• International Journal of Concrete Structures and Materials
• /
• 제5권1호
• /
• pp.29-33
• /
• 2011

This article employs Least Square Support Vector Machine (LSSVM) for determination of fracture parameters of concrete: critical stress intensity factor ($K_{Ic}^s$) and the critical crack tip opening displacement ($CTOD_c$). LSSVM that is firmly based on the theory of statistical learning theory uses regression technique. The results are compared with a widely used Artificial Neural Network (ANN) Models of LSSVM have been developed for prediction of $K_{Ic}^s$ and $CTOD_c$, and then a sensitivity analysis has been performed to investigate the importance of the input parameters. Equations have been also developed for determination of $K_{Ic}^s$ and $CTOD_c$. The developed LSSVM also gives error bar. The results show that the developed model of LSSVM is very predictable in order to determine fracture parameters of concrete.

• 한국통신학회논문지
• /
• 제35권6B호
• /
• pp.888-894
• /
• 2010

무선 네트워크 기반 실내 측위는 측위를 위한 특수 장비를 필요로 하지 않고, Fingerprinting 방식은 무선 네트워크 기반 측위를 위한 기술 중에서 가장 정확도가 높기 때문에 무선 네트워크 fingerprinting 방식이 가장 적당한 실내 측위 방법이다. Fingerprinting 방식은 준비 단계와 실시간 측위 단계로 구성되고 정확한 위치 측정을 위해 보다 효율적이고 정확해야 한다. 본 논문에서는 Fingerprinting 방식에 대한 베이지안 알고리즘으로 강력한 통계적 학습 이론인 베이지안 학습을 결합한 퍼지 군집화를 이용하여 실내 측위를 결정하는 알고리즘을 제안하였다.

• 정보교육학회논문지
• /
• 제18권4호
• /
• pp.559-566
• /
• 2014

본 연구는 인지적 발달단계에 대한 신경학적 역동 발달주기를 규명하기 위하여 추상적 발달단계인 추상적 맵핑, 추상적 체계, 단일원리의 각 학습단계별 뇌파의 변화와 역동적 학습발달 간의 관계를 규명하였다. 컴퓨터 수학학습에서 일어나는 자발적 학습은 수학과제를 수행할 때 적은 학습지원 으로 나타나는 학습효과에 중점을 두었으며 이해적 학습은 적절한 학습지원을 통해 나타내는 학습효과를 중심으로 인지적 변화와 뇌파와의 관계성을 통해 뇌와 뇌신경의 발달관점에서 파악한 것이다. 연구 결과, 추상적 맵핑과 추상적 시스템 단계에서 지원을 통한 이해적 학습이 두정엽과 전두엽에서 의미 있는 뇌 활동성을 가져왔으며 추상적 개념학습의 마지막 단계인 단일원리에서는 피험자의 발달단계가 적정나이보다 작아 오히려 지원을 통한 이해적 학습이 더 적은 뇌 활동성을 가져왔다.

• 정보관리학회지
• /
• 제17권4호
• /
• pp.27-45
• /
• 2000

인구센서스와 같은 국가 통계정보는 국가의 미래 투자계획과 정책수립을 위한 중요한 기초데이터이다. 그러나 데이터의 코딩과정이 모두 수작업으로 이루어지기 때문에 결과의 일관성 결여와 시간과 인력이 너무 많이 소요된다는 것 등이 문제점으로 지적되고 있다. 따라서 본 연구에서는 한국 산업표준 분류표에 근거한 자동코딩시스템을 개발하여 코딩과정을 수작업으로 처리할 때 발생하는 문제점을 해결하였다. 시스템의 지식베이스로는 학습이론을 사용하여 저자가 새로이 개발한 복수의 전거어 사전들을 활용하였다. 실험한 결과, 생성률은 99.5%를, 정확률은 83.3%라는 결과를 얻었다. 따라서 이 시스템은 실제 통계데이터의 자동코딩과정에 사용될 수 있으며, 국가 통계정보의 효율적 분석에 매우 유용하게 사용될 수 있을 것이다.

• 지능정보연구
• /
• 제4권1호
• /
• pp.133-147
• /
• 1998

Recently, many researchers have been involved in finding deterministic equations which can accurately predict future event, based on chaotic theory, or fractal theory. The theory says that some events which seem very random but internally deterministic can be accurately predicted by fractal equations. In contrast to the conventional methods, such as AR model, MA, model, or ARIMA model, the fractal equation attempts to discover a deterministic order inherent in time series data set. In discovering deterministic order, researchers have found that neural networks are much more effective than the conventional statistical models. Even though prediction accuracy of the network can be different depending on the topological structure and modification of the algorithms, many researchers asserted that the neural network systems outperforms other systems, because of non-linear behaviour of the network models, mechanisms of massive parallel processing, generalization capability based on adaptive learning. However, recent survey shows that prediction accuracy of the forecasting models can be determined by the model structure and data structures. In the experiments based on actual economic data sets, it was found that the prediction accuracy of the neural network model is similar to the performance level of the conventional forecasting model. Especially, for the data set which is deterministically chaotic, the AR model, a conventional statistical model, was not significantly different from the MLP model, a neural network model. This result shows that the forecasting model. This result shows that the forecasting model a, pp.opriate to a prediction task should be selected based on characteristics of the time series data set. Analysis of the characteristics of the data set was performed by fractal analysis, measurement of Hurst index, and measurement of Lyapunov exponents. As a conclusion, a significant difference was not found in forecasting future events for the time series data which is deterministically chaotic, between a conventional forecasting model and a typical neural network model.

• 한국지능시스템학회논문지
• /
• 제17권5호
• /
• pp.679-683
• /
• 2007

Vapnik의 통계적 학습이론은 분류, 회귀, 그리고 군집화를 위하여 SVM(support vector machine), SVR(support vector regression), 그리고 SVC(support vector clustering)의 3가지 학습 알고리즘을 포함한다. 이들 중에서 SVC는 가우시안 커널함수에 기반한 지지벡터를 이용하여 비교적 우수한 군집화 결과를 제공하고 있다. 하지만 SVM, SVR과 마찬가지로 SVC도 커널모수와 정규화상수에 대한 최적결정이 요구된다 하지만 대부분의 분석작업에서 사용자의 주관적 경험에 의존하거나 격자탐색과 같이 많은 컴퓨팅 시간을 요구하는 전략에 의존하고 있다. 본 논문에서는 SVC에서 사용되는 커널모수와 정규화상수의 효율적인 결정을 위하여 차분진화를 이용한 DESVC(differential evolution based SVC)를 제안한다 UCI Machine Learning repository의 학습데이터와 시뮬레이션 데이터 집합들을 이용한 실험을 통하여 기존의 기계학습 알고리즘과의 성능평가를 수행한다.

• 한국초등수학교육학회지
• /
• 제7권1호
• /
• pp.65-86
• /
• 2003

초등학교 수학 교과서에 나타난 통계 그래프의 지도 방법을 1차에서 7차까지 각 시기별로 ① 지도 방법 및 시기, ② 학습 세분 활동의 제시 순서와 방법, ③ 학습 소재, ④ 학습 활동 지시어의 유형 등의 네 가지 관점에서 분석하였다. 비율그래프를 제외한 나머지 통계 그래프에 관한 내용은 대체로 각 학년의 2학기에서 지도되었다. 비율그래프는 6학년 1학기에서 주로 지도 되었다. 학습활동의 세부화는 1차에서 7차까지 점차 증가하면서 4차부터 구조적이고 안정적인 형태로 정착되었다. 학습 소재는 사회적 특성에 대한 것이 가장 많이 사용되었고, 개인적 선호도에 대한 것이 점차 증가하는 추세이다. 학습 활동 지시어의 유형은 개념 이해 질문형이 많이 제시되었고, 점차 진술 및 조작형과 사고형이 증가하는 추세를 보였다.

• 디지털융복합연구
• /
• 제12권8호
• /
• pp.257-264
• /
• 2014

본 논문은 대학생을 대상으로 학생들의 학업 및 취업경쟁력 강화에 필요한 핵심 역량의 도출과 진단에 관한 연구이다. 이러한 데이터의 처리에는 매우 많은 변수로 인한 차원의 증가로 인하여 계산상의 어려움이 수반되어지고 변수의 중복성과 중요도에 있어서 다양한 통계적 관계가 존재한다. 따라서 범주형 데이터의 분류에서 발생하는 애매함이나 불확실성을 처리하기 위하여 러프집합과 정보 엔트로피를 기반으로 불확실성의 척도를 정의하여 학생들의 유사행동을 분석하고, 기존의 통계적인 방법과의 비교우위를 위하여 속성간의 변별력을 비교하였다. 도출된 공통 핵심역량과 전공핵심역량을 이용하여 학생들이 가지고 있는 역량의 정성적인 보유수준과 부족한 역량을 파악할 수 있기 때문에, 대학생활지도와 취업진로지도의 보조자료로 활용이 가능할 뿐만 아니라 대학 적응을 높이고 취업 활성화에 부합될 수 있다고 사료된다.

• 대한수학교육학회지:학교수학
• /
• 제17권2호
• /
• pp.203-222
• /
• 2015

본 연구의 목적은 고등학교 통계 수업 시간에 발생하는 교사와 학생 사이의 수업담화의 특징을 알아보는 것이다. 이를 위하여 Mehan(1979a)의 이론을 바탕으로 교사와 학생 사이의 수업담화를 분석하였다. 먼저, 연구참여 수학교사의 전형적인 통계 수업담화에 해당하는 1차시를 선정하고 이를 수업의 구조, I-R-E 연속체, 수업의 사회적 참여 구조를 중심으로 분석하였다. 본 연구의 결과, 연구참여 교사의 통계 수업은 Mehan(1979a)의 기본적인 수업 3단계인 도입-전개-정리의 틀이 분명하게 나타나는 지식 전달 위주의 강의식 수업 방식을 따르고 있었다. I-R-E 연속체를 살펴본 결과, 교사가 질문하고 교사가 답을 이야기하는 $I_T-R_T$ 구조가 자주 나타났으며, 학생의 참여가 거의 없는 독백적 수업이었다. 본 연구 결과를 통해 교사는 학생들이 담화에 참여할 수 있는 통계적 맥락을 형성하여 담화 학습 공동체를 만들고 메타과정적 유도행위를 통한 논증적 담화를 유도해야 함을 알 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.229-233
• /
• 2005

모집단의 최적군집 수를 자동으로 결정하고 군집내의 분산은 최소로 하고 군집 간의 분산은 최대로 하는 최적 군집화에 대한 연구는 대부분의 지능형 시스템에서 필요로 하는 모형전략이다. 하지만 아직도 대부분의 군집화 과정에서 분석가의 주관적인 경험에 의존하여 군집수가 결정되어 군집화가 이루어지고 있다. 예를 들어 K-평균 군집화 알고리즘에서도 초기에 K 값을 결정해 주어야 한다. 모집단을 제대로 대표하지 못한 K 값에 의한 군집화 결과는 심각한 오류를 범하게 된다. 본 논문에서는 통계적 학습이론을 이용하여 이러한 문제점을 해결하려고 하였다. VC-차원에 의한 Support Vector를 이용하여 최적의 군집화 기법을 제안하였다. 제안 방법의 성능 평가를 위하여 UCI 기계학습 데이터를 이용하여 객관적인 실험을 수행하였다.