• The Journal of Special Children Education
• /
• v.20 no.3
• /
• pp.131-157
• /
• 2018

Purpose: The purpose of this study was to analyze the effects of the Enhanced Milieu Teaching on the ability related to spontaneous language and functional communication. Method: The experiment was conducted in a structured intervention room setting for Enhanced Milieu Teaching. The participants of the study were four children with Autism Spectrum Disorders. For this study, a multiple probe design across participants was used to identify a potential functional relationship between independent and dependent variables. The independent variable was the implementation of the Enhanced Milieu Teaching embedded in the spontaneous language and functional communication situations. The dependent variable of this study included the frequency of the exact spontaneous language and functional communication emitted by the participants. Results: The results demonstrated that the Enhanced Milieu Teaching would be effective to increase participants' spontaneous language and functional communication. The effects of the Enhanced Milieu Teaching maintained in the follow-up post-intervention probe phase. Conclusion: These results suggest that the Enhanced Milieu Teaching is effective in promoting the spontaneous language and functional communication of children with autism spectrum disorders.

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 2003.11a
• /
• pp.187-188
• /
• 2003

세계는 전체 에너지 수요의 약 80%를 화석연료에 의존하고 있으며 화석연료중 약 50%는 석탄에 의존하고 있다. 국내의 경우에도 전체 전력 생산의 약 30% 정도는 계속 석탄으로 유지될 전망이다. 환경문제가 21세기의 중요한 테마로 부상하면서 화석연료 사용에 의한 유해 대기오염물질의 배출이 문제가 되고 있으며 그 규제는 점차 강화되어 최근에는 SO$_2$와 NOx에 강화된 규제가 적용되고 있고 $CO_2$의 규제도 구체화되고 있다. (중략)

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.271-273
• /
• 2000

일반적으로, 지능형 에이전트는 사용자의 목적과 주위 환경으로부터 최적의 행동을 스스로 찾아낼 수 있어야 한다. 만약 에이전트의 목적이나 주위 환경이 불확실성을 포함하는 경우, 에이전트는 적절한 행동을 선택하기 어렵다. 그러나, 사용자의 목적이 인간 지식의 불확실성을 포함하는 언어값으로 표현되었을 경우, 이를 처리하려는 연구는 없었다. 본 논문에서는 모호한 사용자의 의도를 퍼지 목적으로 나타내고, 에이전트가 인지하는 불확실한 환경을 퍼지 상태로 표현하는 방법을 제안한다. 또, 퍼지 목적과 상태를 이용하여 확장한 펴지 강화 함수와를 이용하여, 기존 강화 학습 알고리즘 중 하나인 Q-Learning을 FuzzyQ-Learning으로 확장하고, 이에 대한 타당성을 검증한다.

• Journal of KSNVE
• /
• v.4 no.4
• /
• pp.404-412
• /
• 1994

자동차는 생활수준이 향상됨에 따라 급속히 보급되어 필수품이 되고 있다. 어느 교통 수단보다 대중적인 자리에 있는 자동차는 성능면에 있어 크게 발달하여 지역산업의 성장을 촉진하고 지역간 격차를 해소하는데 크게 기여하였다. 또한, 쾌적한 생활환경을 추구하고자 하는 개개인의 욕망에 의해 단순히 교통수단이라는 인식에서 벗어나 안락함이 요구되고 있고, 환경소음 규제의 강화로 인해 환경보호 의 차원에서 고려되고 있다. 타이어는 고속으로 주행하는 자동차의 주소음원으로 인식되고 있는바 안락하고 조용한 자동차 개발에 있어 우선적으로 고려되는 대항 으로 자동차 소음규제의 강화와 더불어 활발한 연구가 요구된다.

• Tunnel and Underground Space
• /
• v.34 no.3
• /
• pp.208-217
• /
• 2024

There is so much research effort for developing and implementing deep learning-based surveillance systems to manage health and safety issues in construction sites. Especially, the development of deep learning-based object detection in various environmental changes has been progressing because those affect decreasing searching performance of the model. Among the various environmental variables, the accuracy of the object detection model is significantly dropped under low illuminance, and consistent object detection accuracy cannot be secured even the model is trained using low-light images. Accordingly, there is a need of low-light enhancement to keep the performance under low illuminance. Therefore, this paper conducts a comparative study of various deep learning-based low-light image enhancement models (GLADNet, KinD, LLFlow, Zero-DCE) using the acquired construction site image data. The low-light enhanced image was visually verified, and it was quantitatively analyzed by adopting image quality evaluation metrics such as PSNR, SSIM, Delta-E. As a result of the experiment, the low-light image enhancement performance of GLADNet showed excellent results in quantitative and qualitative evaluation, and it was analyzed to be suitable as a low-light image enhancement model. If the low-light image enhancement technique is applied as an image preprocessing to the deep learning-based object detection model in the future, it is expected to secure consistent object detection performance in a low-light environment.

• Proceedings of the Korean Society for Bio-Environment Control Conference
• /
• 2002.11a
• /
• pp.246-252
• /
• 2002

순무(Bracica campestris subsp. rapa Hook, fiet. Anders)의 원산지는 유럽서남부 해안지방인 반온대 지역으로 알려져 있으며 우리나라에서는 삼국시대부터 재배되었다. 조선중엽에 김치 재료로 많이 재배되었다는 기록이 있으나 지금은 주로 강화군 지역에서 재배되어 강화순무로 불릴 정도로 강화군 특산품이 되었다. 순무의 종류로는 서구계, 중간계, 재래계가 있으나 강화순무는 재래계통에 속하고 자색이 진한 것과 연한 것으로 구분된다. (중략)

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.05a
• /
• pp.73-77
• /
• 2001

본 논문에서는 부분적으로 관측 가능한 환경에서 사전의 모델 정보 없이 확률적인 행동 정책을 학습하는 상태 조직화 강화 학습 모델을 제안한다. 기존의 강화학습은 환경 모델을 사전에 필요로 하고 상태 전체의 관측이 필요하기 때문에 학습 이전에 문제에 대해 알아야 한다는 제약이 있다. 또한 작은 문제에 대해서는 잘 적용되지만 상태의 수가 매우 많고 부분적으로만 관측한 경우가 많은 실제 문제에는 그대로 적용하기가 불가능하다. 이러한 두 가지 단점을 해결하기 위해 본 논문에서는 사전의 모델 정보 없이 부분적인 관측값으로부터 상태와 행동 정책을 동시에 학습해 나가는 강화 학습 모델을 제안하고, 제안된 방법을 부분적으로만 관측이 가능한 미로 탐색 문제에 적용하였다.

• Annual Conference of KIPS
• /
• 2002.04a
• /
• pp.565-568
• /
• 2002

본 논문에서는 에이전트간의 통신이 불가능한 다중 에이전트 환경에서 각 에이전트들이 독립적이면서 대표적인 강화학습법인 Q-학습을 전개함으로써 서로 효과적으로 협조할 수 있는 행동전략을 학습하려고 한다. 하지만 단일 에이전트 경우에 비해 보다 큰 상태-행동공간을 갖는 다중 에이전트환경에서는 강화학습을 통해 효과적으로 최적의 행동 전략에 도달하기 어렵다는 문제점이 있다. 이 문제에 대한 기존의 접근방법은 크게 모듈화 방법과 일반화 방법이 제안되었으나 모두 나름의 제한을 가지고 있다. 본 논문에서는 대표적인 다중 에이전트 학습 문제의 예로서 the Prey and Hunters Problem를 소개하고 이 문제영역을 통해 이와 같은 강화학습의 문제점을 살펴보고, 해결책으로 신경망 SOM 을 이용한 일반화 방법을 제안한다. 이 방법은 다층 퍼셉트론 신경망과 역전파 알고리즘을 이용한 기존의 일반화 방법과는 달리 군집화 기능을 제공하는 신경망 SOM 을 이용함으로써 명확한 다수의 훈련 예가 없어도 효과적으로 채 경험하지 못한 상태-행동들에 대한 Q 값을 예측하고 이용할 수 있다는 장점이 있다.

• Annual Conference of KIPS
• /
• 2002.11a
• /
• pp.369-372
• /
• 2002

다양한 특성들을 가지고 있는 멀티에이전트 시스템의 행동학습은 에이전트 설계에 많은 부담을 덜어준다. 특성들로부터 나오는 다양한 행동의 효과적인 학습은 에이전트들이 환경에 대한 자율성과 반응성을 높여준 수 있다. 행동학습은 model-based learning과 같은 교사학습보다는 각 상태를 바로 지각하여 학습하는 강화학습과 같은 비교사 학습이 효과적이다. 본 논문은 로봇축구환경에 에이전트들의 행동을 개선된 강화학습법인 Modular Q-learning을 적용하여 복잡한 상태공간을 효과적으로 나누어 에이전트들의 자율성과 반응성을 높일 수 있는 강화학습구조를 제안한다.

• Annual Conference of KIPS
• /
• 2022.05a
• /
• pp.528-530
• /
• 2022

심층강화학습에 완전 연결 신경망과 합성곱 신경망은 잘 활용되는 것에 반해 순환 신경망은 잘 활용되지 않는다. 이는 강화학습이 마르코프 속성을 전제로 하기 때문이다. 지금까지의 강화학습은 환경이 마르코프 속성을 만족하도록 사전 작업이 필요했다, 본 논문에서는 마르코프 속성을 따르지 않는 환경에서 이러한 사전 작업 없이도 순환 신경망의 은닉 상태를 통해 마르코프 속성을 학습함으로써 학습 성능을 개선할 수 있다는 것을 소개한다.