• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1874-1875
• /
• 2011

본 논문에서는 스위칭 선형 시스템의 적응 LQ 준최적 제어를 위한 Q-학습법 알고리즘을 제안한다. 제안된 제어 알고리즘은 안정성이 증명된 기존 Q-학습법에 기반하며 스위칭 시스템 모델의 변수를 모르는 상황에서도 준최적 제어가 가능하다. 이 알고리즘을 기반으로 기존에 스위칭 시스템에서 고려하지 않았던 각 시스템의 불확실성 및 최적 적응 제어 문제를 해결하고 컴퓨터 모의실험을 통해 제안한 알고리즘의 성능과 결과를 검증한다.

• Annual Conference on Human and Language Technology
• /
• 2014.10a
• /
• pp.44-47
• /
• 2014

한국어 의미역 결정(Semantic Role Labeling)은 주로 기계 학습에 의해 이루어지며 많은 말뭉치 자원을 필요로 한다. 그러나 한국어 의미역 결정 시스템에서 사용되는 Korean PropBank는 의미역 부착 말뭉치와 동사 격틀이 영어 PropBank의 1/8 수준에 불과하다. 따라서 본 논문에서는 한국어 의미역 결정 시스템을 위해 의미역 부착 말뭉치와 동사 격틀을 확장하여 Korean PropBank를 확장 시키고자 한다. 의미역 부착 말뭉치를 만드는 일은 많은 자원과 시간이 소비되는 작업이다. 본 논문에서는 도메인 적응 기술을 적용해보고 기존의 학습 데이터를 활용하여, 적은 양의 새로운 학습 말뭉치만을 가지고 성능 하락을 최소화 할 수 있는지 실험을 통해 알아보고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.220-222
• /
• 2006

분산 어플리케이션은 동시에 여러 사용자가 각기 다른 환경에서 동기화된 프로세서를 사용하기 때문에 일정 한 성능을 유지하는 것이 무엇보다 중요하다. 진단엔진은 시스템을 진단하여 시스템 결함의 원인을 발견하여 시스템이 자가치료가 가능하게 한다. 적응형 미들웨어는 진단엔진을 사용해서 분산 어플리케이션이 로컬환경에 맞는 고른 서비스를 유지 할 수 있도록 한다. 본 논문은 베이지안 네트워크를 사용한 적응형 미들웨어의 진단엔진을 제안한다. 베이지안 네트워크는 상황인지분야에서 널리 사용되는 추론기법으로서, 수집 된 데이터를 통해서 그 구조를 학습하고 데이터를 증거 값으로 시스템 진단을 한다. 본 논문은 실험 대상자로부터 윈도우시스템에서 두 시간 동안 데이터를 수집하여 한 시간은 베이지안 네트워크 학습에 사용하고, 나머지는 베이지안 네트워크 성능평가에 사용하였다. 실험 결과 학습된 두 개의 베이지안 네트워크 모델은 각각 95.41%, 99.77%의 정확성을 보였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.9B
• /
• pp.1292-1298
• /
• 2001

본 논문에서는 공간 영역에서의 블록 분류 (block classification)와 순방향 신경망 필터(feedforward neural network filter)를 이용한 블록 기반 부호화에서의 적응적 블록화 현상 제거 알고리듬을 제안하였다. 제안한 방법에서는 각 블록 경계를 인접 블록간의 통계적 특성을 이용하여 평탄 영역과 에지 영역으로 분류한 후, 각 영역에 대하여 블록화 현상이 발생하였다고 분류된 클래스에 대하여 적응적인 블록간 필터링을 수행한다. 즉, 평탄 영역으로 분류된 영역 중 블록화 현상이 발생한 영역은 오류 역전파 학습 알고리듬 (error backpropagation learning algorithm)에 의하여 학습된 2계층 (2-layer) 신경망 필터를 이용하여 블록화 현상을 제거하고, 복잡한 영역으로 분류된 영역 중 블록화 현상이 발생한 영역은 에지 성분을 보존하기 위하여 선형 내삽을 이용하여 블록간 인접 화소의 밝기 값만을 조정함으로써 블록화 현상을 제거한다. 모의 실험 결과를 통하여 제안한 방법이 객관적 화질 및 주관적 화질 측면에서 기존의 방법보다 그 성능이 우수함을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.265-267
• /
• 2002

본 논문에서는 적응적 정규화 자연기울기 학습법과 자연 프루닝(pruning) 방법의 결합을 통하여 일반화 성능이 우수만 신경망을 구성하고자 한다. 먼저 적응적 정규화 자연기울기 학습을 통하여 신경망의 가중치를 최적화 시키고, 자연 프루닝에 의하여 신경망의 구조를 단순화 시킨다. 이러한 모델들 중 최적의 모델은 베이시안 정보 기준에 의해 선택함으로써 일반화 성능이 우수만 신경망을 구성하는 방법을 제안한다 벤치마크 (benchmark) 데이터로 제안하는 방법과 유클리디안(Euclidean) 거리에 기반한 결합 방법과 자연 프루닝만을 적용한 방법을 비교함으로써 우수성을 검증한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.226-228
• /
• 2004

베이지안 네트워크는 불확실한 상황을 모델링하기 위한 확률 기반의 모델이다. 베이지안 네트워크의 구조를 자동 학습하기 위한 연구가 많이 있었고, 최근에는 진화 알고리즘을 이용한 연구가 많이 진행되고 있다. 그러나 대부분은 마지막 세대의 가장 좋은 개체만을 이용하고 있다. 시스템이 요구하는 다양한 요구조건을 하나의 적합도 평가 수식으로 나타내기 어렵기 때문에, 마지막 세대의 가장 좋은 개체는 종종 편향되거나 변화하는 환경에 덜 적응적일 수 있다. 본 논문에서는 적합도 공유 방법으로 다양한 베이지안 네트워크를 생성하고, 이를 베이즈 규칙을 통해 결합하여 변화하는 환경에 적응적인 추론 모델을 구축할 수 있는 방법을 제안한다. 성능 평가를 위해 ALARM 네트워크에서 인공적으로 생성한 데이터를 이용한 구조 학습 및 추론 실험을 수행하였다. 다양한 조건에서 학습된 네트워크를 실험한 결과, 제안한 방법이 변화하는 환경에서 더욱 강건하고 적응적인 모델을 생성할 수 있음을 확인한 수 있었다.

• Asia Marketing Journal
• /
• v.3 no.3
• /
• pp.89-109
• /
• 2001

본 연구에서는 판매원의 적응판매(adaptive selling)에 미치는 목적지향성(goal orientation)의 효과를 검증하였다. 판매원의 목적지향성에 영향을 미치는 요소로서 판매관리자 지향성(supervisory orientation)과 동료 피드백(coworker feedback)을 고려하였다. 판매관리자 지향성온 최종성과 지향성(end-results orientation)과 능력지향성(equability orientation)으로 구분하였고, 동료 피드백은 행동피드백(behavioral feedback)과 실적피드백(output feedback)으로 구분하였다. 판매원의 목적지향성은 학습지향성(teaming orientation)과 성과지향성 (performance orientation)으로 구분하였다. 이들 개념들 간의 관계를 가설로 설정한 후, 자동차 영업사원을 대상으로 실증분석을 하였다. 분석결과, 판매관리자의 최종성과지향성은 판매원의 학습지향성 및 성과지향성에 정적인 영향을 미치고, 동료의 실적피드백은 판매원의 성과지향에 정적인 영향을 미치는 것으로 나타났다. 그리고 판매원의 학습지향성은 적응판매에 정적인 영향을 미치나, 성과지향성에는 영향을 미치지 않는 것으로 나타났다. 이러한 결과를 토대로 관리적 시사점을 제시하였다.

• The Journal of Korean Institute for Practical Engineering Education
• /
• v.2 no.1
• /
• pp.1-7
• /
• 2010

Recently, interest in u-learning to pursue effective learning by using ubiquitous environment in teaching and learning activities. In u-learning environment, learners should be able to push necessary information at the right time and the right place. Also calm technology oriented to, and this means that it can recognize learners' terminal information and to provide adaptive interface. In u-learning environment, main learning terminals would be mobile terminals which support mobility. However, learning in the existing PC environment should not be excluded. Thus, by providing adaptive interface according to various learners' terminal in LMS for u-learning, learners are able to learn through consistent and natural learning interface with any computer or any network at any place and at any time. The purpose of this study is to propose the interface adaptation based on terminal information focusing on the layout transformation process in the development environment.

• Proceedings of the Korea Contents Association Conference
• /
• 2003.11a
• /
• pp.48-52
• /
• 2003

인터넷이 보편화되고 교육 분야에서도 웹을 이용한 원격 학습에 많은 연구와 기술이 개발이 이루어지고 있다. 그러나 기존의 e-learning 시스템은 학습 자원의 재사용 문제 등 여러 가지 문제점이 제시되고 있다. 본 논문에서는 학습 컨텐츠의 제작과 학습 관리 시스템의 구현에 있어 학습의 상호 작용성을 높이고 학습자의 개별적인 특성에 알맞게 지능적으로 학습을 지원할 수 있는 학습 관리 로직을 설계한다. 또한 컨텐츠의 재사용을 고려하여 시스템간 상호 운용성을 보장할 수 있는 SCORM 표준을 기반으로 한 학습관리 시스템을 설계한다.

• Journal of the Korea Society of Computer and Information
• /
• v.16 no.2
• /
• pp.93-99
• /
• 2011

In this paper, we propose a policy-gradient routing scheme under Reinforcement Learning that can be used adaptive QoS routing. A policy-gradient RL routing can provide fast learning of network environments as using optimal policy adapted average estimate rewards gradient values. This technique shows that fast of learning network environments results in high success rate of routing. For prove it, we simulate and compare with three different schemes.