• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.308-310
• /
• 2000

관찰학습(OLA: Observational Learning Algorithm)은 앙상블 네트워크의 각 구성 모델들이 아른 모델들을 관찰함으로써 얻어진 가상 데이터와 초기에 bootstrap된 실제 데이터를 학습에 함께 이용하는 방법이다. 본 논문에서는, 초기 학습 데이터 셋을 분할하고 분할된 각 데이터 셋에 대하여 앙상블의 구성 모델들을 전문화(specialize)시키는 방법을 적용하여 기존의 관찰학습 알고리즘을 개선시켰다. 제안된 알고리즘은 bagging 및 boosting과의 비교 실험에 의하여, 보다 적은 수의 구성 모델로 동일 내지 보다 나은 성능을 나타냄이 실험적으로 검증되었다.

• 한국과학교육학회지
• /
• 제32권9호
• /
• pp.1452-1469
• /
• 2012

This study examined the science learning environments experienced by Korean and U.S. preservice elementary science teachers during their 3-week clinical experience. Observational experiences of 97 Korean and 112 U.S preservice teachers were surveyed with an instrument that we developed for the study. Follow-up interviews provided a clearer picture of what preservice teachers observed and experienced in science classrooms during their clinical experiences. Korean preservice teachers experienced a variety of science teaching environments, whereas the U.S. preservice teachers reported limited opportunities to observe science teaching and learning in terms of 6 identified facets that we posed. Along with our interpretation of the contrast in findings, some of the challenges are discussed in providing preservice teachers with opportunities to observe, experience, and teach in effective science learning environments during the clinical experience.

• 천문학회보
• /
• 제39권2호
• /
• pp.89-89
• /
• 2014

While the current consensus view holds that galaxy mergers are commonplace, it is sometimes speculated that Globular Clusters (GCs) may also have undergone merging events, possibly resulting in massive objects with a strong metallicity spread such as Omega Centauri. Galaxies are mostly far, unresolved systems whose mergers are most likely wet, resulting in observational as well as modeling difficulties, but GCs are resolved into stars that can be used as discrete dynamical tracers, and their mergers might have been dry, therefore easily simulated with an N-body code. It is however difficult to determine the observational parameters best suited to reveal a history of merging based on the positions and kinematics of GC stars, if evidence of merging is at all observable. To overcome this difficulty, we investigate the applicability of supervised and unsupervised machine learning to the automatic reconstruction of the dynamical history of a stellar system. In particular we test whether statistical clustering methods can classify simulated systems into monolithic versus merger products. We run direct N-body simulations of two identical King-model clusters undergoing a head-on collision resulting in a merged system, and other simulations of isolated King models with the same total number of particles as the merged system. After several relaxation times elapse, we extract a sample of snapshots of the sky-projected positions of particles from each simulation at different dynamical times, and we run a variety of clustering and classification algorithms to classify the snapshots into two subsets in a relevant feature space.

• 천문학회보
• /
• 제45권1호
• /
• pp.66.2-66.2
• /
• 2020

We propose a deep learning analysis technique with a convolutional neural network (CNN) to predict the evolutionary track of the Epoch of Reionization (EoR) from the 21-cm differential brightness temperature tomography images. We use 21cmFAST, a fast semi-numerical cosmological 21-cm signal simulator, to produce mock 21-cm maps between z = 6 ~ 13. We then apply two observational effects, such as instrumental noise and limit of (spatial and depth) resolution somewhat suitable for realistic choices of the Square Kilometre Array (SKA), into the 21-cm maps. We design our deep learning model with CNN to predict the sliced-averaged neutral hydrogen fraction from the given 21-cm map. The estimated neutral fraction from our CNN model has great agreement with the true value even after coarsely smoothing with broad beam size and frequency bandwidth and heavily covered by noise with narrow beam size and frequency bandwidth. Our results show that the deep learning analyzing method has the potential to reconstruct the EoR history efficiently from the 21-cm tomography surveys in future.

• 대한지구과학교육학회지
• /
• 제8권2호
• /
• pp.193-205
• /
• 2015

In this study, a Virtual geological Field Trip(VFT) learning program using 3D panorama virtual reality techniques was developed to learn about the Gongju city 7 area located in Chungcheongnam-do, Korea. The developed $360^{\circ}$ 3D VFT program can show every face of observational points and interact as zoom-in, zoom-out and image rotation. For the educational effects of the materials, it is provided with a compass, a protractor, enlarged images, pop-up windows, etc.. The program was applied to the class of 35 gifted students in middle school to investigate the effectiveness of the program. The results showed that positive responses of the students were 90% or more. When geological field trip problems like cost, safety, distance occur in geological learning procedure of middle school science, this VFT program can become as a supplementary learning material and a solution.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.336-338
• /
• 1999

본 논문에서는 사회 학습의 이론의 하나인 관찰 학습 이론에 기반한 네트웍 앙상블을 위한 관찰 학습 알고리즘을 제안한다. 하나의 네트웍이 학습할 대 함께 학습되는 다른 네트웍들을 이용하여 가상 데이터를 생성하여 학습에 이용하므로써 데이터가 부족한 경우 네트웍이 과학습 되는 것을 방지고 각 네트웍의 일반화 성능을 향상시키는 동시에 앙상블의 성능도 향상시킨다. 제안된 방법을 사인 함수의 근사 문제와 중첩된 두 정규 분포의 분류 문제에 적용하고 단일 네트웍, 네트웍 위원회, Bagging 알고리즘과 비교하여 제안된 방법의 일반화 성능의 우수성을 보였다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 2000년도 추계학술대회 및 정기총회
• /
• pp.33-36
• /
• 2000

관찰학습(OLA: Observational Learning Algorithm)은 앙상블 네트워크의 각 구성 모델들이 다른 모델들을 관찰함으로써 얻어진 가상 데이터와 초기에 bo otstrap된 실제 데이터를 학습에 함께 이용하는 방법이다. 본 논문에서는, 초기 학습 데이터 셋을 분할하고 분할된 각 데이터 셋에 대하여 앙상블의 구성 모델들을 전문화(specialize)시키는 방법을 적용하여 기존의 관찰학습 알고리즘을 개선시켰다. 제안된 알고리즘은 bagging 및 boosting과의 비교실험에 의하여, 보다 적은 수의 구성 모델로 동일 내지 보다 나은 성능을 나타냄이 실험적으로 검증되었다.

• 응용통계연구
• /
• 제34권3호
• /
• pp.309-327
• /
• 2021

동적 치료 요법(dynamic treatment regimes; DTRs)은 다단계 무작위 시험에서 개인에 맞는 치료를 제공하도록 설계된 의사결정 규칙이다. 모든 개인이 동일한 유형의 치료를 처방받는 고전적인 방법과 달리 DTR은 시간이 지남에 따라 변할 수 있는 개별 특성을 고려한 환자 맞춤형 치료를 제공한다. 최적의 치료 규칙을 파악하기 위한 회귀 기반 알고리즘 중 하나인 Q-학습 방법은 쉽게 구현될 수 있기 때문에 더욱 인기를 끌고 있다. 그러나 Q-학습 알고리즘의 성능은 Q-함수를 제대로 설정했는지의 여부에 크게 의존한다. 본 논문에서는 고차원 데이터가 수집되는 DTRs 문제에 대한 다양한 이중강건 Q-학습 알고리즘을 연구하고 가중 최소제곱 추정 방법을 제안한다. 이중강건성(double-robustness)은 반응변수에 대한 모형 혹은 처리변수에 대한 모형 둘 중 하나만 제대로 설정되어도 불편추정량을 얻을 수 있음을 의미한다. 다양한 모의실험 연구를 통해 제안된 방법이 여러 시나리오 하에서도 잘 작동함을 확인하였으며 실제 데이터 예제를 통해 방법론에 대한 예시를 제시하였다.

• 문화기술의 융합
• /
• 제9권4호
• /
• pp.105-112
• /
• 2023

본 연구는 영화 <라이프 오브 파이>(2013)을 통한 영화치유의 수업사례이다. 영화치유는 영화를 통한 동일시, 공감, 감정이입, 투사, 관찰학습 과정을 거쳐 진행된다. 연구를 통해 학생들은 영화 속 인물의 상황을 객관적으로 살펴보고, 이를 자신에게 동일시하고, 공감하게 된다. 학생들은 영화 속 인물의 상황을 평가하고, '내가 만약 주인공이라면 어떻게 할 것인지'에 대한 답을 통해 영화 속 인물이 당면한 고난을 간접 경험하고, 자신은 어떻게 할 것인가를 고민해본다. 주인공의 뛰어난 점을 동경하고, 자신의 삶을 성찰해본다. 이러한 과정을 통해 학생들은 자신의 감정과 문제의 상황을 살펴보고 해결할 수 있는 방법을 구체적으로 제시하게 된다. 결국 영화를 통해 학생들의 감정은 충분히 치유될 수 있는 것이다. 영화를 통한 치유는 치료자가 내담자를 고려한 영화선정에서 출발해야 한다. 이를 적용한 구체적인 방법도 충분히 제시할 필요가 있다. 영화치유의 방안은 앞으로 다양한 치유 방법의 제시로 더욱 발전할 수 있으리라 기대한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 봄 학술발표논문집 Vol.27 No.1 (B)
• /
• pp.226-228
• /
• 2000

최근 제안된 관찰학습(OLA: Observational Learning Algorithm)은 committee를 구성하는 각각의 학습 모델들이 다른 학습 모델들을 관찰함으로써 얻어진 가상데이터를 실제 데이터와 결합시켜 학습에 이용하는 방법이다. 본 논문에서는, UCI 데이터 셋의 분류(classification)와 예측(regression)문제에 대하여 다층 퍼셉트론을 학습 모델로 설정하고, 이에 대하여 OLA와 bagging, boosting의 성능을 비교, 분석하였다.