• 정보교육학회논문지
• /
• 제8권2호
• /
• pp.203-209
• /
• 2004

본 연구는 가상현실 언어인 VRML과 자바 애플릿을 이용하여 학습자(초등학교 고학년, 중학교 학생)에게 흥미를 줄 수 있는 향상된 학습 방법을 제공하고자 한다. 과학 교육의 현실적인 어려움을 극복하고자 VRML을 이용한 3차원 애니메이션 기능을 사용한다. 이를 통해, 우리 생활 속에 친숙한 기계 구조와 원리를 학습시키고 과학 학습의 흥미를 갖도록 한다. 앞으로 이와 같은 방법은 과학 교육의 효율성을 향상시키는데 널리 활용될 수 있다.

• 한국산업정보학회논문지
• /
• 제23권2호
• /
• pp.53-61
• /
• 2018

세계 각 국은 현재 스마트 열풍 속에 4차 산업혁명 시대로 변화하고 있다. 교육 또한 e-러닝의 지속적인 성장 발전을 통해 유비쿼터스 환경에 적합한 학습형태인 모바일 기반의 스마트러닝으로 진화하고 있다. 본 연구는 e-Learning 성공요인으로 가장 주목받고 있는 학습자의 동기요인에 관하여 Keller의 ARCS모델에 근거하여 학습자의 스마트러닝 학습성과와 관련된 요인들 간의 관계를 분석하였다. 학습자의 학습 동기 전략 요소가 학습성과에 영향을 미치는 과정 중에 특히 학습자에 대한 여러 동기부여 전략이 학습몰입이라는 매개변수의 조절효과를 거쳐 학습성과에 미치는 영향을 연구 구조모형을 통해 확인해 보았다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.136-138
• /
• 2003

로봇이나 가상 캐릭터와 같은 지능형 에이전트가 자율적으로 살아가기 위해서는 주어진 환경을 인식하고, 그에 맞는 최적의 행동을 선택하는 능력을 가지고 있어야 한다. 본 논문은 이러한 지능형 에이전트를 구현하기 위하여, 외부 환경에 적응하면서 최적의 행동을 배우고 선택하는 방법을 연구하였다. 본 논문에서 제안한 방식은 강화 학습을 이용한 행동기반 학습 방법과 기호 학습을 이용한 인지 학습 방법을 통합한 방식으로 다음과 같은 특징을 가진다. 첫째, 외부 환경의 적응성을 수행하기 위하여 강화 학습을 이용하였으며. 이는 지능형 에이전트가 변화하는 환경에 대한 유연성을 가지도록 하였다. 둘째. 경험들에서 귀납적 기계학습과 연관 규칙을 이용하여 규칙을 추출하여 에이전트의 목적에 맞는 환경 요인을 학습함으로 주어진 환경에서 보다 빠르게, 확장된 환경에서 보다 효율적으로 행동을 선택을 하도록 하였다. 제안한 통합방식은 기존의 강화 학습만을 고려한 학습 알고리즘에 비하여 학습 속도를 향상 시킬수 있으며, 기호 학습만을 고려한 학습 알고리즘에 비하여 환경에 유연성을 가지고 행동을 적용할 수 있는 장점을 가진다.

• 전자공학회논문지SC
• /
• 제39권2호
• /
• pp.85-94
• /
• 2002

본 논문에서는 CITE를 포함한 2차 반복 학습제어 방법이 수렴 성능의 향상과 외란에 대한 강인성 향상에 덧붙여 초기 오차가 있음에도 불구하고 이를 극복할 뿐만 아니라 기존의 알고리즘보다 더 빠른 수렴 능력이 있음을 확인한다. 또한 불안정한 결과를 낳는 높은 학습 게인의 경우에도 CITE를 추가한 본 학습제어 방법에 의해 안정화됨으로써, 빠른 수렴 특성과 강인성 향상을 가져올 수 있음을 보인다. 그리고 본 알고리즘을 선형 시변 시스템에 대해 적용한 시뮬레이션 결과를 통해 초기 오차의 극복 능력이 뛰어남을 확인하고, 아울러 각 학습 게인들이 수렴 속도와 안정성에 미치는 영향을 상세히 분석한다.

• 한국멀티미디어학회논문지
• /
• 제11권3호
• /
• pp.353-363
• /
• 2008

단일 에이전트 환경에서는 Q-학습의 학습 시간을 줄이기 위해서 학습결과를 전파시키거나 일렬의 행동을 패턴으로 만들어 학습한다. 다중 에이전트 환경에서는 동적인 환경과 다수의 에이전트 상태를 고려해야하기 때문에 학습에 필요한 시간이 단일 에이전트 환경보다 길어지게 된다. 이 논문에서는 단일 에이전트 환경에서 시간 단축을 위해서 유한개의 행동으로 정책을 만들어 학습하는 매크로 행동을 다중 에이전트 환경에 적합한 내시 Q-학습에 적용함으로써 다중 에이전트 환경에서 Q-학습 시간을 줄이고 성능을 높이는 방법을 제안한다. 실험에서는 다중 에이전트 환경에서 매크로 행동을 이용한 에이전트와 기본 행동만 이용한 에이전트의 내시 Q-학습 성능을 비교했다. 이 실험에서 네 개의 매크로 행동을 이용한 에이전트가 목표를 수행할 성공률이 기본 행동만 이용한 에이전트 보다 9.46% 높은 결과를 얻을 수 있었다. 매크로 행동은 기본 행동만을 이용해서 적합한 이동 행동을 찾아도 매크로 행동을 이용한 더 낳은 방법을 찾기 때문에 더 많은 Q-값의 변화가 발생되었고 전체 Q-값 합이 2.6배 높은 수치를 보였다. 마지막으로 매크로 행동을 이용한 에이전트는 약 절반의 행동 선택으로도 시작위치에서 목표위치까지 이동함을 보였다. 결국 에이전트는 다중 에이전트 환경에서 매크로 행동을 사용함으로써 성능을 향상시키고 목표위치까지 이동하는 거리를 단축해서 학습 속도를 향상시킨다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.360-363
• /
• 2018

본 논문에서는 계층적 RNN의 성능 향상을 위하여 강화학습을 통한 계층적 RNN 내 파라미터를 효율적으로 찾는 방법을 제안한다. 계층적 RNN 내 임의의 파라미터에서 학습을 진행하고 얻는 분류 정확도를 보상으로 하여 간소화된 강화학습 네트워크에서 보상을 최대화하도록 강화학습 내부 파라미터를 수정한다. 기존의 강화학습을 통한 내부 구조를 찾는 네트워크는 많은 자원과 시간을 소모하므로 이를 해결하기 위해 간소화된 강화학습 구조를 적용하였고 이를 통해 적은 컴퓨터 자원에서 학습속도를 증가시킬 수 있었다. 간소화된 강화학습을 통해 계층적 RNN의 파라미터를 수정하고 이를 행동 인식 데이터 세트에 적용한 결과 기존 알고리즘 대비 높은 성능을 얻을 수 있었다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2008년도 동계학술대회
• /
• pp.211-216
• /
• 2008

프로그래밍 교육은 학습자의 창의적이고 논리적인 사고력을 함양시키고 문제해결능력을 신장시킬 수 있는 ICT 교육의 한 분야로서 많은 교육적 가치를 가지고 있다. 프로그래밍과 관련된 초등학교 교육내용은 7차 교육과정에서 누락되었지만 2005년 12월에 개정된 초 중등학교 정보통신기술 운영 지침에 따라 초등학교에도 프로그래밍 교육과정이 도입되었다. 따라서 본 논문은 5, 6학년 '정보처리의 이해' 영역의 프로그래밍에 관련된 학습내용을 학년별 연계성을 고려하여 재구성하고 학습 성취에 대한 피드백을 강화하는 프로그래밍 교육을 위한 웹 코스웨어를 설계 하였다. 웹을 기반으로 설계된 이 시스템은 학교나 가정에서의 프로그래밍 교육 기회를 확대시키는 역할을 하며, 학습자가 학습 성취도를 직접 확인하여 자신의 능력에 맞게 학습속도를 조절할 수 있어 자기 주도적 학습 능력이 향상될 것으로 기대된다. 또한 학습자에게 다양한 동기유발 자료와 학습 결과에 대한 적절한 피드백을 제공함으로써 프로그래밍 교육에 대한 흥미와 학습 성취도를 높일 것으로 기대된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 추계학술대회
• /
• pp.41-43
• /
• 2019

Image-to-image 변환에서 인상적인 성능을 보이는 StarGAN 은 모델의 성능에 중요한 영향을 끼치는 adversarial weight, classification weight, reconstruction weight 라는 세가지 하이퍼파라미터의 결정을 전제로 하고 있다. 본 연구에서는 이 중 conditional GAN loss 인 adversarial loss 와 classification loss 를 대치할 수 있는 attribute loss를 제안함으로써, adversarial weight와 classification weight 를 최적화하는 데 걸리는 시간을 attribute weight 의 최적화에 걸리는 시간으로 대체하여 하이퍼파라미터 탐색에 걸리는 시간을 획기적으로 줄일 수 있게 하였다. 제안하는 attribute loss 는 각 특징당 GAN 을 만들 때 각 GAN 의 loss 의 합으로, 이 GAN 들은 hidden layer 를 공유하기 때문에 연산량의 증가를 거의 가져오지 않는다. 또한 reconstruction loss 를 단순화시켜 연산량을 줄인 simplified content loss 를 제안한다. StarGAN 의 reconstruction loss 는 generator 를 2 번 통과하지만 simplified content loss 는 1 번만 통과하기 때문에 연산량이 줄어든다. 또한 이미지 Framing 을 통해 배경의 왜곡을 방지하고, 양방향 성장을 통해 학습 속도를 향상시킨 아키텍쳐를 제안한다.

• 한국멀티미디어학회논문지
• /
• 제2권4호
• /
• pp.490-495
• /
• 1999

본 논문에서는 인공 신경망과 퍼지 논리의 장점을 뉴런 구조에 적용하여 학습 속도가 마르며 수렴률을 향상시키는 방법을 제안한다. 인공신경망의 벤치 마크로 사용되는 XOR문제 n 비트 parity문제와 현실적인 이미지 응용을 위해 자동차 번호 판에서 숫자 이미지에 적용시켜 보았다. 실험결과, 모든 자료 값과 목표 값에 대해서 항상 수렴을 보장하는 것은 아니다. 그렇지만, 학습 속도가 빠르며 수렴률의 향상을 보였다. 제안된 방법은 임의의 충으로 확장이 가능하다. 여기서는 단층의 경우만을 고려하여 빠른 속도와 방대한 이미지에 대해서 빠른 처리를 가능하게 한다.

• 한국컴퓨터정보학회논문지
• /
• 제29권7호
• /
• pp.89-98
• /
• 2024

본 논문은 챕터 수준의 강의 동영상 추천 시스템에 있어서 추천의 정확도와 처리속도 간의 균형문제, 즉, 추천 정확도를 향상시키려면 처리 속도가 저하되고, 반대로 처리 속도를 높일 경우 정확도가 감소하는 문제에 대하여 연구한다. 본 논문에서는 이의 해결을 위하여 TF-IDF, K-Means++ Clustering, Graph Neural Network(GNN) 등 다양한 기법을 복합적으로 활용하는 방법을 제안한다. 즉, 챕터들의 유사성을 바탕으로 클러스터를 사전에 구성함으로써 검색 시의 계산량을 줄여 속도를 향상시키면서도, 클러스터를 노드로 하는 그래프에 대하여 GNN을 적용함으로써 추천의 정확도를 향상시키는 방법을 제안한다. 실험 결과 GNN을 사용한 경우 추천의 정확도가 MRR 지표에서 약 19.7% 증가하였으며, 유사도 기반의 정밀도에 있어서 약 27.7% 증가하는 결과를 확인할 수 있었다. 이를 통해 학습자의 질의에 보다 적합한 동영상 챕터를 추천하는 학습시스템 구축에 기여할 것으로 기대한다.