• Corrugated packaging logistics
• /
• s.107
• /
• pp.115-122
• /
• 2013

본 자료는 2011년 4월 18일부터 10월 17일간(6개월)에 걸쳐 연구된 자료로써, 국내 골판지원지 산업의 경쟁력 강화를 위해 지식경제부 무역위원회에서 실시하였던 "골판지원지 산업경쟁력 조사" 연구용역 보고서를 인용한 것으로써, '골판지원지 산업경쟁력 조사'는 골판지산업의 경쟁력 실태, 구조적인 문제점 등을 분석하여 향후 경쟁력 강화를 위한 정책 방안을 찾고자 연구를 시작하였다. 최근 들어 국내 골판지업계는 글로벌 경쟁심화에 따른 폐지 등 원료확보 경쟁, 국내외 환경규제 강화 등 대내외 여건이 나날이 악화되고 있다. 이에 본 조사에서는 전체적인 연구 진행 방향 및 골판지원지산업의 현안에 대해 학계, 산업계, 업종단체 및 주무부서 담당자등 전문가 의견을 광범위하게 수렴하여 국내 골판지산업이 지속적인 성장세를 유지할 수 있도록 경쟁력 강화 전략 및 정책방안을 마련하고자 하였다. 특히 해외 골판지산업의 비교분석을 통해 국내 산업 경쟁력 강화를 위한 방안을 찾는 한편, 중국 등 덤핑수입에 대한 무역구제지원제도 활용가능성을 검토하였다.

• Corrugated packaging logistics
• /
• s.111
• /
• pp.80-87
• /
• 2013

본자료는 2011년 4월 18일부터 10월 17일간(6개월)에 걸쳐 연구된 자료로써, 국내 골판지원지 산업의 경쟁력 강화를 위해 지식경제부 무역위원회에서 실시하였던 "골판지원지 산업경쟁력 조사" 연구용역 보고서를 인용한 것으로써, '골판지원지 산업경쟁력 조사'는 골판지산업의 경쟁력 실태, 구조적인 문제점 등을 분석하여 향후 경쟁력 강화를 위한 정책 방안을 찾고자 연구를 시작하였다. 최근 들어 국내 골판지업계는 글로벌 경쟁심화에 따른 폐지 등 원료확보 경쟁, 국내외 환경규제 강화 등 대내외 여건이 나날이 악화되고 있다. 이에 본 조사에서는 전체적인 연구 진행 방향 및 골판지원지산업의 현안에 대해 학계, 산업계, 업종단체 및 주무부서 담당자등 전문가 의견을 광범위하게 수렴하여 국내 골판지산업이 지속적인 성장세를 유지할 수 있도록 경쟁력 강화 전략 및 정책방안을 마련하고자 하였다. 특히 해외 골판지산업의 비교분석을 통해 국내 산업 경쟁력 강화를 위한 방안을 찾는 한편, 중국 등 덤핑수입에 대한 무역구제지원제도 활용 가능성을 검토하였다.

• Corrugated packaging logistics
• /
• s.103
• /
• pp.87-94
• /
• 2012

본 자료는 2011년 4월 18일부터 10월 17일간(6개월)에 걸쳐 연구된 자료로써, 국내 골판지원지 산업의 경쟁력 강화를 위해 지식경제부 무역위원회에서 실시하였던 "골판지원지 산업경쟁력 조사" 연구용역 보고서를 인용한 것으로써, '골판지원지 산업경쟁력 조사'는 골판지산업의 경쟁력 실태, 구조적인 문제점 등을 분석하여 향후 경쟁력 강화를 위한 정책 방안을 찾고자 연구를 시작하였다. 최근 들어 국내 골판지업계는 글로벌 경쟁심화에 따른 폐지 등 원료확보 경쟁, 국내외 환경규제 강화 등 대내외 여건이 나날이 악화되고 있다. 이에 본 조사에서는 전체적인 연구진행 방향 및 골판지원지산업의 현안에 대해 학계, 산업계, 업종단체 및 주무부서 담당자등 전문가 의견을 광범위하게 수렴하며 국내 골판지산업이 지속적인 성장세를 유지할 수 있도록 경쟁력 강화 전략 및 정책방안을 마련하고자 하였다. 특히 해외 골판지산업의 비교분석을 통해 국내 산업 경쟁력 강화를 위한 방안을 찾는 한편, 중국 등 덤핑수입에 대한 무역구제지원제도 활용가능성을 검토하였다.

• Annual Conference of KIPS
• /
• 2014.11a
• /
• pp.886-889
• /
• 2014

본 논문에서는 사용자로부터 실시간으로 전송 받은 교통정보 이용하여 강화학습에 의한 최적 경로탐색을 제안한다. ITS(Intelligent Transportation Systems)를 서비스하기 위한 시스템을 구축하기에는 많은 시간적 비용과 물질적 비용이 소모된다. 이를 보완하기 위해 사용자의 단말기로부터 실시간으로 수집한 교통 정보를 이용하여 강화학습기법을 적용한다. 강화학습의 목표는 환경 내에서의 에이전트가 행동에 대한 보상의 총합을 최대화 하는 것이다. 본 논문에서는 실시간으로 사용자의 단말기로부터 획득한 교통 정보를 이용하여 강화학습기법을 적용하고, 최단경로탐색 알고리즘을 분석하여 비교한다.

• Electronics and Telecommunications Trends
• /
• v.34 no.4
• /
• pp.1-14
• /
• 2019

Recent trends in deep reinforcement learning (DRL) have revealed the considerable improvements to DRL algorithms in terms of performance, learning stability, and computational efficiency. DRL also enables the scenarios that it covers (e.g., partial observability; cooperation, competition, coexistence, and communications among multiple agents; multi-task; decentralized intelligence) to be vastly expanded. These features have cultivated multi-agent reinforcement learning research. DRL is also expanding its applications from robotics to natural language processing and computer vision into a wide array of fields such as finance, healthcare, chemistry, and even art. In this report, we briefly summarize various DRL techniques and research directions.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.475-477
• /
• 2022

최근 강화 학습을 적용한 게임 AI 에 대한 연구가 활발히 진행되고 있다. 하지만 대부분 상용게임은 유한 상태 머신(Finite State Machine, FSM)을 이용한 스크립트 기반 AI 를 사용하기 때문에 복잡한 환경의 게임에서 불안정한 상태로 인해 적절한 강화 학습의 수행이 어렵다. 따라서 본 논문에서는 상용 게임 강화 학습 적용을 위하여 상태 정규화 및 Dense 보상 기반 강화 학습 기법을 제안한다. 제안한 기법을 상용 농구 게임에 적용하고 학습된 모델의 성능을 기존 FSM 기반 AI 와 비교를 통해 성능이 약 80% 증가한 결과를 확인하였다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.13 no.2
• /
• pp.171-179
• /
• 2013

Recognition and image processing technology depends on illumination variation. One of the most important factors is the parameters of algorithms. When it comes to select these values, the system has different types of recognition accuracy. In this paper, we propose performance improvement of the eye tracking system that depends on some environments such as, people, location, and illumination. Optimized threshold parameter was decided by using reinforcement learning. When the system accuracy goes down, reinforcement learning used to train the value of parameters. According to the experimental results, the performance of eye tracking system can be improved from 3% to 14% by using reinforcement learning. The improved eye tracking system can be effectively used for human-computer interaction.

• Journal of the Korea Society for Simulation
• /
• v.27 no.4
• /
• pp.1-8
• /
• 2018

The most common way to control a target point using artificial intelligence is through reinforcement learning. However, it had to process complicated calculations that were difficult to implement in order to process reinforcement learning. In this paper, the enhanced Proximal Policy Optimization (PPO) algorithm was used to simulate finding the planned flight trajectory to reach the target point in the virtual environment. In this paper, we simulated how this problem was used to find the planned flight trajectory to reach the target point in the virtual environment using the enhanced Proximal Policy Optimization(PPO) algorithm. In addition, variables such as changes in trajectory, effects of rewards, and external winds are added to determine the zero conditions of external environmental factors on flight trajectory learning, and the effects on trajectory learning performance and learning speed are compared. From this result, the simulation results have shown that the agent can find the optimal trajectory in spite of changes in the various external environments, which will be applicable to the actual vehicle.

• The Journal of Korean Academy of Sensory Integration
• /
• v.19 no.3
• /
• pp.1-12
• /
• 2021

Objective : The purpose of this study was to investigate the effect of the environmental enrichment therapy (EET) program on the task performance and sensory processing of children with delayed development. Methods : This study was conducted with a single-subject ABA research design for two children with developmental delay findings, and intervention was conducted 7 times a week for 4 weeks. Both children confirmed changes in task performance and sensory processing after intervention. Results : After intervention, task performance improved from an average of 200% to a maximum of 354% compared to the baseline period, and the score in the sensory processing area, which affects tactile processing, emotional response, and activity level, was improved to the normal category. Conclusion : Through this study, it was confirmed that the EET program was effective in performing tasks and sensory processing for children with developmental delays, and its usefulness was confirmed as a program that can be implemented at home.

• Journal of IKEEE
• /
• v.25 no.4
• /
• pp.644-649
• /
• 2021

Self-Imitation Learning is a simple off-policy actor-critic algorithm that makes an agent find an optimal policy by using past good experiences. In case that Self-Imitation Learning is combined with reinforcement learning algorithms that have actor-critic architecture, it shows performance improvement in various game environments. However, its applications are limited to reinforcement learning algorithms that have actor-critic architecture. In this paper, we propose a method of applying Self-Imitation Learning to Deep Q-Network which is a value-based deep reinforcement learning algorithm and train it in various game environments. We also show that Self-Imitation Learning can be applied to Deep Q-Network to improve the performance of Deep Q-Network by comparing the proposed algorithm and ordinary Deep Q-Network training results.