• 제어로봇시스템학회:학술대회논문집
• /
• 1992.10b
• /
• pp.312-317
• /
• 1992

This paper proposes a new framework of an autonomous and distributed flexible manufacturing system - Multi Client Robot Groups(MCR) - and describes a stochastic learning scheme applied to managerial problems of the system. The MCR is composed of groups of manufacturing robots, named Client Robots (CRs), which are capable of both versatility and independence in their performances. The MCR is expected to have high performance because the MCR can perform concurrent and corporative processing. However, the system performance is determined by the organizations of the CR groups. Therefore the treatment of the managerial problems and organizations of the system are important problems. In this paper, it is assumed that CR groups being able to processing tasks are selected stochastically based on the strengths of the robot groups. The learning scheme adjusting the strength is introduced to organize the groups in the system and control the each performance of the groups according to the total system performance. Finally, some experimental results of the learning scheme are shown.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.11a
• /
• pp.373-376
• /
• 2005

웹기반의 LCMS(Learning Content Management System)는 단지 학습 콘텐츠를 LMS(Learning Management System)에 제공하기 위하여 검증이 되지 않은 다양한 학습 콘텐츠를 탑재하는 시스템으로 구성되어 있어 학습자의 요구와 수준에 맞는 콘텐츠의 제공이 제대로 이뤄지지 않고 있다. 본 논문에서는 LMS와 LCMS를 연계한 학습이력정보와 학습 콘텐츠의 정보 관리를 함으로써 학습콘텐츠의 질적 향상과 학습자가 선호하는 콘텐츠의 정보를 통계적으로 보여주고 또 분석이 가능하게 함으로써, 학습자에게 보다 향상된 콘텐츠를 제공해 주기위한 학습콘텐츠관리시스템인 LCIMS(Learning Content Information Management System)를 설계하고 구현한다. 제시된 LCIMS는 기존의 LCMS에 학습 콘텐츠를 패키지 또는 SCO 단위로 등록하여 콘텐츠 저장소 (메타데이터 및 콘텐츠 파일)에서 체계적으로 저장 및 관리하는 역할을 추가를 하고 학습자별로 LCIMS의 학습콘텐츠 정보를 수준별, 과정별로 평가, 검색하여 LMS를 통해 학습 할 수 있도록 하는 검색 및 강좌 구성에 활용하며 학습자의 학습정보관리와 학습콘텐츠 정보의 관리를 체계적으로 할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.321-324
• /
• 2005

기존의 LMS(Learning Management System)는 웹 기반의 e-Learning 교육의 장점에도 불구하고 학습자의 요구와 수준에 무관하게 학습과 관련한 컨텐츠들이 획일적으로 구성됨으로써, 학습자의 요구를 만족시키지 못하고 있다. 본 논문에서는 LCMS(Learning Content Management System) 와 LMS를 연계한 학습 통계 모듈을 제시하고, LMS에 학습자와 운영자에게 학습정보 데이터를 제공함으로써 학습하는 과정을 추적하고 학습이력을 관리 할 수 있는 학습통계모듈을 설계하고 구현한다. 제시된 모듈에서는 효과적인 학습통계을 위한 검색 방안으로 LCMS의 메타데이터와 다양한 학습관리 정보(CMI)값을 LMS를 호출하는 기능인 API(Application Program Interface) 어댑터를 이용하여 연계된 값과 LMS시스템에 학습지원과 운영지원 기능을 추가하여 나온 결과값을 바탕으로 하였다. 이 학습통계모듈을 통해서 LMS운영자는 학습자의 컨텐츠의 활용을 더욱 확장할 수가 있으며 학습자의 학습정보관리를 하는 LMS의 성능을 향상 시키고자 하였다.

• Journal of Information Processing Systems
• /
• v.16 no.2
• /
• pp.239-245
• /
• 2020

Blockchain, machine learning, and big data are among the key components of the future IT track. These technologies are used in various fields; hence their increasing application. This paper discusses the technologies developed in various research fields, such as data representation, Blockchain application, 3D shape recognition and classification, query method, classification method, and search algorithm, to provide insights into the future paradigm. In this paper, we present a summary of 18 high-quality accepted articles following a rigorous review process in the fields of Blockchain, machine learning, and big data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04a
• /
• pp.607-610
• /
• 2002

최근 5년간 e-Loaming에 대한 중요성과 웹 기반 학습의 활용성은 대부분의 기업에서 LMS(Learning Management System)의 형태로 도입을 하고 있다. 또한, 현재는 학습관리와 컨텐츠의 관리영역을 통합하고 학습 컨텐츠의 객체화를 통한 재사용성과 관리 측면을 극대화하는 노력이 이루어지고 있다. e-Learning을 활용하는 80%이상의 기업이 표준적인 메타데이터와 리파지토리를 기반으로하는 LCMS(Leaning Content Management System)형태로 전환하는 시점에서 LCMS 관린 연구가 요구된다. 본 연구에서는 학습객체를 통한 코스의 개발과 관리 배포를 위한 LCMS를 재사용 가능한 실행 모듈인 컴포넌트 기반으로 구성하고자 한다. 학습 컨텐츠 관리시스템에서의 주요 기능을 계층적으로 체계화하며, LCMS를 위한 컴포넌트 참조 아키텍처를 정의함으로써 개발의 용이성과 시간, 비용의 효율성을 보장한다. 또한, 재사용 및 공유가능한 학습객체를 통한 코스 개발로 학습 컨텐츠의 중복을 피하고 학습과정 개발의 시간 효율성을 기대한다.

• Journal of Information Processing Systems
• /
• v.8 no.2
• /
• pp.241-262
• /
• 2012

An understanding of quality attributes is relevant for the software organization to deliver high software reliability. An empirical assessment of metrics to predict the quality attributes is essential in order to gain insight about the quality of software in the early phases of software development and to ensure corrective actions. In this paper, we predict a model to estimate fault proneness using Object Oriented CK metrics and QMOOD metrics. We apply one statistical method and six machine learning methods to predict the models. The proposed models are validated using dataset collected from Open Source software. The results are analyzed using Area Under the Curve (AUC) obtained from Receiver Operating Characteristics (ROC) analysis. The results show that the model predicted using the random forest and bagging methods outperformed all the other models. Hence, based on these results it is reasonable to claim that quality models have a significant relevance with Object Oriented metrics and that machine learning methods have a comparable performance with statistical methods.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.368-371
• /
• 2016

정보 통신 기술의 급속한 발달로 인터넷 환경의 학습은 학습 혁명을 주도하는 핵심적인 위치에 있다. 인터넷 환경은 시공간의 제약 없이 자신이 필요로 하는 다양한 교육과정에 접근이 가능하고 생업과 병행하여 학습을 할 수 있는 접근성을 갖는다. 그러나 인터넷에 대한 접근성의 차이는 디지털 디바이스 현상을 발생하게 하여 온라인 학습자와 오프라인 학습자의 교육격차를 더 크게 한다. 이러한 문제를 해결하기 위해 본 연구는 인터넷 환경이 원활하지 않은 경우에는 지속적인 학습을 진행할 수 있도록 PDF 시스템을 활용한다. 이 시스템을 통해 오프라인에서의 학습 결과를 온라인에 전송하여 이력을 제공하는 시스템을 설계하고자 한다.

• Genomics & Informatics
• /
• v.2 no.2
• /
• pp.99-106
• /
• 2004

In this paper we introduce PubMiner, an intelligent machine learning based text mining system for mining biological information from the literature. PubMiner employs natural language processing techniques and machine learning based data mining techniques for mining useful biological information such as protein­protein interaction from the massive literature. The system recognizes biological terms such as gene, protein, and enzymes and extracts their interactions described in the document through natural language processing. The extracted interactions are further analyzed with a set of features of each entity that were collected from the related public databases to infer more interactions from the original interactions. An inferred interaction from the interaction analysis and native interaction are provided to the user with the link of literature sources. The performance of entity and interaction extraction was tested with selected MEDLINE abstracts. The evaluation of inference proceeded using the protein interaction data of S. cerevisiae (bakers yeast) from MIPS and SGD.

• Journal of Information Processing Systems
• /
• v.8 no.4
• /
• pp.693-712
• /
• 2012

The paper presents three machine learning based keyphrase extraction methods that respectively use Decision Trees, Na$\ddot{i}$ve Bayes, and Artificial Neural Networks for keyphrase extraction. We consider keyphrases as being phrases that consist of one or more words and as representing the important concepts in a text document. The three machine learning based keyphrase extraction methods that we use for experimentation have been compared with a publicly available keyphrase extraction system called KEA. The experimental results show that the Neural Network based keyphrase extraction method outperforms two other keyphrase extraction methods that use the Decision Tree and Na$\ddot{i}$ve Bayes. The results also show that the Neural Network based method performs better than KEA.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.12a
• /
• pp.201-204
• /
• 2000

This paper describes a study on the time-varying control of parameters in learning of the neural network. Elman recurrent neural network (RNN) is used to implement the control of parameters. The parameters of learning and momentum rates In the error backpropagation algorithm ate updated at every iteration using fuzzy rules based on performance index. In addition, the gain and slope of the neuron's activation function are also considered time-varying parameters. These function parameters are updated using the gradient descent algorithm. Simulation results show that the auto-tuned learning algorithm results in faster convergence and lower system error than regular backpropagation in the system identification.