• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2004년도 추계학술대회 논문집
• /
• pp.1061-1065
• /
• 2004

The knowledge-based society of the 21st century requires effective education and learning methods in each professional field because the development of human resource determines its competence more than any other factors. It is highly desirable to develop an intelligent tutoring system, which meets ever increasing demands of education and learning. Such a system should be adaptive to each individual learner's demands as well as the continuously changing state of the learning process, thus enabling the effective education. The development of a learning environment based on learner modeling is necessary in order to be adaptive to individual learning variants. An intelligent learning environment is being developed targeting the heritage education, which is able to provide a customized and refined learning guide by storing the content of interactions between the system and the learner, analyzing the correlations in learning situations, and inferring the learning preference from the learner's learning history. This paper proposes a heritage learning system of Bulguksa temple, integrating the ontology-based learner modeling and the learning preference which considers perception styles, input and processing methods, and understanding process of information.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1990년도 한국자동제어학술회의논문집(국제학술편); KOEX, Seoul; 26-27 Oct. 1990
• /
• pp.963-968
• /
• 1990

An iterative learning control scheme for tracking control of a class of uncertain nonlinear systems is presented. By introducing a model reference adaptive controller in the learning control structure, it is possible to achieve zero tracking of unknown system even when the upperbound of uncertainty in system dynamics is not known apriori. The adaptive controller pull the state of the system to the state of reference model via control gain adaptation at each iteration, while the learning controller attracts the model state to the desired one by synthesizing a suitable control input along with iteration numbers. In the controller role transition from the adaptive to the learning controller takes place in gradually as learning proceeds. Another feature of this control scheme is that robustness to bounded input disturbances is guaranteed by the linear controller in the feedback loop of the learning control scheme. In addition, since the proposed controller does not require any knowledge of the dynamic parameters of the system, it is flexible under uncertain environments. With these facts, computational easiness makes the learning scheme more feasible. Computer simulation results for the dynamic control of a two-axis robot manipulator shows a good performance of the scheme in relatively high speed operation of trajectory tracking.

• 한국컴퓨터정보학회논문지
• /
• 제9권3호
• /
• pp.115-120
• /
• 2004

SCORM의 데이터 모델을 확장하여 학습자의 학습특성에 따라 학습 컨텐츠를 차별적으로 제공할 수 있는 적응형 학습관리 시스템을 제안하였다. SCORM의 데이터 모델 확장과 학습자의 진단-처방처리 절차를 정립하여 IEEE에서 제시한 표준 학습관리 시스템의 아키텍쳐(LTSA)에 추가시켜 시스템을 설계하였으며, 컨텐츠 메타데이터를 확장하였고. 학습진행 동안에 컨텐츠를 동적으로 순서를 정하게 하는 패키징을 정의하여 이를 기반으로 적응형 학습관리 시스템을 구현하였다. 실험 컨텐츠를 이용해 시스템의 성능을 평가한 결과, 학습자의 특성에 따라 개별적인 학습컨텐츠가 제공되었고, SCORM을 확장하여 적응형 학습관리 시스템을 구현하는 것이 가능함을 보여 주었다.

• 정보처리학회논문지A
• /
• 제10A권4호
• /
• pp.321-330
• /
• 2003

본 연구에서는 학습자들의 학습 과정을 모니터링하여 분석된 학습 특성에 따라 다르게 학습내용을 동적으로 구성하여 제공하는 에이젼트 기반의 적응적 교수 시스템을 구현하고 있다. 또한 학습자들의 능력을 평가하고 각 수준에 맞는 학습내용을 제공하기 위해 퍼지 개념을 이용하고 있다. 이를 위해, 코스웨어 설계시 학습목표의 중요도, 학습내용의 난이도, 학습목표와 학습내용과의 관련도에 따라 퍼지 수준 집합을 구성하고 이를 기반으로 학습자의 수준에 맞는 내용을 제공한다. 본 논문에서는 에이젼트를 이용하여 학습자들의 학습 상태를 지속적으로 모니터링하고, 평가 단계에서 학습자가 오답을 냈을 경우 적절한 힌트를 추론하여 제공하며, 분석된 학습 특성과 평가 결과에 따라 학습 내용을 동적으로 구성하여 줌으로서 적응적 교수 시스템을 효과적으로 구현하고 있다. 또한 퍼지 집합에 의한 수준별 학습 내용의 제공과 평가 결과는 학습과정에 나타나는 여러 가지 다양하고 불확실한 요소들을 고려하여 처리함으로써 보다 융통성 있는 교수 학습 방법을 제공할 수 있도록 한다.

• 대한기계학회논문집A
• /
• 제25권12호
• /
• pp.1895-1902
• /
• 2001

This paper gives an overview of the relationships between methods of loaming and adaptive control. It is the objective of this paper to develop adaptive learning control algorithms that combine the advantages of adaptive control with those of leaning control to the extent possible for the type of system model used. The robustness of this adaptive loaming control with respect to reinitialization errors and fluctuation of dynamics from disturbance is analyzed extensively. Simulation results have shown to verify the effectiveness of the proposed control algorithm.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제8권1호
• /
• pp.31-36
• /
• 2008

This paper presents adaptive learning data of evolvable neural networks (ENNs) for time series prediction of nonlinear dynamic systems. ENNs are a special class of neural networks that adopt the concept of biological evolution as a mechanism of adaptation or learning. ENNs can adapt to an environment as well as changes in the enviromuent. ENNs used in this paper are L-system and DNA coding based ENNs. The ENNs adopt the evolution of simultaneous network architecture and weights using indirect encoding. In general just previous data are used for training the predictor that predicts future data. However the characteristics of data and appropriate size of learning data are usually unknown. Therefore we propose adaptive change of learning data size to predict the future data effectively. In order to verify the effectiveness of our scheme, we apply it to chaotic time series predictions of Mackey-Glass data.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.920-924
• /
• 2005

This paper presents adaptive learning data of evolvable neural networks (ENNs) for time series prediction of nonlinear dynamic systems. ENNs are a special class of neural networks that adopt the concept of biological evolution as a mechanism of adaptation or learning. ENNs can adapt to an environment as well as changes in the environment. ENNs used in this paper are L-system and DNA coding based ENNs. The ENNs adopt the evolution of simultaneous network architecture and weights using indirect encoding. In general just previous data are used for training the predictor that predicts future data. However the characteristics of data and appropriate size of learning data are usually unknown. Therefore we propose adaptive change of learning data size to predict the future data effectively. In order to verify the effectiveness of our scheme, we apply it to chaotic time series predictions of Mackey-Glass data.

• 한국항행학회논문지
• /
• 제14권2호
• /
• pp.278-283
• /
• 2010

본 논문에서는 유비쿼터스 환경에서 학습자 맞춤형 학습을 지원하기 위한 사용자 모델 확장의 프레임워크를 설계 및 제시하였다. 이를 위해 기존의 모델인 도메인 모델, 사용자 모델, 적용 모델, 인터액션 모델을 LMS(Learning Management System)와 LCMS(Learning Contents Management System)에 연동하였다. 사용자 모델의 확장인 학습자 정보 관리 프로세스를 LMS와 적응적 시스템 사이에 두었으며, 이를 u-러닝에서 사용할 수 있도록 u-LMS와 연결하였다. u-LMS와 u-LCMS는 학습자의 접속 및 요구에 따라 적절한 변환을 통해 이동형 기기에 제공할 수 있도록 하였다.

• 컴퓨터교육학회논문지
• /
• 제9권1호
• /
• pp.29-39
• /
• 2006

본 연구는 학습자의 학습과정과 학습내용, 평가내용을 분석하여 학습내용 중에 이해가 안된 부분이 있거나 문제가 있는 부분을 진단하고 이에 적절한 학습 조언을 제공함으로써 학습의 효과를 높일 수 있도록 하는 적응형 교수 시스템을 제안한다. 학습자의 학습내용 중 한 개념에 대한 학습은 다른 개념의 학습에 영향을 미치며, 한 개념을 학습하기 위해서는 그 개념에 대한 선행개념을 충분히 이해하고 있어야 된다는 점을 고려하여 학습내용을 구성시 컨셉맵을 기반으로 학습개념간의 관련성을 표현하고 있다. 이러한 컨셉맵을 통해 한 개념을 학습하기 전 요구되는 선행개념에 대한 학습 정도를 파악하여 이에 따른 적합한 학습내용을 제공하고, 평가문항과 학습개념과의 관련도를 이용하여 학습자의 학습내용 중 문제 있는 부분을 진단하여 적절한 조언을 제공한다.

• 인터넷정보학회논문지
• /
• 제10권3호
• /
• pp.151-157
• /
• 2009

많은 이러닝 시스템들은 기존의 설정된 문항난이도를 기반으로 학습자에게 학습정보를 제공하고 있으며, 학습자는 정해진 학습과정에 따라 학습을 수행하고 있다. 이는 학습과정 중에서 학습자마다 학습을 이해하는 정도가 다름에도 불구하고 학습자는 정해진 난이도와 학습과정을 따라야 함으로 효율적인 학습효과를 나타내기 어렵다. 본 연구에서는 학습자가 학습과정중에 이해하는 정도를 시스템이 파악하여 능동적으로 난이도 및 학습과정을 조절하는 학습자 적응형 이러닝 시스템을 제시하고자 한다. 이를 통하여 학습자는 오프라인에서의 학습과 같은 대화형 학습을 통해 온라인 학습이 가져오는 획일적 학습에서 벗어나 보다 높은 학습효과를 높일 수 있다.