• 영재교육연구
• /
• 제22권3호
• /
• pp.729-755
• /
• 2012

우리나라의 소외된 영재를 이해하기 위한 노력의 일환으로 질적 사례연구 기법을 적용하여 가난하고 신체적 아픔이 있는 과학영재의 학습 특성과 전술에 대해 알아보았다. 이를 위해 연구 현장인 주말 물리교실을 중심으로 참여관찰을 했고, 참여자와 참여자의 어머니, 초등학교 5학년 때 담임교사와 면담을 진행하였다. 또한 현지문헌과 자기보고서를 추가로 활용하여 참여자를 종합적으로 이해하고자 했다. 그 결과, 참여자의 학습 특성은 내적동기와 열등감에서 기인하는 '능동적인 학습'과 배척된 관계 속에서 드러나는 '배움을 향한 몸부림'으로 정리할 수 있었다. 참여자의 학습 전술은 경제적 여력이 충분하지 않은 상태에서 배움에 대한 욕구를 충족하기 위한 전략적인 수단으로 '다양한 학습 경로'과 '메타인지적 사고', 그리고 '맞장구치기'의 세 전술을 발견하였다.

• International Journal of Computer Science & Network Security
• /
• 제24권2호
• /
• pp.196-202
• /
• 2024

Currently, the second most devastating form of cancer in people, particularly in women, is Breast Cancer (BC). In the healthcare industry, Machine Learning (ML) is commonly employed in fatal disease prediction. Due to breast cancer's favorable prognosis at an early stage, a model is created to utilize the Dataset on Wisconsin Diagnostic Breast Cancer (WDBC). Conversely, this model's overarching axiom is to compare the effectiveness of five well-known ML classifiers, including Logistic Regression (LR), Decision Tree (DT), Random Forest (RF), K-Nearest Neighbor (KNN), and Naive Bayes (NB) with the conventional method. To counterbalance the effect with conventional methods, the overarching tactic we utilized was hyperparameter tuning utilizing the grid search method, which improved accuracy, secondary precision, third recall, and finally the F1 score. In this study hyperparameter tuning model, the rate of accuracy increased from 94.15% to 98.83% whereas the accuracy of the conventional method increased from 93.56% to 97.08%. According to this investigation, KNN outperformed all other classifiers in terms of accuracy, achieving a score of 98.83%. In conclusion, our study shows that KNN works well with the hyper-tuning method. These analyses show that this study prediction approach is useful in prognosticating women with breast cancer with a viable performance and more accurate findings when compared to the conventional approach.

• 한국지능시스템학회논문지
• /
• 제16권1호
• /
• pp.79-85
• /
• 2006

본 논문은 인접한 두 로봇의 위치와 역할에 따라 로봇의 행동을 결정하는 퍼지 로직 중계자를 사용한 로봇 축구의 전략 및 전술을 제안한다. 기존의 Q 학습 알고리즘은 로봇의 수에 따라 상태의 수가 기하급수적으로 증가하여, 많은 연산을 필요로 하기 때문에 실시간 연산을 필요로 하는 로봇 축구 시스템에 알맞지 않다. Modular Q 학습 알고리즘은 해당 지역을 분할하는 방법으로 상태수를 줄였는데, 여기에는 로봇들 간의 협력을 위하여 따로 중재자 알고리즘이 사용되었다. 제안된 방법은 퍼지 규칙을 사용하여 로봇들 간의 협력을 위한 중재자 알고리즘을 구현하였고, 사용된 퍼지 규칙이 간단하기 때문에 계산 량이 작아 실시간 로봇 축구에 적합하다. MiroSot 시뮬레이션을 통하여 제안된 방법의 가능성을 보인다.