• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.978-979
• /
• 2015

스마트 러닝을 위한 다양한 시도가 있으나, 프로그래밍과 같이 예제나 흐름에 관한 설명이 중요한 경우, 학습자의 학습결과로 주어진 문제 풀이가 올바른 답이라 할지라도 앞 뒤 맥락에 따른 이해를 하고 있는 가는 학습태도를 관찰함으로써 보다 긍정적인 학습효과를 얻을 수 있다. 본 연구는, 학습자의 학습결과와 학습태도를 관찰하여 이를 학습자 개인성향과 보다 나은 학습 활동에 지침이 되도록 하는 것을 목표로 한다. 학습태도는 학습콘텐츠 제공자에 의해서 주어진 학습패턴과 학습자의 학습패턴을 시선 추적을 통해서 측정하고, 두 패턴 사이의 차이를 비교하여 태도의 집중도와 일관성을 관찰하고자 한다.

• Journal of KIISE:Software and Applications
• /
• v.34 no.1
• /
• pp.11-17
• /
• 2007

One of the popular methods used for pattern classification is the MBR (Memory-Based Reasoning) algorithm. Since it simply computes distances between a test pattern and training patterns or hyperplanes stored in memory, and then assigns the class of the nearest training pattern, it cannot explain how the classification result is obtained. In order to overcome this problem, we propose an incremental teaming algorithm based on RPA (Recursive Partition Averaging) to extract IF-THEN rules that describe regularities inherent in training patterns. But rules generated by RPA eventually show an overfitting phenomenon, because they depend too strongly on the details of given training patterns. Also RPA produces more number of rules than necessary, due to over-partitioning of the pattern space. Consequently, we present the IREA (Incremental Rule Extraction Algorithm) that overcomes overfitting problem by removing useless conditions from rules and reduces the number of rules at the same time. We verify the performance of proposed algorithm using benchmark data sets from UCI Machine Learning Repository.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.483-485
• /
• 2003

구문분석 말뭉치는 통계적 구문분석 분야의 필수적인 항목으로 많은 유용성을 가지지만, 말뭉치를 구축할 때 막대한 시간과 비용이 요구되기 때문에 구축자의 수작업을 감소시키는 방법에 대한 연구가 필요하다. 본 논문에서는 대량의 신뢰도 있는 구문분석 말뭉치를 구축하기 위해 신경망을 사용하는 반자동 구문 분석 말뭉치 구축도구에 대해서 설명한다. 개발된 도구는 구문패턴 추골, 신경망 학습, 반자동 구축의 세 단계로 구성된다. 구문패턴 추출 단계에서는 사용자가 정의한 자질집합을 사용하여 기존에 구축된 말뭉치에서 구문패턴들을 추출하고, 신경망 학습의 단계에서는 추출된 구문패턴들을 사용하여 신경망을 학습한다. 그리고, 반자동 구축 단계에서는 학습된 신경망을 사용하여 반자동으로 구문분석 말뭉치를 구축한다. 본 논문에서 제안하는 방법은 다양한 자질집합을 조합하여 사용할 수 있고, 학습을 사용하기 때문에 학습 집합에 나타나지 않은 경우에 대해서도 합리적인 결정을 내릴 수 있다. 소량의 구문분석 말뭉치를 대상으로 실험한 결과, 본 논문에서 제안하는 방법이 약 42.5%의 수작업 횟수 감소율을 보였음을 알 수 있었다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1996.04a
• /
• pp.71-74
• /
• 1996

본 연구에서는 반복 학습제어 이론을 기초로 하는 하이브리드 신경망 제어기를 제안한다. 신경망으로는 백프로퍼게이션(backpropagation) 신경망을 사용하고, 기존의 반복 학습 제어 이론의 단점을 보안한 제어 알고리즘을 제안한다. 백프로퍼게이션 신경망의 맵핑(mapping)의 특징으로 원하는 목표 패턴에 추종할 수 있는 출력 패턴을 생성하고 반복 학습에 소요되는 학습시간을 줄일 수 있다. 실험결과에서 보듯이 제안된 제어 알고리즘은 목표패턴에 수렴함을 알 수 있다. 제시한 알고리즘은 CD-ROM 드라이브와 같은 광디스크 드라이브류의 초점 제어 등에 응용할 수 있다.

• The Mathematical Education
• /
• v.62 no.2
• /
• pp.175-194
• /
• 2023

Despite the importance of pattern learning for elementary school students, few studies have investigated in detail the understanding of patterns of lower-grade students. This study aimed to analyze the understanding of patterns of second-grade elementary school students. Since the patterns in the second grade are taught through the unit called Finding Rules, students' understanding of patterns was compared and contrasted before and after they learned the unit. To this end, a written instrument to measure students' understanding of patterns was developed on the basis of previous studies on pattern learning for lower-grade students. A total of 189 students were analyzed. As a result of the study, the overall correct answer rates in the post-test were higher in most items than those in the pre-test, illustrating the positive effect of the specific unit. However, students found it difficult to find rules in which two components would change simultaneously either in geometric or numeric patterns, find patterns that would be similar in structure, represent geometric patterns into numeric patterns, find empty terms in increasing patterns, and reason the specific terms in patterns that can be differently interpreted. Based on these research results, this study sheds light on students' understanding of patterns and suggests implications to improve their understanding.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2003.11a
• /
• pp.161-164
• /
• 2003

본 연구는 집중력, 기억력 및 학습 능력의 뇌기능 증진을 위한 의식적인 손 운동에 관련된 연구이다. 우선 효과적인 재활을 위한 손가락 운동 패턴을 연구하였다. 단순한 손가락 운동(Simple Finger Movement ; SFM) 패턴과 의식적인 손가락 운동(Intentional Finger Movement ; IFM)패턴을 비교하였다. 다음으로 각각 두 패턴 운동을 시켜 피험자의 집중력과 학습 능력의 증진을 검증하고자 한다. SFM 패턴과 IFM 패턴의 비교와 집중력과 학습 능력의 증진의 검증은 뇌파(mid $\alpha$파)를 이용하였다. 실험은 먼저 SFM 패턴의 운동을 시키고 다음에 IFM 패턴의 운동을 시키는 실험을 하였다. 결과적으로 IFM 패턴에서 mid $\alpha$ 파의 증가가 이루어졌음을 측정함으로써, IFM 패턴이 뇌의 집중력과 학습 능력을 증진시킨다는 결과를 얻었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.01a
• /
• pp.175-176
• /
• 2016

본 논문에서는 개방형 교육시스템 학습모형을 적용한 디자인 패턴 교육을 위한 개방형 교육 시스템을 통한 학습을 제안한다. 소프트웨어 디자인 패턴은 정형화된 답이 없으며 상황에 따라 유동적으로 사용되지만, 기존의 디자인 패턴 온라인 교육 시스템은 일방적으로 이루어져 있고 시중에 판매되는 책을 통해 디자인 패턴을 이해하기에는 어려운 부분이 많이 존재한다. 따라서 이러한 문제를 해결하고자 디자인 패턴 교육을 위한 개방형 교육 시스템을 제안한다. 디자인 패턴의 개념과 사례를 통해 기본적인 지식을 습득하고 디자인 패턴의 퀴즈와 실습을 해 이해도를 높인다. 또한, 일방적인 학습이 아닌 사용자들 간의 토론을 통해 한 방향에서 디자인 패턴을 보는 것이 아닌 다양한 시점에서 볼 수 있어 창의력도 함께 증진할 수 있다.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1369-1370
• /
• 2015

본 논문에서는 얼굴 인식을 위하여 인공 신경망의 일종인 Extreme Learning Machine의 학습 알고리즘을 기반으로 하여 지능형 알고리즘인 퍼지 집합 이론을 이용하여 주변 노이즈에 매우 강한 특성을 보이며 학습 속도가 매우 빠른 새로운 패턴 분류기를 제안한다. 제안된 퍼지 패턴 분류기는 기존 신경회로망의 학습 속도에 비해 매우 빠른 학습 속도를 보이며, 패턴 분류기의 일반화 성능이 우수하다고 알려진 Extreme Learning Machine의 특성을 퍼지 집합 이론과 결합하여 퍼지 패턴 분류기의 일반화 성능을 개선하였다. 제안된 퍼지 패턴 분류기는 얼굴 인식 데이터를 이용하여 성능을 평가 하였다.

• Proceedings of the Safety Management and Science Conference
• /
• 1999.11a
• /
• pp.209-216
• /
• 1999

정보 검색 분야의 문서 분류에 기계 학습 기법을 적용할 때 발생하는 가장 큰 문제는 문서를 패턴으로 표현할 때, 하나의 패턴이 가지는 특징의 수가 기계 학습 기법에서 처리할 수 있는 범위를 넘어서는 것이다. 이러한 문제를 해결하기 위하여 특징 선택 기법은 패턴을 구성하고 있는 특징 중에서 실제 문서 분류에 많은 영향을 주는 특징만을 선택하여, 기계 학습 기법에서 쉽게 처리할 수 있을 정도의 패턴을 구성하게 한다. 본 논문에서는 이러한 특징 선택 기법 중에서 IG(Information Gain), Gini index, Relief-F, DF(Document Frequency)를 비교하였다. 실험 결과 문서들에 포함된 모든 고유 단어를 특징의 길이로 하여 패턴을 구성했을 때보다 특징 선택 기법을 적용하여 고유 단어 중 일부를 특징으로 패턴을 구성할 때 기계학습에서 더 향상된 분류 성능을 보였다

• 한국정보교육학회:학술대회논문집
• /
• 2006.01a
• /
• pp.115-120
• /
• 2006

제 7차 교육과정부터 규칙성 영역의 학습이 도입되고 중요하게 다뤄지고 있지만, 학생들이 규칙성을 찾거나 도형 패턴을 나타내는 데 어려움을 겪고 있기 때문에, 본 논문에서는 규칙성을 LOGO 프로그래밍 언어를 통해 학습하고 그 효과를 분석하였다. 수학적 패턴의 유형은 생성방식에 따라서 (1) 반복패턴, (2) 대칭패턴, (3) 증가패턴, (4) 회전패턴, (5) 혼합패턴의 다섯 가지이다. 논 논문에서는 규칙성 영역에 대한 LOGO 수업의 효과를 분석하기 위해서, 각각 패턴에 대하여 평가 문항을 만든 후 수업전과 LOGO를 통한 수업 후에 평가를 실시하여 분석하였다. 사전평가 M 4.74에서 LOGO 수업을 실시 한 후에 평가에서 M 5.22로 LOGO 수업의 효과가 유의미(p<.05, p=0.016)하게 나타났다. 특히, 도형패턴에서 높은 향상도를 나타냈다.