• Communications of Mathematical Education
• /
• v.10
• /
• pp.505-517
• /
• 2000

수학 학습에서 컴퓨터와 계산기의 활용은 시각화의 강화로부터 직관력과 사고력의 향상을 가져왔다. 컴퓨터 대수체계(Computer Algebra System)가 탑재된 수학 학습용 컴퓨터 프로그램과 계산기가 활발히 사용되고 있으며, 교수매체로서의 활용은 지식 정보전달 체계와 학습자의 지식 구성방법에 새로운 패러다임을 형성하였다. 특히 수학학습용 그래픽 계산기(Graphing Calculator)는 휴대형(Hand-held Technology)으로 학습공간의 이동(Mobil Education)이 가능하며, 수학학습 전용기라는데 의미를 둘 수 있다. Symbolic Graphing Calculator를 활용한 수업에서 학습자는 계산기를 가지고, 기호연산 실행 조작을 통해 자신의 사고과정을 표현하고, Symbolic Graphing Calculator는 실행 조작에 즉각적으로 과정과 결과를 제공하며, 다른 표상과 상호작용을 함으로써 학습자 스스로의 규제가 강화된 과정을 통해 지식을 구성하게 된다. 이때 교사는 지식 정보전달 체계인 대화형 실행매체(IMTs)를 작성하여 학습자의 지식 형성에 안내자의 역할을 하게 된다. 이번 워크샵에서는 CASIO fx 2.0을 활용한 교실 수업모형을 그래프 표상과 연계한 방정식의 풀이과정을 통해 알아본다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.19-20
• /
• 2016

비디오로부터 객체를 검출하기 위해서는 오프라인에서 미리 객체를 검출할 수 있는 분류기가 학습되어있어야 한다. 이러한 분류기는 훈련에 사용된 훈련 집합에 매우 의존적이어서, 다양한 환경의 비디오 영상에 모두 적용할 수 있는 분류기의 설계는 불가능하다. 또한 분류기의 학습을 위해서는 상당히 많은 수의 훈련 집합이 필요하므로, 이는 신뢰도 높은 분류기 학습을 위한 높은 비용을 초래한다. 본 논문에서는 이러한 문제를 해결 할 수 있는 온라인 학습 기반 사람 추적 방법을 제안한다. 실험 영상으로부터 적절하게 훈련 집합을 수집함으로써 해당 실험 영상에 최적화된 분류기의 학습이 가능하며, 다양한 환경의 영상에 적용적으로 설계될 수 있다.

• Proceedings of the Korean Society for Cognitive Science Conference
• /
• 2000.05a
• /
• pp.37-40
• /
• 2000

'바른 우리글 쓰기' 학습시스템은 우리말 작문 학습에 필요한 지식을 익히도록 하고자 만들었다. 이 논문의 궁극적인 목표는 한국어 철자/문법 검사기와 국어 학습시스템을 연계하여 학습자가 적극적으로 학습에 참여하도록 동기를 부여하는 능동적인 언어 학습 시스템의 구현이다. 흔히 웹에 기반한 학습시스템에서 학습자는 일방적으로 정보를 제공받거나 독립적인 위치에서 자율적인 학습을 해나가야 하므로 끊임없는 흥미와 관심이 없이는 효율적인 성과를 거두기 어렵다. 이와 같은 약점을 보완하려는 맥락에서 이 학습시스템은 학습자가 스스로 학습한 후 그 결과를 평가 문제나 한국어 철자/문법 검사기를 통해 즉각적으로 확인해 보고 부족한 내용을 공부할 수 있도록 한다.

• Journal of KIISE:Software and Applications
• /
• v.31 no.7
• /
• pp.949-958
• /
• 2004

race detection using a boosting based algorithm requires a very large size of face and nonface data. In addition, the fact that there always occurs a need for adding additional training data for better detection rates demands an efficient incremental teaming algorithm. In the design of incremental teaming based classifiers, the final classifier should represent the characteristics of the entire training dataset. Conventional methods have a critical problem in combining intermediate classifiers that weight updates depend solely on the performance of individual dataset. In this paper, for the purpose of application to face detection, we present a new method to combine an intermediate classifier with previously acquired ones in an optimal manner. Our algorithm creates a validation set by incrementally adding sampled instances from each dataset to represent the entire training data. The weight of each classifier is determined based on its performance on the validation set. This approach guarantees that the resulting final classifier is teamed by the entire training dataset. Experimental results show that the classifier trained by the proposed algorithm performs better than by AdaBoost which operates in batch mode, as well as by ${Learn}^{++}$.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2005.11a
• /
• pp.199-202
• /
• 2005

TV OSD(On Screen Display) 메뉴 자동검증 시스템에서 다국적 언어의 문자 인식은 표준패턴의 구조적 분석이 쉽지 않을 뿐만 아니라 학습패턴 집합의 규모와 특징의 수가 증가함으로 인하여 특징추출 및 인식 과정에서 방대한 계산량이 요구된다. 이에 본 연구에서는 학습 데이터에 포함되는 다량의 특징 집합으로부터 인식에 필요한 효과적인 특징을 선별함으로써 패턴 분류기의 효율성을 개선하기 위한 방법론을 고찰한다. 이를 위하여 수정된 형태의 Adaboost 기법을 제안하고 이를 적용한 실험 결과로부터 그 유용성을 고찰한다. 제안된 알고리즘은 초기의 특징 집합을 취약한 성능을 갖는 다수의 분류기(classifier)로서 고려하며, 이로부터 반복학습을 통하여 개선된 분류기를 점진적으로 선별해 나가게 된다. 학습의 원리는 주어진 학습패턴 집합에 기초하여 일종의 교사학습(supervised learning) 방식으로 이루어진다. 각 패턴에 할당된 가중치 값은 각 단계에서 산출되는 분류결과에 따라 적응적으로 수정되어 반복학습이 진행됨에 따라 점차 보완적 성능을 갖는 분류기를 선택할 수 있게 한다. 즉, 주어진 각 학습패턴에 대하여 초기에 균등한 가중치가 부여되며, 반복학습의 각 단계에서 적용되는 분류기의 출력을 분석하여 오분류된 패턴의 가중치 분포를 증가시켜 나간다. 본 연구에서는 실제 응용으로서 OSD 메뉴검증 시스템을 대상으로 제안된 이론을 적용하고 그 타당성을 평가한다.

• The KIPS Transactions:PartB
• /
• v.14B no.4
• /
• pp.303-310
• /
• 2007

In machine learning, the ensemble classifier that is a set of classifiers have been introduced for higher accuracy than individual classifiers. We propose a new ensemble learning method that employs a set of region based classifiers. To show the performance of the proposed method. we compared its performance with that of bagging and boosting, which ard existing ensemble methods. Since the distribution of data can be different in different regions in the feature space, we split the data and generate classifiers based on each region and apply a weighted voting among the classifiers. We used 11 data sets from the UCI Machine Learning Repository to compare the performance of our new ensemble method with that of individual classifiers as well as existing ensemble methods such as bagging and boosting. As a result, we found that our method produced improved performance, particularly when the base learner is Naive Bayes or SVM.

• Journal of the Korean School Mathematics Society
• /
• v.8 no.2
• /
• pp.203-222
• /
• 2005

The purpose of this study is to investigate students' understanding of functions based on concept image and concept definition suggested by Vinner, For the study a graphing calculator was provided as a tool for students to use for their exploration. Three students participated in the study using the qualitative research method to identify their processes of understanding functions. The student with previous experiences of the functions had various concept images about the functions and did not have many opportunities to modify their images because the student did not want to depend on the calculator. However, the student who did not have many chances to study about the functions before used the calculator effectively for developing the concept definition on the functions. The calculator played an important role in connecting different representations and finding relationships between these representations supported by dynamic exploration.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.5
• /
• pp.393-396
• /
• 2002

This note investigates the necessity of properness constraint on iterative learning controllers from the viewpoint of the initial condition problem. It is shown that unless the iterative learning controller is proper, the teaming control input may grow unboundedly and thus not be feasible in practice, though the convergence of tracking error is theoretically guaranteed. In addition, this note analyzes the effects of initial condition misalignment in the iterative learning control system on the control input and convergence property.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1994.06c
• /
• pp.166-171
• /
• 1994

기존의 음성인식기들은 일반적으로 간단하면서도 성능이 우수한 계층별 학습에 의해서 설계된다. 계층별 학습은 통계적 패턴인식에서의 ML 추정기법처럼 모델간의 독립성이 보장되고 무한한 양의 학습데이타가 주어진다는 가정에 기초하고 있다. 그러나, 대상어휘집합에 음운학적으로 유사한 어휘가 많이 포함되어 있는 인식문제에 있어서는 모델간의 독립성이 보장되지 못하고, 실제 주어지는 grktmqepdlk의 양도 제한되므로 기존의 합습알고리즘에는 한계가 있다. 따라서 본 논문에서는 그러한 가정상의 문제점으로 생기는 인식기의 성능저하를 개선할 수 있는 변별력 있는 학습알고리즘들을 검토하고 그의 일반적인 접근방법들에 대해서 논의한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11b
• /
• pp.897-900
• /
• 2003

본 논문에서는 SCORM 기반 시퀀싱 모델을 기반으로 학습객체의 구조에 대한 정보, 학습자에게 학습 객체를 어떻게 전달할 지를 결정하는 규칙 등을 포함하고 있는 컨텐츠 구조를 제시하고 학습 컨텐츠의 재사용과 공유가 가능하고 동일한 학습 컨텐츠에 서로 다른 교수법을 적용하여 교육의 효과를 달리할 수 있도록 시퀀싱을 위한 컨텐츠 패키지 메타데이터 생성기를 개발한다. 또한 학습자 정보 트래킹을 위한 SCO(Sharable Content Object)함수를 부착하여 학습 객체가 SCORM RTE(Run-Time Environment)와 통신 할 수 있도록 PIF(Package Interchange File)로 자동 패키징 시킨다.