• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권7호
• /
• pp.1773-1793
• /
• 2023

Automated machine learning, often referred to as "AutoML," is the process of automating the time-consuming and iterative procedures that are associated with the building of machine learning models. There have been significant contributions in this area across a number of different stages of accomplishing a data-mining task, including model selection, hyper-parameter optimization, and preprocessing method selection. Among them, preprocessing method selection is a relatively new and fast growing research area. The current work is focused on the recommendation of preprocessing methods, i.e., feature subset selection (FSS) algorithms. One limitation in the existing studies regarding FSS algorithm recommendation is the use of a single learner for meta-modeling, which restricts its capabilities in the metamodeling. Moreover, the meta-modeling in the existing studies is typically based on a single group of data characterization measures (DCMs). Nonetheless, there are a number of complementary DCM groups, and their combination will allow them to leverage their diversity, resulting in improved meta-modeling. This study aims to address these limitations by proposing an architecture for preprocess method selection that uses ensemble learning for meta-modeling, namely AutoFE-Sel. To evaluate the proposed method, we performed an extensive experimental evaluation involving 8 FSS algorithms, 3 groups of DCMs, and 125 datasets. Results show that the proposed method achieves better performance compared to three baseline methods. The proposed architecture can also be easily extended to other preprocessing method selections, e.g., noise-filter selection and imbalance handling method selection.

• 한국초등수학교육학회지
• /
• 제11권1호
• /
• pp.43-59
• /
• 2007

수학교육에서 문제 해결을 위한 노력은 끊임없이 계속되고 있다. 그러나 그동안 수학 문제 해결에서 발견술만이 지나치게 강조되었다는 지적이 제기되었고 여러 학자들이 메타인지적 능력을 향상시키는 것이 중요함을 강조하고 있다. 따라서 본 연구에서는 메타인지적 문제 해결력을 향상시키고 수학 수업에서 문제 해결 교육을 자연스럽게 할 수 있는 방안으로 개발된 메타문제를 초등학교 수학 수업에 적용해 봄으로써 메타문제를 중심으로 한 수업이 학생들의 수학 학업 성취도에 있어서 어떤 효과를 가져오며, 수학적 신념 및 태도에는 어떤 영향을 미치는지 알아 보고자한다.

• 지능정보연구
• /
• 제5권1호
• /
• pp.49-64
• /
• 1999

본 연구는 백화점 고객이 신용 카드 신청 요구 시에 작성되는 가입 정보 및 사용되고 있는 고객의 거래 정보는 카드 사용 패턴으로 신용도를 예측하는 여러 방법론을 제시하고 성능을 비교하였다. 가입 정보를 분석하기 위해 역전파 신경망(Back-Propagation Neural Network, BPNN), 사례기반추론(Case-Based reasoning)을, 거래 정보를 분석하기 위해 역전파 신경망과 더불어 시간지연 신경망(Time-Delayed Neural Network, TDNN)을 각각 사용하여 그 결과를 비교하였다. 또한 전체시스템의 적중률을 높이기 위햐여, ID3와 신경망을 이용한 Meta-Leaning 방법을 제시하였으며, Meta-Learning 방법과 다른 방법들을 비교, 분석을 하였다. 본 연구에서는 모형 수립과 검증을 위하여 T백화점의 실제 신용 카드 가입 고객 데이터를 이용하여 실험하였다. 데이터의 성격에 따라 각 모델의 예측력에는 차이가 나타났으나, 신경망 모형의 예측력이 우수하였으며, 시간적 특성을 고려하는 시간지연 신경회로망 모형의 예측력은 더욱 우수하게 나타났다. 또한 Meta-Learning 모형을 사용하면 예측력이 더 높아진다는 것을 확인할 수 있었다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.111-124
• /
• 2018

본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제58권4호
• /
• pp.519-530
• /
• 2019

선행연구에 의하면 수학 학습활동에서 인지적, 정의적 요소들 사이의 상호작용에 기반하는 메타정의는 메타인지와 유사한 방식으로 학습자의 수학적 능력과 긴밀한 역학적 관련성을 유지한다. 본 연구에서는 이러한 특성을 현상학적으로 파악하기 위하여 초등학교 5학년 수학 영재아의 소집단 문제해결 사례를 메타정의적 관점에서 분석하였다. 그 결과 수학 영재아의 인지적, 정의적 특성이 메타정의적 활동을 통해 문제해결 활동에 나타나고 있음을 알 수 있으며, 특히 문제해결자의 정의적 역량은 정서나 태도 형태의 메타정의로 문제해결 활동에 작용함을 알 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권5호
• /
• pp.1755-1777
• /
• 2022

The development of wireless communication technology has led to the underutilization of radio spectra. To address this limitation, an intelligent cognitive radio network was developed. Specific emitter identification (SEI) is a key technology in this network. However, in realistic non-cooperative scenarios, the system may detect signal classes beyond those in the training database, and only a few labeled signal samples are available for network training, both of which deteriorate identification performance. To overcome these challenges, a meta-learning-based open-set identification system is proposed for SEI. First, the received signals were pre-processed using bi-spectral analysis and a Radon transform to obtain signal representation vectors, which were then fed into an open-set SEI network. This network consisted of a deep feature extractor and an intrinsic feature memorizer that can detect signals of unknown classes and classify signals of different known classes. The training loss functions and the procedures of the open-set SEI network were then designed for parameter optimization. Considering the few-shot problems of open-set SEI, meta-training loss functions and meta-training procedures that require only a few labeled signal samples were further developed for open-set SEI network training. The experimental results demonstrate that this approach outperforms other state-of-the-art SEI methods in open-set scenarios. In addition, excellent open-set SEI performance was achieved using at least 50 training signal samples, and effective operation in low signal-to-noise ratio (SNR) environments was demonstrated.

• 컴퓨터교육학회논문지
• /
• 제6권3호
• /
• pp.99-108
• /
• 2003

본 논문은 VOD(Video On Demand) 기반 온라인 교육 시스템의 한계점들을 분석하고 이에 대한 대안으로 e- Learning 표준에 기초한 EOD(Education On Demand) 시스템의 디자인과 구현에 대해 기술한다. EOD 시스템은 XML로 표현되는 메타 정보와 컴포넌트 기술을 사용하여 학습 컨텐츠 라이프사이클 전반에 적용되는 저작 도구, 컨텐츠 서버, 학습 정책 시스템 그리고 뷰어로 구성된다. 구성요소간의 모든 정보 교환은 SCORM 표준에 기반한 메타 정보로 표현되어 효과적인 컨텐츠 관리와 자동화를 가능하게 한다. 또한 학습자의 상호작용 및 피드백 정보를 통합 관리하여 학습 정책 시스템을 통해 개별 학습자에게 맞추어진 학습 지도를 제공 할 수 있다. 이러한 EOD 시스템을 통해 단순한 컨텐츠 제공을 넘어선 발전된 형태의 온라인 교육 시스템에 대해 고찰해 본다.

• 한국초등과학교육학회지:초등과학교육
• /
• 제35권1호
• /
• pp.39-53
• /
• 2016

This study aimed to understand students' learning in elementary science classes in terms of participatory perspective. Participatory perspective is based on the participationist views on learning. Based on the participatory perspective, this study used two concepts of participationism: 'the changes of learning on commognition' of Sfard (2007) and 'the identity' of Wenger (1998/2007). Based on these concepts, four episodes of an elementary science class were analyzed. The results showed that students carried out their learning from objective-level learning to meta-level learning. And students defined who they are by identifying and negotiating scientific meaning during the learning. These results showed students become members of science community through their participations in science class.

• 사물인터넷융복합논문지
• /
• 제8권6호
• /
• pp.1-13
• /
• 2022

본 연구는 문헌 검색을 통해 중국의 23편의 관련 실증 연구를 얻은 후 review manager를 이용하여 정량 분석을 진행한 결과로 VR 기술은 학생들의 전반적인 학습 효과에 긍정적인 영향을 미치고 VR 기술은 학습 효과의 각 차원(이론 성적, 조작 성적, 학습 동기, 학습 흥미, 학습 태도)에도 유의미한 영향을 미치며 각 차원 간에는 유의한 차이가 없음을 발견했다. 과목 유형, 교수 시간, 교수 방법 등 조절 변수에는 유의한 차이가 있었고, 학군 및 VR 기술 유형에는 유의한 차이가 없었다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제28권4호
• /
• pp.293-311
• /
• 2019

목적 본 연구는 2011년부터 8년간의 영문문헌에 대해 메타분석법을 이용하여 소셜미디어의 사용과 학습성과간의 관계를 규명하고자 하였다. 또한 소셜미디어 사용 상황과 연구분석방법론 변인의 조절효과 여부를 분석하였다. 연구방법론 주요 연구방법으로 유사한 연구 의문점이 제시된 선행의 실증연구들에 대해 메타분석기법을 사용하였으며, 문헌분석을 통해 정량적 데이터를 도출하고, 이를 실증 분석하였다. 연구결과 연구결과로 소셜미디어의 사용과 학습성과간에는 정의 상관을 보였으며, 상황변수와 연구방법론 변수가 조절효과를 보였다. 상황변수의 구성개념으로는 소셜미디어형태, 사용자 집단, 플랫폼 종류 등으로 하였고, 분석을 위한 측정방법 변수에는 측정모형, 데이터속성 등의 개념으로 구성하였다.