습은 공업계 고등학교 학생들에게 곡 필요한 과목이며, 다른 과목의 이해를 돕게 하는 기초적인 요소이다. 여기에서는 이러한 전기실습의 효과를 높이기 위하여 동영상으로 된 회로 분석도를 작성하였다.

• Proceedings of the Korean Society for Cognitive Science Conference
• /
• 2000.05a
• /
• pp.143-149
• /
• 2000

본고에서는 불어 자동처리 연구의 기초이면서, 불어 초·중급 학습에 가장 큰 걸림돌로 여겨지는 불어 굴절 변화형의 분석 및 생성 교육 시스템 Inflection-edu를 소개한다. inflection-edu는 부산대학교 언어 정보 연구실에서 개발한 불어 형태소 분석-생성기를 기반으로 하였으며, 동사 8,249개, 명사 29,059개, 형용사 9,957개와 그 굴절 변화형을 모두 분석 및 생성할 수 있으며, 학습자를 위한 굴절 규칙 231개를 포함한다. 제 2 장에는 분석과 생성을 위한 모델화(modelling) 방법론을 제시하고, 제 3 장에서는 이 결과를 불어 교육 시스템에 연동하기 위한 인터페이스를 제시하고, 제 4 장에서는 Inflection-edu의 인터페이스를 소개한다. 제 5 장에서는 남은 문제와 향후 응용 방향을 알아본다. 형태소 분석기와 생성기능이 교육 시스템에 통합된 Inflection-edu는 70년대 개발된 프로그램과 같이 단순하고 반복적인 교수-학습 작업을 제공하는 것이 아니다. 학습자의 요구에 정확하고 빠르게 피드백을 줄 수 있으며, 좀 더 큰 단위의 분석 및 생성이 가능하도록 하여, 좀 더 지능적인 언어 교육 시스템을 구현하는 것을 그 개발 목표로 하고 있다.