• Journal of Engineering Education Research
• /
• v.12 no.2
• /
• pp.96-106
• /
• 2009

Problem-based learning has been considered as one of the effective educational methods in engineering education. However, in so far as professors who require practical insights in PBL and experiences of developing actual problems by subject, in particular, thorough understanding from experiences of PBL process as well as problem-development has not been sufficiently provided. The purpose of this paper is to present strategies focusing on problem design for PBL on engineering education. In order to do this, a literature review and a qualitative case study were performed. Especially, the study intended to identify differences and gap between professors' problems-development process and its output and those of authentic PBL. Professors were found that their PBL problems had lack of authenticity, consideration on experiences of students, and realistic thinking process. Professors in PBL had difficulty to link theory into real situation. In consequence, in designing a problem, we consider the followings; first, the problem should be designed based on real design process and its output. Second, the problem should be designed and implemented in all academic years for developing student's systematic and skillful thinking process. In conclusion, more supports are needed for engineering professors to extend their experiences of designing and developing actual problems that present real experience.

• 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 Information Science Society Conference
• /
• 2004.10b
• /
• pp.706-708
• /
• 2004

대부분의 기계학습 알고리즘은 학습 데이터에서 각각의 범주간의 비율이 동일하거나 비슷하다는 가정 하에 문제를 풀게 된다. 그러나 실제 문제에서는 그 비율이 동일하지 않으며 매우 큰 차이를 보이기도 하는데, 이는 분류 성능을 저하시키는 요인이기도 하다 따라서 본 논문에서는 이러한 데이터의 불균형 문제를 해소하는 방안으로 SVM 앙상블 기법을 적용한 샘플링을 제안하고 이를 실제 불균형 데이터에 적용함으로써 제안된 방법이 기존의 방법들에 비해 향상된 성능을 나타내는 것을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.241-243
• /
• 2004

실제 응용에서 제기되는 많은 최적화 문제는 실제로 여러 개의 목적함수를 가진 최적화 문제로 분류될 수 있다. 이러한 다중 목적함수 최적화 문제에 적용되온 방법 중에서 다중 목적함수 진화 알고리즘은 해집합을 이용한다는 특성 및 목적함수 처리의 용이성 때문에 많은 연구가 이루어지고 있다. 본 논문에서는 대표적인 다중 목적함수 진화 알고리즘이라 할 수 있는 입실론-다중 목적함수에 대하여 다양한 최적화 문제에 대하여 실험적으로 비교 분석해 보았다.

• Korean Journal of Logic
• /
• v.6 no.2
• /
• pp.135-158
• /
• 2003

베이즈주의는 믿음의 정도라는 확률의 의미해석과 수학적 확률론에 의한 계산체계를 기초로 하여 가설과 증거간의 입증(confirmation) 관계를 명료하게 분석한다. 베이즈주의는 증거 E가 가설 H를 입증한다는 것을 PR(HIE&K)-PR(HIK)>0으로 정의한다. 그러나 이러한 분석이 과연 과학자들의 입증개념을 올바로 반영하고 있는가 하는 비판이 오래된 증거(old evidence)의 문제로부터 제기되었다 오래된 증거는 이미 알려진 정보이기 때문에 완전한 확률 값 1을 부여받는다. 이 때 오래된 증거가 가설을 입증할 수 있는가 하는 질문은 베이즈주의자와 실제 과학자 사이에 서로 다른 답변을 도출한다. 먼저 베이즈주의에 따르면 오래된 증거가 가설을 입증할 수 없다. 그것은 PR(EIK)=1일 때 PR(HIK)=PR(HIE&K)의 결과가 도출되기 때문이다. 하지만 과학사의 여러 예들로부터 제시되는 실제 과학자들의 입증개념에 따르면 오래된 증거가 가설을 입증하고 있다. 필자는 이와 같은 입증개념의 이질성 문제가 다만 어떤 증거가 입증 가능한 것인지를 구분해야 하는 질적인(qualitative) 문제일 뿐만 아니라 증거가 가설을 어느 정도 입증하는지 하는 입증도를 정확하게 측정해야 하는 양적인(quantitative) 문제라는 점을 밝힌다. 특히 필자는 양적인 문제를 해결하면 질적인 문제가 자연히 해결된다는 점을 밝히고, 반 프라센이나 가버가 제안한 전략이 모두 질적인 문제만을 다루기 때문에 부분적인 해결책에 지나지 않는다는 점을 밝힘으로써 오래된 증거의 문제의 본질은 양적인 문제에 있다는 점을 주장한다.

• 한국IT서비스학회:학술대회논문집
• /
• 2003.11a
• /
• pp.223-232
• /
• 2003

추천시스템을 설계하는 방법에는 크게 Content-Based Filtering 기법과 Collaborative Filtering 기법이 있다. 이 중 Collaborative Filtering 기법은 사용자가 아직 평가하지 못한 상품에 대한 예측값을 계산할 때, 나와 유사한 상품선호를 갖고 있는 사람들이 그 상품에 대해 평가한 점수를 활용하는 방법이다. 하지만 순수한 Collaborative Filtering 방법은 일반적으로 알려진 Data Sparsity의 문제, First Rater의 문제뿐만 아니라 예측값의 부정확성과 기하급수적 계산량의 증가로 실제구현이 어렵다는 문제점을 가지고 있다. 본 연구에서는 이러한 'Collaborative filtering' 시스템의 문제들 중 예측의 부정확성과 실제 구현의 어려움을 해결할 수 있는 방법으로 군집분석을 적용해 보았다. 특히 본 연구에서는 군집을 나눌 때, 실제 추천이 이루어지는 상품 도메인이 아닌, 그 상품도메인과 비슷한 선호의 기준을 가지고 선택하게 되는 '선택의 상관관계'가 높은 '이웃 상품도메인'에서 사용자들의 군집을 나누고 이를 실제 추천이 이루어지는 상품도메인에 적용하는 방식을 사용하였다.

• Journal of the Korean Applied Science and Technology
• /
• v.40 no.1
• /
• pp.168-178
• /
• 2023

This study aims to develop and apply problem Based learning classes through skin beauty basics and practical classes to foster experts close to the beauty care field. Students are presented with a problem to solve in practice in the field of skin care, and in order to solve the problem, intellectuals try to come up with a solution to solve the problem jointly. Conduct skin beauty learning classes that apply problem-based learning to students, and analyze the effects after taking the classes. As a result of this study, by presenting actual problems in the field, scientists were able to actually do what experts do, and it was possible to come up with various solutions to a given problem in the future, and to share parts to expect problem-solving abilities. These results suggest that problem-solving and the problem-centered learning process for problem-solving have a positive effect on improving his problem-solving ability.

• Transactions of the Korean Society of Mechanical Engineers
• /
• v.13 no.6
• /
• pp.1118-1127
• /
• 1989

본 연구에서는 두 치차사이의 접촉 문제를 해석하기 위하여 마찰을 고려한 수직 하중과 접선 하중이 동시에 작용하는 경우에서의 접촉 문제를 수식화하였다. 그리고 두개의 원통의 접촉으로 가정함이 없이 실제적인 인벌루우트 곡면간의 접촉 문제를 해석하기 위하여 유한 요소법을 사용하였으며 비선형 연립 방정식으로 수식화된 된 접촉 문제를 효과적으로 풀기 위하여 최적화 기법을 이용한 산법을 제시하였다. 이때 마찰을 고려한 치차의 접촉 문제 해석에 필요한 수직 압력 분포는 이 등에 의하여 이루어진 결과를 이용하였다. 제시한 산법에 의하여 마찰을 고려한 두 치차의 접촉 문제를 해석하여 치차 손상의 중요한 원인중의 하나인 피팅(pitting) 현상을 유발하는 실제적인 조건을 고려함으로써 자동화 및 정밀화 되어가는 기계의 중요한 부품으로서 치차의 정밀 설계를 하기 위한 정확한 자료를 제시하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.622-624
• /
• 2004

강화 학습(Reinforcement Learning)을 실제 문제에 적용하는 데 있어 가장 큰 문제는 차원성의 저주(Curse of dimensionality)였다 문제가 커짐에 따라 목적을 이루기 위해서 더 많은 단계의 판단이 필요하고 이에 따라 문제의 해결이 지수적으로 어려워지게 된다. 이를 해결하기 위해 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. 최근 이루어진 복잡계 네트워크(Complex Network)에 대한 연구에 착안하여 본 논문은 자기조직화하는 생장 네트워크(Self organizing growing network)를 기반으로 한 간단한 환경 표현 모델을 사용하는 강화 학습 알고리즘을 제안한다 네트웍은 복잡계 네트웍이 갖는 성질들을 유지하도록 자기 조직화되고, 노드들 간의 거리는 작은 세상 성질(Small World Property)에 따라 전체 네트웍의 큰 사이즈에 비해 짧게 유지된다. 즉 판단해야할 단계의 수가 적게 유지되기 때문에 이 방법으로 차원성의 저주를 피할 수 있다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1995.04a
• /
• pp.0-0
• /
• 1995

대부분의 시뮬레이션이 특정 시스템의 모델에 대한 분석을 위해 시행된다. 하지만 이러한 용도뿐만 아니라 실제 시스템이 의도대로 진행될 것인지의 검증을 위해서 시뮬레이 션을 사용할 수 있다. 예를 들어, FMS(유연생산시스템)와 같이 분산된 환경에서 작동하는 시스템을 구축하는 경우, 시스템의 작동 여부를 검증하는 용도로 시뮬레이션을 사용할 수 있는데 이 경우 첫단계에는 모든 기계를 시뮬레이션으로 대치하여 처리하다가 한단위씩 실 제 기계로 교환하여 목적에 부합하는지를 검토함으로써 전체 시스템을 용이하게 구축할 수 있다. 위와 같은 경우 그 실행 과정에서 실제 작업과 시뮬레이션 작업이 혼합되어 나타나게 된다. 이러한 혼합 분산 시뮬레이션에서는 실제 작업과 시뮬레이션 작업을 동기화하는 문제 가 발생하며 하드웨어의 실제 작업뿐만 아니라 소프트웨어의 실작업 시간 또는 시뮬레이션 진행에 반영되어야만 한다. 여기서는 실제 작업과 시뮬레이션 작업이 혼합되어 나타나는 혼 합 분산 시뮬레이션을 정의하고, 그 필요성을 살펴본다. 그리고 이러한 문제에 대한 기존의 시뮬레이션 연구들의 적용성을 고찰해 보며, 혼합 분산 시뮬레이션의 운영 방법으로서 중앙 시계를 이용한 실제 작업과 시뮬레이션 작업의 동기화 방안을 제시한다.