• 한국지능시스템학회논문지
• /
• 제7권5호
• /
• pp.60-66
• /
• 1997

This paper presents a fuzzy inference-based reinforcement learning algorithm of dynamci recurrent neural networks, which is very similar to the psychological learning method of higher animals. By useing the fuzzy inference technique the linguistic and concetional expressions have an effect on the controller's action indirectly, which is shown in human's behavior. The intervlas of fuzzy membership functions are found optimally by genetic algorithms. And using recurrent neural networks composed of dynamic neurons as action-generation networks, past state as well as current state is considered to make an action in dynamical environment. We show the validity of the proposed learning algorithm by applying it to the inverted pendulum control problem.

• 정보처리학회논문지A
• /
• 제14A권3호
• /
• pp.159-166
• /
• 2007

u-러닝(u-learning) 체제의 도입은, 원격교육을 지원하는 다양한 형태의 u-러닝 시스템 및 모형을 요구하며, 이에 따라 네트워크를 이용한 u-러닝 환경의 원격교육시스템에 대한 연구가 지속적으로 진행되어왔다. 하지만, 현재 운영되고 있는 대부분의 원격교육시스템은 교수자와 학습자간의 지속적인 쌍방향 상호작용 유지의 어려움, 시스템 구축을 위한 경제적 부담, 시스템 운영에 투입되는 교수자의 기술적 소양 부족 등 여러 문제점을 안고 있다. 이러한 문제점을 해결하기 위해서는, 교사의 접속 여부와 무관한 지속적인 학습 활동의 유지, 시스템 구축의 경제성 및 사용상의 편리성에 대한 고려가 선행되어야 한다. 이에 본 연구에서는, 이동성과 내재성 등의 u-러닝 개념을 포함하고, 가상 교수자(cyber tutor)의 결합에 의해 실제 교수자의 접속 상태와는 독립적으로 지속적인 교수-학습 과정을 지원하며, 사용자의 기술적, 경제적 부담의 제거가 가능한 지능형 u-러닝시스템을 개발하고, 그 적용 가능성을 검증하였다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 추계학술대회-지능형 정보기술과 미래조직 Information Technology and Future Organization
• /
• pp.269-279
• /
• 1999

본 연구는 Web상에서 원격 협력 학습을 위한 수준별 학습자 모집 스케줄링 에이전트의 설계와 구현에 관해 제안한다. 본 시스템의 구조는 원격 교사 모듈과 여러 명의 학습자, 그리고 이를 연결해 주는 스케줄링 Agents, 학습자를 진단할 수 있는 진단 Agent로 구성된다. 컴퓨터가 분산환경으로 발전됨에 따라서 교육의 변화도 가속화되었고, 지식의 공유와 정보의 공유가 원격 협력학습에 의하여 절실히 필요하게 되었다. 원격 협력 학습에서의 학습자는 동일한 과목과 주제에 흥미를 느끼는 여러 명의 아동이 동시에 학습할 수 있는 상황이 필요하며, 선행 지식 또한 비슷한 수준이어야 동일한 주제로 학습의 효과가 있다. 이런 학습자를 판단하기 위해서 진단 Agent가 학습자를 진단하며 스케줄링 Agents의 학습자 지식에 추가한 후 스케줄링 Agents가 학습자의 기본 사항과 요구 내용을 추론하여 비슷한 수준의 학습자를 연결한다. 교사 모듈은 전통적인 ITS의 구조의 교수 학습 모듈, 전문가모듈로 구성되어 교수 학습을 할 수 있다. 이렇게 여러 명의 학습자를 연결하여 협력학습을 하기 위해서는 학습자간의 요구사항과 지식 수준 그리고 학습 가능한 시간이 같아야 하는데 이를 위해 시간을 자원으로 하는 동적 자원 스케줄링(Dynamic Resource Scheduling)으로 모델링 하였다. 본 연구에서 도형학습을 기반으로 하는 실험을 통해 구현한 원격 협력학습을 위한 지능형 스케줄링 에이전트를 평가하였다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제7권4호
• /
• pp.236-241
• /
• 2007

This paper presents an adaptive controller using chaotic dynamic neural networks(CDNN) for nonlinear dynamic system. A new dynamic backpropagation learning method of the proposed chaotic dynamic neural networks is developed for efficient learning, and this learning method includes the convergence for improving the stability of chaotic neural networks. The proposed CDNN is applied to the system identification of chaotic system and the adaptive controller. The simulation results show good performances in the identification of Lorenz equation and the adaptive control of nonlinear system, since the CDNN has the fast learning characteristics and the robust adaptability to nonlinear dynamic system.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.143-148
• /
• 2024

원활한 교통의 흐름은 현대 사회에서 매우 중요한 요소이며, 교통체증은 환경 및 경제 등 다양한 형태로 문제를 초래했다. 이러한 문제를 해결하기 위해 최근 인공지능을 활용한 지능형교통체계(Intelligent Transport System)가 주목받고 있다. 본 논문에서는 강화학습 기법을 활용하여 교차로 각 방향의 차량과 보행자를 동시에 고려하여 교통의 흐름을 원활하게 하면서 동시에 불만족도를 낮출 수 있는 알고리즘을 제안한다. 제안하는 알고리즘을 적용한 교차로 신호체계 시뮬레이션 결과, 기존의 고정형 신호체계에 비해 차량·보행자의 불만족도를 상당히 낮출 수 있으며, 교차로의 교차하는 도로의 수가 많을수록 성능의 차이가 증가함을 확인하였다.

• 스마트미디어저널
• /
• 제12권5호
• /
• pp.73-80
• /
• 2023

최근 지능형 관제 시스템은 다양한 응용 분야에서 빠르게 발전하고 있으며, 딥러닝, IoT, 클라우드 컴퓨팅 등의 기술이 지능형 관제 시스템에 활용하는 방안이 연구되고 있다. 지능형 관제 시스템에서 중요한 기술은 영상에서 객체를 인식하고 추적하는 것이다. 그러나 기존의 다중 객체 추적 기술은 정확도 및 속도에서 문제점을 가지고 있다. 본 논문에서는 객체 추적의 정확성을 높이고, 객체가 서로 겹쳐있거나 동일한 클래스에 속하는 객체들이 많을 경우에도 빠르고 정확하게 추적 가능한 원샷 아키텍처 기반의 YOLO v5와 YOLO v6을 사용하여 실시간 지능형 관제시스템을 구현하였다. 실험은 YOLO v5와 YOLO v6를 비교하여 평가하였다. 실험결과 YOLO v6 모델이 지능형 관제시스템에 적합한 성능을 보여주고 있다. 실험결과 YOLO v6 모델이 지능형 관제시스템에 적합한 성능을 보여주고 있다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2011년도 동계학술대회
• /
• pp.211-217
• /
• 2011

소셜 네트워크 서비스의 부각과 다매체 환경에서의 사용자 참여 확대와 같은 최근 IT 기술 환경의 변화로 이러닝 시스템 역시 다양한 환경에서 변화하고 있다. 메타데이터는 시스템 간의 상호운용성을 위한 데이터의 규약이며, 이러닝 메타데이터는 국내외 기판에 의해 표준화가 이루어지고 있으나, 주변 환경의 다양한 변화를 고려하는 메타데이터 요소의 제안이 요구되는 상황이다. 본 논문에서는 지능형 학습 시스템을 위한 메타데이터 모형을 분석 및 설계하는 방법을 연구 제안하고, 표준 메타데이터인 KEM 3.0을 기반으로 향후 필요할 것으로 예상되는 메타데이터 요소의 요구사항을 도출하였다. 도출된 요구사항을 바탕으로 요구사항을 중요도에 따라 분류할 수 있는 카노 모형에 따라 3-Layer 모델로 설계하였다. 향후 본 논문의 모형 설계를 기반으로 이러닝 기술 환경의 변화를 반영한 지능형 학습 시스템을 개발하여 국제적 표준화로 발전되기를 기대한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 The Third Asian Fuzzy Systems Symposium
• /
• pp.391-394
• /
• 1998

In this paper, we try to analyze two kinds of conventional neuro-fuzzy learning algorithms, which are widely used in recent fuzzy applications for tuning fuzzy rules, and give a summarization of their properties. Some of these properties show that uses of the conventional neuro-fuzzy learning algorithms are sometimes difficult or inconvenient for constructing an optimal fuzzy system model in practical fuzzy applications.

• International Journal of Computer Science & Network Security
• /
• 제21권4호
• /
• pp.223-228
• /
• 2021

As a consequence of sudden outbreak of COVID-19 pandemic worldwide, educational institutes around the globe are forced to switch from traditional learning systems to e-learning systems. This has led to a variety of technology-driven pedagogies in e-teaching as well as e-learning. In order to take the best advantage, an appropriate understanding of the cognitive capability is of prime importance. This paper presents an intelligent cognitive maturity recognition system for confidence-based e-learning. We gather the data from actual test environment by involving a number of students and academicians to act as experts. Then a Genetic Programming based simulation and modeling is applied to generate a generalized classifier in the form of a mathematical expression. The simulation is derived towards an optimal space by carefully designed fitness function and assigning a range to each of the class labels. Experimental results validate that the proposed method yields comparative and superior results which makes it feasible to be used in real world scenarios.

• Journal of information and communication convergence engineering
• /
• 제20권3호
• /
• pp.181-188
• /
• 2022

An intelligent distributed multi-agent system (IDMS) using reinforcement learning (RL) is a challenging and intricate problem in which single or multiple agent(s) aim to achieve their specific goals (sub-goal and final goal), where they move their states in a complex and cluttered environment. The environment provided by the IDMS provides a cumulative optimal reward for each action based on the policy of the learning process. Most actions involve interacting with a given IDMS environment; therefore, it can provide the following elements: a starting agent state, multiple obstacles, agent goals, and a cluttered index. The reward in the environment is also reflected by RL-based agents, in which agents can move randomly or intelligently to reach their respective goals, to improve the agent learning performance. We extend different cases of intelligent multi-agent systems from our previous works: (a) a proposed environment-clutter-based-index for agent sub-goal selection and analysis of its effect, and (b) a newly proposed RL reward scheme based on the environmental clutter-index to identify and analyze the prerequisites and conditions for improving the overall system.