• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2008년도 동계학술대회
• /
• pp.236-241
• /
• 2008

수학과 수 연산 영역의 학습 부진 현상은 논리적 위계성이 뚜렷한 수학과의 특성상 이전 학년에서 발생된 학습 결손이나 이해의 부족이 다음 학년에서의 학습 방해나 장애로 이어지며, 이러한 과정의 반복은 학습 부진을 증대시켜 학습 불능에까지 이르게 되는 등 심각한 문제가 되고 있다. 수 연산 능력은 수학 학습의 가장 기초 기능일 뿐 아니라 우리 주변의 생활 속에서 문제 해결력을 키우고 다시 생활 속에 자연스럽게 활용할 수 있는 수학적인 힘을 기르는데 반드시 갖추어야 할 기본 능력이다. 이를 위해 본 연구에서는 수학과 학습부진아의 특성 및 지도에 관한 문헌을 검토 분석하고, 수학과 기초학력을 진단 및 부진 요인을 탐색하여 단계형 수준별 개별화 학습 프로그램을 설계하였으며, 이를 효과적으로 적용할 수 있는 방법을 탐색하였다. 그리고 학업성취도 및 수학 학습 태도에 대한 프로그램의 효과를 검증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
• /
• pp.106-108
• /
• 2006

강화 학습은 누적 보상 값을 최대화할 수 있는 행동 선택 전략을 학습하는 온라인 학습의 한 형태이다. 효과적인 강화학습을 위해 학습 에이전트가 매 순간 고민해야 하는 문제가 탐험(exploitation)과 탐색(exploration)의 문제이다. 경험과 학습이 충분치 않은 상태의 에이전트는 어느 정도의 보상 값을 보장하는 과거에 경험한 행동을 선택하느냐 아니면 보상 값을 예측할 수 없는 새로운 행동을 시도해봄으로써 학습의 폭을 넓힐 것이냐를 고민하게 된다. 특히 단일 에이전트에 비해 상태공간과 행동공간이 더욱 커지는 다중 에이전트 시스템의 경우, 효과적인 강화학습을 위해서는 상태 공간 축소방법과 더불어 탐색의 기회가 많은 행동 선택 전략이 마련되어야 한다. 본 논문에서는 로봇축구 Keepaway를 위한 효율적인 다중 에이전트 강화학습 방법을 설명한다. 이 방법의 특징은 상태 공간 축소를 위해 함수근사방법의 하나인 타일 코딩을 적용하였고, 다양한 행동 선택을 위해 룰렛 휠 선택 전략을 적용한 것이다. 본 논문에서는 이 방법의 효과를 입증하기 위한 실험결과를 소개한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.125-130
• /
• 2023

최근 심층 신경망을 활용한 한국어 자연어 처리에 대한 관심이 높아지고 있지만, 한국어 자연어 처리에 적합한 신경망 구조 탐색에 대한 연구는 이뤄지지 않았다. 본 논문에서는 문서 분류 정확도를 보상으로 하는 강화 학습 알고리즘을 이용하여 장단기 기억 신경망으로 한국어 문서 분류에 적합한 심층 신경망 구조를 탐색하였으며, 탐색을 위해 사전 학습한 한국어 임베딩 성능과 탐색한 신경망 구조를 분석하였다. 탐색을 통해 찾아낸 신경망 구조는 기존 한국어 자연어 처리 모델에 대해 4 가지 한국어 문서 분류 과제로 비교하였을 때 일반적으로 성능이 우수하고 모델의 크기가 작아 효율적이었다.

• 한국지능시스템학회논문지
• /
• 제5권3호
• /
• pp.83-91
• /
• 1995

본 연구에서는 종래에 학습법으로 널리 이용되고 있는 역전파학습법의 문제점으로 지적되어 온 학습에 많은 시간이 걸리는 점과 국소적 최적해에 해가 수렴하여 오차가 충분히 작게 되지 않는 등의 문제점을 해결하기 위해, Hu에 의해 고안된 random tabu 탐색법을 이용하여 신경회로망의 연결강도를 최적화하는 학습알고리즘을 새로이 제안하였다. 그리고 이 방법을 배타적 논리합 문제에 적용하여 기존의 역전파학습법과 학습상수 $, $에 tabu탐색법을 이용한 결과와 비교 검토하여 본 방법이 국소적 최적해에 수렴하지 않고 수렴정도를 개선할 수 있음을 확인하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.384-389
• /
• 1998

본 논문은 특정 응용에 적합한 퍼지 제어기의 최적 설계 파라메터(퍼지 규칙과 소속 함수)를 찾는데 역전파 학습 과정과 유전 알고리즘을 결합한 Lamarckian 상호적응 기법을 이용한 뉴로-퍼지 제어기의 새로운 설계 방법을 제안한다. 설계 파라메타들은 진화에 의한 전역적 탐색을 통해 높은 포함값과 유용한 퍼지 규칙들을 갖는 규칙 베이스와 작은 근사화 오차와 좋은 제어 성능을 갖는 소속 함수들을 얻도록 제어기간 파라메타 조절을 수행하며, 학습에 의한 국부적 탐색을 통해 각 퍼지 제어기가 원하는 제어 결과를 나타내도록 제어기내 파라메타 조절을 수행한다. 제안한 상호적응 설계 방법은 유전 알고리즘의 모든 세대에서 역전파 학습이 이루어지므로 보다 좋은 근사화 능력을 나타나고, 사용한 무게 중심 비퍼지화기가 정확한 비퍼지화값을 계산하므로 보다 좋은 제어 성능을 가지며, 퍼지 규칙 베이스와 소속 함수들의 최적화 탐색 과정이 입출력 공간의 같은 퍼지 분할 상에서 통합된 적응 함수에 의하여 동시에 수행되므로 탐색을 위한 작업 공간이 아주 작아지는 장점이 있다. 시뮬레이션 결과는 Lamarckian 상호 적응에 의해 얻어진 FLC가 퍼지 규\ulcorner 수, 근사화 능력, 제어 성능등 모든면에서 다른 방법에 의해 얻어진 FLC보다 가장 우수함을 보여준다.

• 한국컴퓨터정보학회논문지
• /
• 제29권2호
• /
• pp.61-66
• /
• 2024

본 연구에서는 강화학습 기술을 이용하여, 시뮬레이션이나 게임 환경 내에서 개체의 경로 탐색을 위한 시뮬레이션을 개발하는 것을 목표로 한다. 본 연구에서는 주어진 트랙 위에 생성된 임의 위치의 장애물을 회피하고, 아이템을 획득할 수 있는 경로를 자동으로 탐색할 수 있도록 시뮬레이션 내 개체를 학습시킨 점이 주된 특징이다. 해당 시뮬레이션을 구현하기 위해 유니티 게임 엔진에서 제공하는 ML 에이전트 (Machine Learning Agents)를 사용하였고, PPO(Proximal Policy Optimization)에 기반을 둔 학습 정책을 수립하여 강화학습 환경을 구성한다. 본 논문에서 제안한 강화학습 기반의 시뮬레이션을 통해, 개체가 학습을 진행할수록 장애물을 회피하고, 아이템을 획득할 수 있는 경로를 탐색해 트랙 위를 움직이고 있다는 점을 시뮬레이션 결과와 학습 결과 그래프를 분석하여 확인할 수 있다.

• 한국수학교육학회:학술대회논문집
• /
• 한국수학교육학회 2008년도 제40회 전국수학교육연구대회 프로시딩
• /
• pp.17-28
• /
• 2008

이 논문은 중학교 기하 영역의 수업에 대한 학생들의 성취도가 낮은 것을 관찰하고, 그에 대한 고민으로 교육과정을 분석하고, 수학교육의 질적 접근을 위한 교수 실험을 통해 실제 중학교 과정에서 운용되는 논증기하 교육의 문제점과 그 대안을 탐색하고자 하였다. 본 연구에서는 교사가 반드시 갖춰야 할 지식으로 Shulman(1986)이 제시한 교과 내용 지식과 교수학적 내용 지식, 그리고 교육과정 관련 지식을 받아들였으며, 중학교 기하 영역에서 이런 지식을 갖추기 위해 교사가 폭넓은 고민을 하여 수업의 개선점을 찾는 과정을 보여주고 있다. 연구를 통해서 학생들에게 명제를 지도할 때 주의할 점과 학습자에게 증명을 하도록 제시하는 방법상의 문제점, 그리고 이등변삼각형의 지도에서의 그 증명이 갖는 의미를 잘 이해하여 학생들에 증명 학습에 진정한 도움이 될 수 있는 방향을 탐색하였다. 그리고 절차만을 학습시키는 현행 작도 수업을 개선하기 위한 여러 시도와 등변사다리꼴의 학습에서와 같이 학생들이 수학 용어를 되돌아보는 수업이 필요성을 탐색하여, 많은 교수 실험을 통한 교육과정의 바람직한 개정을 제안하였다.

• 한국콘텐츠학회지
• /
• 제16권3호
• /
• pp.42-47
• /
• 2018

• 전기의세계
• /
• 제39권8호
• /
• pp.14-24
• /
• 1990

전문가 시스템 개발과정에서 완전한 경험적 규칙들을 얻는 것은 극히 어려운 작업이다. 전문가들이 확고한 경험적 규칙들을 얻기위해서는 오랜 시간이 걸리며, 그 얻어진 지식조차 확신할 수 없다. 또한 같은 분야 지식도 전문가들 사이에서 큰 차이를 보일 수 있다. 이러한 상황에서 전문가 시스템이 보다 완전한 지식베이스를 얻어, 주어진 영역에서 기존의 고도 전문가 수준의 전문성을 갖는 완전한 전문가로 활약하기 위해서는 지식 배제, 둘째 기존의 경험적 탐색 공간은 물론 보다 다양한 문제 해결 전략이 가능한 심층적 탐색공간을 제공하여 그로부터 새로운 문제 해결 지식을 학습하는 자기 학습기능이 필요하다. 본지에서는 이러한 자기학습 기능을 갖는 전문가 시스템의 알고리즘을 검토하였다. 그리고 끝으로 전력계통에 대한 적용예로서 전압제어 전문가 시스템을 설명하였다. 아직 전문가 시스템의 자기학습 기능의 구현은 초보적 연구에 머물고 있으며, 그들의 학습 능력조차 낮은 수준에 불과하다. 그러나 전문가 시스템 연구자들은 기존 전문가 시스템의 문제점과 그 적응능력의 중요성을 인식하고 있기 때문에 보다 진보된 개념(데이타들로부터 이론과 원리를 학습하는)이 도입된 자기학습 전문가 시스템의 적용연구는 앞으로 여러분야에서 폭넓게 이루어 질 것으로 기대된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권9호
• /
• pp.669-680
• /
• 2001

유전자 알고리즘(GA:Genetic Algorithm)은 최적화 문제를 풀기 위해 생물학적 진화(evolution) 과정을 모방한 최적화 알고리즘이다. 유전자 알고리즘은 복잡한 상태 공간에서 최적 해를 찾기 위해 전통적인 최적화 기법과는 달리 유향적 임의 탐색을 행한다. 학습에 해당하는 국부 탐색(local search)을 유전적 알고리즘은 exploration 탐색과 exploitation 탐색의 균형을 유지시켜 줄 수 있는 한 방법이다. 모집단 내의 각 개체가 진화 과정 중에 학습한 유전적 특질들은 그 다음 세대에서 되물림 되며 이러한 학습(learning) 과정을 유전자 알고리즘과 결합시킴으로써 탐색 속도의 향상을 기대할 수 있다. 이 논문에서는 함수 최적화를 위해 속도를 개선한 셀룰러 학습을 기반으로 하는 유전자 알고리즘을 제안한다. 제안하는 셀룰러 학습 전략은 셀룰러 오토마타의 주기성과 수렴성을 기반으로 하며, 유기체가 그 개체의 생명 주기의 한 세대에서 얻게되는 지식과 경험들을 자손에게 전달한다는 이론을 바탕으로 한다. 제안한 셀룰러 학습 전략의 효율을 기존의 복합 유전자 알고리즘에서의 라마키안 진화 및 볼드윈 효과와 비교하였다. 다양한 테스트 베드 함수에 대한 실험을 통하여 셀룰러 학습에 의한 개체의 국부적 향상이 전체적인 성능 향상에 기여함을 알 수 있었고 제안한 학습 전략이 기존의 방법보다 더 빨리 전역 최적 해를 찾을 수 있음을 증명하였다.