• 산업경영시스템학회지
• /
• 제19권39호
• /
• pp.47-61
• /
• 1996

We propose a parallel neural network model in which patterns are clustered and patterns in a cluster are studied in a parallel neural network. The learning algorithm used in this paper is based on LVQ algorithm of Kohonen(1990) for clustering and ADALINE(Adaptive Linear Neuron) network of Widrow and Hoff(1990) for parallel learning. The proposed algorithm consists of two parts. First, N patterns to be learned are categorized into C clusters by LVQ clustering algorithm. Second, C patterns that was selected from each cluster of C are learned as input pattern of ADALINE(Adaptive Linear Neuron). Data used in this paper consists of 250 patterns of ASCII characters normalized into $8\times16$ and 1124. The proposed algorithm consists of two parts. First, N patterns to be learned are categorized into C clusters by LVQ clustering algorithm. Second, C patterns that was selected from each cluster of C are learned as input pattern of ADALINE(Adaptive Linear Neuron). Data used in this paper consists 250 patterns of ASCII characters normalized into $8\times16$ and 1124 samples acquired from signals generated from 9 car models that passed Inductive Loop Detector(ILD) at 10 points. In ASCII character experiment, 191(179) out of 250 patterns are recognized with 3%(5%) noise and with 1124 car model data. 807 car models were recognized showing 71.8% recognition ratio. This result is 10.2% improvement over backpropagation algorithm.

• ETRI Journal
• /
• 제17권1호
• /
• pp.11-22
• /
• 1995

This paper proposes a modified error function to improve the error back-propagation (EBP) algorithm for multi-Layer perceptrons (MLPs) which suffers from slow learning speed. It can also suppress over-specialization for training patterns that occurs in an algorithm based on a cross-entropy cost function which markedly reduces learning time. In the similar way as the cross-entropy function, our new function accelerates the learning speed of the EBP algorithm by allowing the output node of the MLP to generate a strong error signal when the output node is far from the desired value. Moreover, it prevents the overspecialization of learning for training patterns by letting the output node, whose value is close to the desired value, generate a weak error signal. In a simulation study to classify handwritten digits in the CEDAR [1] database, the proposed method attained 100% correct classification for the training patterns after only 50 sweeps of learning, while the original EBP attained only 98.8% after 500 sweeps. Also, our method shows mean-squared error of 0.627 for the test patterns, which is superior to the error 0.667 in the cross-entropy method. These results demonstrate that our new method excels others in learning speed as well as in generalization.

• 지능정보연구
• /
• 제29권2호
• /
• pp.285-301
• /
• 2023

비대면 교육의 중요성 및 필요에 따른 수요가 증가함에 따라 국내외 온라인 교육 오픈 플랫폼이 활성화되고 있다. 본 플랫폼은 대학 등 교육 전문기관과 달리 학습자의 자율성이 높은 특징을 가지며 이에 따라 개인화된 학습 도구를 지원하기 위한 학습 행동 데이터의 분석 연구가 중요시 되고 있다. 실제적인 학습 행동을 이해하고 패턴을 도출하기 위하여 프로세스 마이닝이 다수 활용되었지만 온라인 교육 플랫폼과 같이 자기 관리형(Self-regulated) 환경에서의 학습 로그를 기반한 사례는 부족하다. 또한, 대부분 프로세스 모델 도출 등의 모델 관점에서의 접근이며 분석 결과의 실제적인 적용을 위한 개별 패턴 및 인스턴스 관점에서의 방법 제시는 미흡하다. 본 연구에서는 온라인 교육 오픈 플랫폼 내 학습 패턴을 파악하기 위하여 프로세스 마이닝을 활용한 분석 방법을 제시한다. 학습 패턴을 다각도로 분석하기 위하여 모델, 패턴, 인스턴스 관점에서의 분석 방법을 제시하며, 프로세스 모델 발견, 적합도 검사, 군집화 기법, 예측 알고리즘 등 다양한 기법을 활용한다. 본 방법은 국내 오픈 교육 플랫폼 내 기계학습 관련 강좌의 학습 로그를 추출하여 분석하였다. 분석 결과 온라인 강의의 특성에 맞게 비구조화된 프로세스 모델을 도출할 수 있었으며 구체적으로 한 개의 표준 학습 패턴과 세 개의 이상 학습 패턴으로 세분화할 수 있었다. 또한, 인스턴스별 패턴 분류 예측 모델을 도출한 결과 전체 흐름 중 초기 30%의 흐름을 바탕으로 예측하였을 때 0.86의 분류 정확도를 보였다. 본 연구는 프로세스 마이닝을 활용하여 학습자의 패턴을 체계적으로 분석한다는 점에서 기여점을 가진다.

• 기본간호학회지
• /
• 제9권3호
• /
• pp.447-461
• /
• 2002

Purpose: The purpose of this study was to identify and understand the self-directed learning patterns of nurses. Q methodology was used to collect the data. Method: For the research method, 43 Q-statements were collected through individual interviews and a review of related literature. The 43 Q-statements were classified by the 34 participants in the study and the data was analyzed by the PC-QUANL program with principal component analysis. Result: There were 4 different patterns of self-directed learning classified as follows : Nurses in Type I the Future Provision Type, studied to promote their own professional development and leadership qualities for the future. Nurses in Type II, the Learning Passion Type, enjoyed learning something new and had a strong learning desire. Nurses in Type III, the Self-reflective Type, continuously evaluated self and their own practice by introspection. Nurses in Type IV, the Accompanying Companion Type, studies with companion support and maintained a collaborative relationship rather than competing with each other. Conclusion: This study explains and allows us to understand self-directed learning in nurses. Thus this study will contribute to building a theoretical base for the development of a self-directed learning model in nursing practice.

• 정보학연구
• /
• 제1권1호
• /
• pp.65-84
• /
• 1998

메모리 기반 추론 기법은 분류시 입력 패턴과 저장된 패턴들 사이의 거리를 이용하는 교사 학습 기법으로써, 거리 기반 학습 알고리즘이라고도 한다. 메모리 기반 추론은 k_NN 분류기에 기반한 것으로, 학습은 추가 처리 없이 단순히 학습 패턴들을 메모리에 저장함으로써 수행된다. 본 논문에서는 기존의 k-NN 분류기보다 효율적인 분류가 가능하고, 점진적 학습 기능을 갖는 새로운 알고리즘을 제안한다. 또한 제안된 기법은 노이즈에 민감하지 않으며, 효율적인 메모리 사용을 보장한다.

• 한국콘텐츠학회논문지
• /
• 제16권6호
• /
• pp.283-292
• /
• 2016

본 연구는 한국의 많은 영문법 학습 교재에 수록되어 있는 5형식 문형 분류에 대한 설명의 타당성을 검토하기 위해 실시되었다. 외국어 학습자를 위해 교재에 수록되어 있는 문법을 '학습 문법'으로 명명하고, 교재 집필자가 학습 문법을 설정하고 교재를 구성하기 위해 기준으로 삼아야 하는 문법을 '참조 문법'으로 규정한 후, 이 두 문법에서의 문형 설명을 비교하여 국내 영문법 학습 교재에서 나타나는 설명의 단순화 및 오류를 검토하였다. 5문형 체계는 일본식 문법이라는 인식이 있으나, 이 분류 방식은 C. T. Onions에 의해 1929년 처음 소개된 이론으로서, 오히려 영어학적 이론 문법이 영문법 학습 교재에 반영된 예로 볼 수 있었다. 특히 '필수적 부사구'와 '유표적 구문' 등에 관해 참조 문법의 내용이 반영된 새로운 설명의 시도들도 영문법 학습 교재 내에서 확인되었다. 정확성과 타당성에 기초한 학습 문법을 마련하기 위해 교재 집필자와 교사들이 해외의 권위있는 참조 문법서 및 이론 문법의 연구 성과를 좀 더 적극적으로 활용한다면 영문법 학습 교재에서 발견되는 문법 설명의 오류를 피하고 고급 학습자를 대상으로도 더욱 정확한 문법 체계를 교수할 수 있을 것이다.

• 전자공학회논문지B
• /
• 제33B권10호
• /
• pp.107-119
• /
• 1996

In this paper, we propose multiple component neural network(MCNN) which learn partitioned patterns in each multiple component neural networks by reducing dimensions of input pattern vector using PCA (principal component analysis). Procesed neural network use Oja's rule that has a role of PCA, output patterns are used a slearning patterns on small component neural networks and we call it CBP. For simply not solved patterns in a network, we solves it by regenerating new CBP neural networks and by performing dynamic partitioned pattern learning. Simulation results shows that proposed MCNN neural networks are very small size networks and have very fast learning speed compared with multilayer neural network EBP.

• 영어어문교육
• /
• 제6호
• /
• pp.75-88
• /
• 2000

There are many reasons why foreigners have difficulties learning English. In addition to the difference between English and the learner's grammar, the large number of irregularities found in English become another obstacle to learning English. Understanding the difference and the irregularities will help us not only have a good command of English but also teach English more effectively. Many irregular or alternating patterns, or even anomalies in Modern English are the results of historical changes. In this paper, I would like to focus on some of the irregular or alternating patterns found in different components of the grammar of English and to show how they can be accounted for historically. Through this study, I would like to show that the irregular patterns and anomalies in English were once regular and systematic, they have deviated from the regular patterns of the grammar as time has gone by, and they have survived in Modern English as irregular and alternating patterns. Many of the irregular or alternating patterns can be traced back by phonological, morphological and/or semantic changes in the history of English. Finally, by looking at language history, we can hold a more tolerant view on many anomalies present in English.

• Current Optics and Photonics
• /
• 제8권5호
• /
• pp.508-514
• /
• 2024

This paper presents a deep learning-based weight sensor, using optical speckle patterns of multimode fiber, designed for real-time intrusion detection. The weight sensor has been trained to identify 11 distinct speckle patterns, ranging in weight from 0.0 kg to 2.0 kg, with an interval of 200 g between each pattern. The estimation for untrained weights is based on the generalization capability of deep learning. This results in an average weight error of 243.8 g. Although this margin of error precludes accurate weight measurement, the system's ability to detect abrupt weight changes makes it a suitable choice for intrusion detection applications. The weight sensor is integrated with the Google Teachable Machine, and real-time intrusion notifications are facilitated by the ThingSpeak^TM cloud platform, an open-source Internet of Things (IoT) application developed by MathWorks.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제62권2호
• /
• pp.175-194
• /
• 2023

초등학생들을 대상으로 한 패턴 학습의 중요성에 비해 실제 저학년 학생들의 패턴에 대한 이해를 자세히 조사한 연구는 거의 없다. 이에 본 연구는 초등학교 2학년 학생들의 패턴에 대한 이해 실태를 조사하였다. 특히 2학년에서는 규칙 찾기 단원을 통해 패턴에 대한 학습이 이루어지기 때문에 해당 단원의 학습 전과 후의 이해 실태를 비교 분석하였다. 이를 위해 저학년 학생들의 패턴 학습 지도에 대한 선행 연구를 토대로 학생들의 패턴에 대한 이해를 측정할 수 있는 검사 도구를 개발하여, 최종 189명 학생들의 자료를 분석하였다. 연구 결과, 대부분의 문항에서 사전 검사에 비해 사후 검사에서 정답률이 높게 나와 규칙 찾기 단원의 학습 효과가 있는 것으로 판단된다. 그러나 학생들은 기하나 수 패턴에서 두 개의 구성 요소가 동시에 변화하는 규칙 찾기, 구조가 유사한 패턴 찾기, 증가 기하 패턴을 수 패턴으로 바꾸어 표현하기, 증가 패턴에서 빈 항을 구하기, 여러 가지 답이 가능한 패턴의 특정한 항을 추측하기 등에서 어려움을 겪는 것으로 드러났다. 이와 같은 연구 결과를 바탕으로 본 연구에서는 초등학교 저학년 학생들의 패턴 이해 및 지도에 대한 시사점을 논의하였다.