• 대한수학교육학회지:수학교육학연구
• /
• 제16권1호
• /
• pp.59-78
• /
• 2006

본 연구에서는 먼저, 미적분에서 수학과 물리를 연결한 학습-지도의 필요성을 논의하고, 이를 위한 교수-학습 자료를 개발하여 제시한다. 그 후, 교수-학습 자료 중 하나를 활용하여 질적 사례연구를 하여 등가속도 운동을 탐구하는 활동에서 평균속도와 순간속도 개념이 발달되는 과정을 분석하였다. 연구대상자들은 등가속도 운동을 탐구하는 물리적 실험 상황에서 평균속도, 순간속도, 가속도 개념을 배웠다. 이 과정에서 학생들은 순간속도가 시간과 이동거리의 이차함수 그래프 위의 한 점에서 접선의 기울기를 의미한다는 점과 시간과 속도의 관계그래프 아래의 넓이 변화율이 이동거리의 변화율을 의미한다는 점을 이해할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2005년도 춘계학술발표대회
• /
• pp.477-480
• /
• 2005

본 논문에서는 신경망과 유전자 알고리즘의 장점을 결합하고, 개선된 유전자 알고리즘 기반의 역전파 신경망 알고리즘을 이용한 신경망 학습 효과를 살펴 본다. 유전자 알고리즘을 이용한 신경망 학습은 비선형 함수를 이용하여 발생시킨 모의 자료를 통하여 수행하고 학습 수렴의 정도와 학습 속도 등을 비교할 수 있는 모의실험 결과를 일반 신경망 학습 결과와 함께 제시한다. 모의실험의 결과로서 유전자 알고리즘을 적용한 신경망 제어기가 일반 신경망 학습 결과보다 수렴 정확도 및 학습 속도에서 더 좋은 결과를 나타내 주고 있다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.251-254
• /
• 1998

본 논문에서는 신경회로망의 수렴속도를 높이기 위한 알고리즘을 제안한다. 전형적인 역전파 학습방식은 느린 수렴속도가 단점으로 제기되는데 이는 비용함수의 계곡부근에서 가중치의 궤적이 심한 진동현상을 보이기 때문이다. 이 문제를 해결하기 위해서 본 논문에서는 경사법에서 사용되는 갱신방향을 계곡의 진행방향을 이용하여 변경한다. 모의실험을 통하여 제안된 방법으로 가중치의 궤적에 나타나는 진동을 줄이고 수렴속도를 향상시킬 수 있음을 보인다.

• 한국정보통신학회논문지
• /
• 제7권8호
• /
• pp.1743-1750
• /
• 2003

근래에는 정확성과 신뢰성이 강한 센서리스 속도추정방법으로 전동기를 구동하기 위한 노력이 전개되고 있으며, 본 논문은 외란에 대한 강인성이 뛰어난 신경회로망을 이용하여 직류전동기의 센서리스 속도제어를 실현한 연구 결과이다. 〔6­8〕 신경회로망은 사람의 뇌가 경험을 통해 학습하듯이 주어진 입력에 대해 학습을 통하여 최적의 출력을 발생한다. 학습은 직류전동기의 수식모델을 통해 얻어진 전압$.$전류 및 회전자 속도를 입$.$출력 데이터로 사용하여 역전파 학습 알고리즘〔8〕을 통해 행하여지며, 학습 완료 후 얻은 최적의 연결강도를 이용하여 속도를 추정한다. 신경회로망에 의한 방식은 복잡한 알고리즘을 사용하지 않고도 정확한 속도 추정이 가능하며, 직류전동기의 문제점인 회전자 권선의 열에 의한 전동기의 성능 악화 및 속도 제어의 어려움을 해소하여 운전 조건에 따른 외란 등에도 강인한 제어 특성을 가질 뿐만 아니라 전 속도 영역에서 속도 응답 특성이 우수한 결과를 얻을 수 있었다.

• 전력전자학회논문지
• /
• 제3권4호
• /
• pp.346-352
• /
• 1998

본 논문에서는 새로운 신경 회로망 유도 전동기 속도 추정 방법을 제안하고, 추정된 속도를 이용하여 속도 센서리스 벡터 제어를 구현한다. 제안된 신경 회로망 속도 추정 방법은 정상 상태뿐 아니라 과도 상태에서도 정확한 속도를 추정한다. 또한 off-line에 의해 사전 학습을 필요로 하지 않고, 유도 전동기의 구동과 동시에 on-line 학습을 통하여 속도를 실시간으로 추정함으로써 구현이 용이하다. 디지털 시뮬레이션과 2.2kW 유도 전동기 시스템을 이용한 실험을 통하여 제안된 알고리즘의 효용성과 성능을 입증한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 추계학술대회 학술발표 논문집
• /
• pp.93-96
• /
• 2000

본 논문에서는 SVM의 학습성 개선을 위해 모멘트와 kernel-adatron 기법이 조합된 하이브리드 학습알고리즘을 제안하였다. 제안된 학습알고리즘은 SVM의 학습기법인 기울기상승법에서 발생하는 최적해로의 수렴에 따른 발진을 억제하여 그 수렴속도를 좀 더 개선시키는 모멘트의 장점과 비선형 특징공간에서의 동작과 구현의 용이성을 가진 kernel-adatron 알고리즘의 장점을 그대로 살리는 것이다. 제안된 알고리즘을 비선형 함수 회귀에 적용해 본 결과 학습속도에 있어서 QP와 기존의 kernel-adatron 알고리즘보다 더 우수한 성능이 있음을 확인하였다

• 전자공학회논문지SC
• /
• 제41권3호
• /
• pp.17-24
• /
• 2004

동일한 작업을 반복하여 수행하는 불확실한 로봇 시스템을 위한 P형 반복 학습 제어기를 제안한다. 제안된 반복 학습 제어기는 조인트 위치 오차로 구성되는 선형 피드백 제어기와 현재의 조인트 속도 오차로 갱신되는 피드포워드 및 피드백 학습 제어기로 구성된다. 반복 작업 동작이 계속 진행됨에 따라 조인트 위치와 속도 오차는 균일하게 0으로 수렴한다. 반복 횟수에 따라 변화하는 학습 이득을 채택함으로서 반복 횟수 영역에서 임의적으로 수렴 비율을 조절할 수 있는 조인트 위치, 속도 오차한계를 제시하고, 조인트 위치와 속도 오차는 그 한계 내에서 반복 횟수 영역에서 0으로 수렴한다. 기존의 P형 반복 학습 제어기와는 달리 제안된 반복 학습 제어 알고리즘은 학습 이득을 적절하게 설계함으로써 반복 횟수 영역에서 오차 수렴 비율의 분석과 조정을 가능하게 하는 장점이 있다.

• 정보처리학회논문지B
• /
• 제12B권3호
• /
• pp.343-348
• /
• 2005

본 연구에서는 신경망 학습의 일반화 성능과 학습속도를 개선시키기 위한 인자들의 결합 효과를 살펴본다. 신경망 학습에서 중요한 평가 척도로서 여기서 고려하는 인자들에는 초기 가중값의 범위와 학습률 그리고 계수조정 등이 있다. 특히 초기 가중값과 학습률을 고정시킨 후 새롭게 조정된 계수들을 단계적으로 변화시키는 새로운 인자 결합방법을 이용한다. 이를 통하여 신경망 학습량과 학습속도를 비교해 보고, 계수조정을 통한 개선된 학습 영향을 살펴본다. 그리고 비선형의 단순한 예제를 이용한 실증분석을 통하여 신경망 모형의 일반화 성능과 학습 속도 개선을 위한 각 인자들의 개별 효과와 결합 효과를 살펴보고 그 개선 방안을 논의한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.732-735
• /
• 2020

기존에 지도학습 방법은 성능은 좋지만, 학습할 때 비디오 데이터와 정답 라벨이 있어야 한다. 그러나 이러한 데이터의 라벨을 수동으로 붙여줘야 하는 문제점과 그에 필요한 시간과 돈이 크다는 것이다. 이러한 문제점을 해결하기 위한 다양한 방법 중 자기지도학습(Self-Supervised Learning) 중 하나인 회전 방법을 비디오 데이터에 적용하여 학습하는 연구를 진행하였다. 본 연구에서는 두가지 방법을 제안한다. 먼저 기존의 비디오 데이터를 입력으로 받으면 단순히 비디오 자체를 회전시키는 것이 아닌 입력으로 들어온 비디오의 각각 프레임이 시간이 지나면서 일정한 속도로 회전을 시킨다. 이때의 회전은 총 네 가지 각도[0, 90, 180, 270]를 분류하도록 하는 방법론이다. 두 번째로 비디오의 프레임이 시간이 지나면서 변할 때 프레임 별로 고정된 각도로 회전시키는데 이때 회전하는 속도 네 가지 [1x, 0.5x, 0.25x, 0.125]를 분류하도록 하는 방법론이다. 이와 같은 제안하는 pretext task들을 통해 네트워크를 학습한 뒤, 학습된 모델을 fine tune 시켜 비디오 분류에 대한 실험을 수행 및 결과를 도출하였다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1995년도 제12회 음성통신 및 신호처리 워크샵 논문집 (SCAS 12권 1호)
• /
• pp.73-75
• /
• 1995

연속 음성 인식을 위한 신경망과 학습속도를 줄이기 위한 연결강도 초기화에 관해 다루고 있다. 우선 음소를 여러개의 그룹으로 나눈 후 각각의그룹에 대한 음소를 인식하는 신경망과 자신의 그룹을 판별하는 VGNN 으로 신경망을 구성한다. 여기서 구성되는 신경망은 각각의 음소를 인식하는 출력을 낼 뿐 아니라, 입력이 자신의 그룹에 속하는지 그렇지 않은지를 판별하는 출력을 낸다. 이런 신경망을 학습시키는 데 상당한 시간이 걸리므로 이 신경망의 학습속도를 줄이기 위해 학습 데이터를 사용하여 신경망의 연결 강도를 초기화한다.