• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권5호
• /
• pp.363-369
• /
• 2010

데모-기반 학습은 사용자가 직접 작업을 시연함으로써 로봇에게 쉽게 새로운 작업지식을 가르칠 수 있다는 장점이 있다. 하지만 기존의 많은 데모-기반 학습법들은 상태공간과 정책들을 표현하기 위해 속성-값 벡터 모델을 이용하였다. 속성-값 벡터 모델의 제한성으로 인해, 이들은 학습과정의 효율성도 낮고 학습된 정책의 재사용성도 낮았다. 본 논문에서는 기존의 속성-값 모델 대신 관계적 모델을 이용하는 새로운 데모-기반 작업 학습법을 제안한다. 이 방법에서는 사용자 데모 기록에서 추출한 훈련 예들에 관계적 개체-기반 학습법을 적용함으로써, 동일 작업영역내의 다른 유사한 작업들에도 활용하기 용이한 관계적 개체-기반 정책을 유도한다. 이 관계적 정책은 (상태, 목표) 쌍으로 표현되는 임의의 한 상황에 대해 이것에 대응하는 하나의 실행동작을 결정해주는 역할을 한다. 본 논문에서는 데모-기반 관계적 정책 학습법에 대해 자세히 소개한 후, 로봇 시뮬레이터를 이용한 실험을 통해 이 학습법의 효과를 분석해본다.

• 전자공학회논문지B
• /
• 제30B권10호
• /
• pp.77-85
• /
• 1993

In this paper, we present a method to solve a convexly combined fuzzy relational equation with generalized connectives. For this, we propose a neural network whose structure represents the fuzzy relational equation. Then we derive a learning algorithm by using the concept of back-propagation learning. Since the proposed method can be used for a general form of fuzzy relational equations, such fuzzy max-min or min-max relational equations can be treated as its special cases. Moreover, the relational structure adopted in the proposed neurocomputational approach can work in a highly parallel manner so that real-time applications of fuzzy sets are possibles as in fuzzy logic controllers, knowledge-based systems, and pattern recognition systems.

• 통상정보연구
• /
• 제18권3호
• /
• pp.155-179
• /
• 2016

기업 간 관계품질은 기업성과와 긍정적인 관계를 나타내는 것으로 긍정적인 관계품질은 거래 당사자 간 갈등을 감소시켜 강력한 파트너십을 형성하게 하고 거래비용을 낮추어 기업성과를 제고할 뿐만 아니라 강력한 조직 관계형성으로 직접적인 매출과 이익을 증가시키며 불필요한 갈등을 예방하여 기업 혁신을 촉진하여 비용을 절감시키는 효과가 있다(Chiou& Droge, 2006; Cannon & Homburg, 2001; Rindfleisch & Mooramn, 2001). 이에 본 연구는 공급자 관점에서 관계학습의 영향요인을 규명하고 관계학습과 관계성과와의 관계를 살펴보고 수출기업과 내수기업 간에 기업의 관계학습 영향요인과 관계성과에 관해 선행연구의 결과를 바탕으로 연구모형을 설정하여 실증분석을 진행한 결과, 첫째, 관계학습 영향요인인 결속수준, 환경불확실성, 학습의도는 관계학습에 영향을 미치는 것으로 나타났으며, 관계학습 영향요인 중 거래특유 자산의 경우 관계학습 요인 중 정보공유와 관계특유 기억에 영향을 미치지만 공동이해에는 영향을 미치지 않는 것으로 나타났다. 둘째, 관계학습이 관계성과에 영향을 미치는 것으로 나타났으며, 관계신뢰가 높을수록 관계학습이 관계성과에 영향을 미치는 것으로 나타났다.

• 지식경영연구
• /
• 제13권3호
• /
• pp.37-54
• /
• 2012

The purpose of this study is to investigate determinants of partner opportunism in Korean discount store distribution channels. In addition, this study also try to examine moderating role of relational learning in the relationship. This study deals with transaction specific investment asymmetry, mutual hostages, payoff inequity, cultural diversity, and goal incompatibilities as determinants of partner opportunism. For empirical testing, 293 respondents of suppliers of discount store in Korea were surveyed and the analysis utilizing partial least square model indicated that TSI asymmetry, payoff inequity, and goal incompatibilities had positive effects on partner opportunism. On the other hand, mutual hostages had negative effect on partner opportunism. In addition, relational learning had moderating effect on the relationship between TSI asymmetry, mutual hostages, and payoff inequity and partner opportunism.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.141-148
• /
• 2022

최근 들어 강화 학습은 심층 신경망 기술과 결합되어 바둑, 체스와 같은 보드 게임, Atari, StartCraft와 같은 컴퓨터 게임, 로봇 물체 조작 작업 등과 같은 다양한 분야에서 매우 놀라운 성공을 거두었다. 하지만 이러한 심층 강화 학습은 행동, 상태, 정책 등을 모두 벡터 형태로 표현한다. 따라서 기존의 심층 강화 학습은 학습된 정책의 해석 가능성과 일반성에 제한이 있고, 도메인 지식을 학습에 효과적으로 활용하기도 어렵다는 한계성이 있다. 이러한 한계점들을 해결하기 위해 제안된 새로운 관계형 강화 학습 프레임워크인 dNL-RRL은 센서 입력 데이터와 행동 실행 제어는 기존의 심층 강화 학습과 마찬가지로 벡터 표현을 이용하지만, 행동, 상태, 그리고 학습된 정책은 모두 논리 서술자와 규칙들로 나타내는 관계형 표현을 이용한다. 본 논문에서는 dNL-RRL 관계형 강화 학습 프레임워크를 이용하여 제조 환경 내에서 운송용 모바일 로봇을 위한 행동 정책 학습을 수행하는 효과적인 방법을 제시한다. 특히 본 연구에서는 관계형 강화 학습의 효율성을 높이기 위해, 인간 전문가의 사전 도메인 지식을 활용하는 방안들을 제안한다. 여러 가지 실험들을 통해, 본 논문에서 제안하는 도메인 지식을 활용한 관계형 강화 학습 프레임워크의 성능 개선 효과를 입증한다.

• 한국콘텐츠학회논문지
• /
• 제19권9호
• /
• pp.388-401
• /
• 2019

본 연구는 학습 형식이 탐험과 활용이라는 양면적 조직성과에 미치는 프로세스에 관해 구성원들이 인지하고 있는 조직 지원과 관계 문화의 특성은 어떤 매개 또는 조절효과를 발휘하고 있는지 분석하였다. 본 연구는 고용노동부와 한국직업능력개발원에서 제공하는 인적 자본 기업 패널 조사를 활용, 설문에 응답한 548명의 데이터를 토대로 실증적으로 검증하였으며, 연구 결과는 다음과 같다. 구성원들에게 제공되는 형식 학습과 무형식 학습은 기업의 성과인 탐험 성과와 활용 성과에 모두 긍정적인 영향을 미치는 것으로 나타났다. 또한, 구성원들이 느끼는 조직 지원 인식은 형식 학습과 무형식 학습이 양면적 조직성과에 미치는 방향에 대해 완전매개, 부분매개 효과를 보이는 것으로 나타났다. 마지막으로 관계 문화는 무형식 학습이 조직의 활용 성과에 미치는 관계를 긍정적으로 조절해주는 중요한 영향을 미치고 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1993년도 Fifth International Fuzzy Systems Association World Congress 93
• /
• pp.1222-1225
• /
• 1993

The purpose of this paper is to construct a prediction system on the chance of rain in a local region using a fuzzy relational model. The prediction system consists of two parts. One is a prediction part on the chance of rain. The compositional law of fuzzy inference, proposed by Zadeh, is applied to predict the chance of rain. The other is a learning part of a fuzzy relational model using input-output data. A simple and fast learning algorithm is used in this part. Simulations are carried out by the actual weather data in our city and their results show the validity of prediction by the fuzzy relational approach.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 ISIS 2003
• /
• pp.447-450
• /
• 2003

In this research, we propose an automatic knowledge acquisition and composite knowledge expression mechanism based on machine learning and relational database. Most of traditional approaches to develop a knowledge base and inference engine of expert systems were based on IF-THEN rules, AND-OR graph, Semantic networks, and Frame separately. However, there are some limitations such as automatic knowledge acquisition, complicate knowledge expression, expansibility of knowledge base, speed of inference, and hierarchies among rules. To overcome these limitations, many of researchers tried to develop an automatic knowledge acquisition, composite knowledge expression, and fast inference method. As a result, the adaptability of the expert systems was improved rapidly. Nonetheless, they didn't suggest a hybrid and generalized solution to support the entire process of development of expert systems. Our proposed mechanism has five advantages empirically. First, it could extract the specific domain knowledge from incomplete database based on machine learning algorithm. Second, this mechanism could reduce the number of rules efficiently according to the rule extraction mechanism used in machine learning. Third, our proposed mechanism could expand the knowledge base unlimitedly by using relational database. Fourth, the backward inference engine developed in this study, could manipulate the knowledge base stored in relational database rapidly. Therefore, the speed of inference is faster than traditional text -oriented inference mechanism. Fifth, our composite knowledge expression mechanism could reflect the traditional knowledge expression method such as IF-THEN rules, AND-OR graph, and Relationship matrix simultaneously. To validate the inference ability of our system, a real data set was adopted from a clinical diagnosis classifying the dermatology disease.

• 한국경영과학회지
• /
• 제40권4호
• /
• pp.1-18
• /
• 2015

This paper proposes relational capability as a main driver of constructing inter-organizational collaboration networks. Based on social network theory and relational view literature, three components of relational capability are constructed and implemented by an agent-based model. The components include organizational capability, structural capability, and trust between a partner and a focal firm. These three components are updated by two micro mechanisms: structural mechanism and relational mechanism. Structural mechanism is a feedback loop in which the relational capability increases structural capability and vice versa. Relational mechanism is a learning-by-doing process in which a focal firm experiences success or failure of collaboration and the experience increases or decreases cumulative trust in a partner firm. Result of agent-based simulation shows that a collaboration network emerges through interactions of firm's relational capabilities and the characteristics of emerged networks vary with the contribution of structural capability and trust to relational capability. Specifically, in case structural capability contributes more to relational capability, the average degree centrality and collaboration proportion increases as time passes and enters into an equilibrium state. In that case, almost every firms participated in the network collaborates each other so that the emerged network becomes highly cohesive. In case trust contributes more to relational capability, the results are reversed. In an equilibrium state, the balance of contribution between structural capability and trust makes an emerged network larger and maximizes average degree centrality of the network.

• Journal of Computing Science and Engineering
• /
• 제5권3호
• /
• pp.183-196
• /
• 2011

There has recently been a surge of interest in relational database mining that aims to discover useful patterns across multiple interlinked database relations. It is crucial for a learning algorithm to explore the multiple inter-connected relations so that important attributes are not excluded when mining such relational repositories. However, from a data privacy perspective, it becomes difficult to identify all possible relationships between attributes from the different relations, considering a complex database schema. That is, seemingly harmless attributes may be linked to confidential information, leading to data leaks when building a model. Thus, we are at risk of disclosing unwanted knowledge when publishing the results of a data mining exercise. For instance, consider a financial database classification task to determine whether a loan is considered high risk. Suppose that we are aware that the database contains another confidential attribute, such as income level, that should not be divulged. One may thus choose to eliminate, or distort, the income level from the database to prevent potential privacy leakage. However, even after distortion, a learning model against the modified database may accurately determine the income level values. It follows that the database is still unsafe and may be compromised. This paper demonstrates this potential for privacy leakage in multi-relational classification and illustrates how such potential leaks may be detected. We propose a method to generate a ranked list of subschemas that maintains the predictive performance on the class attribute, while limiting the disclosure risk, and predictive accuracy, of confidential attributes. We illustrate and demonstrate the effectiveness of our method against a financial database and an insurance database.