• The Korean Journal of Physiology and Pharmacology
• /
• 제18권6호
• /
• pp.457-460
• /
• 2014

At central synapses, activity-dependent synaptic plasticity has a crucial role in information processing, storage, learning, and memory under both physiological and pathological conditions. One widely accepted model of learning mechanism and information processing in the brain is Hebbian Plasticity: long-term potentiation (LTP) and long-term depression (LTD). LTP and LTD are respectively activity-dependent enhancement and reduction in the efficacy of the synapses, which are rapid and synapse-specific processes. A number of recent studies have a strong focal point on the critical importance of another distinct form of synaptic plasticity, non-Hebbian plasticity. Non-Hebbian plasticity dynamically adjusts synaptic strength to maintain stability. This process may be very slow and occur cell-widely. By putting them all together, this mini review defines an important conceptual difference between Hebbian and non-Hebbian plasticity.

• 산업진흥연구
• /
• 제8권4호
• /
• pp.163-176
• /
• 2023

본 연구는 문헌고찰을 통하여 느린 학습자의 개념과 느린 학습자의 평생학습 특성을 고찰하고, 비인지적 특성 중에서 그릿 및 성장 마인드셋을 활용하여 성공적인 평생학습을 위한 방안을 모색하고자 하였다. 느린 학습자는 인지적, 학습적, 언어적, 사회 및 정서적, 행동적 특성에서 어려움을 경험하고 있었다. 느린 학습자의 성공적인 평생학습을 위해서는 단기보다는 장기 목표를 설정하고 목표 달성을 위하여 노력의 지속과 흥미의 일관성이 필요하였다. 또한 장기 목표 달성을 위하여는 노력과 학습을 통하여 변화할 수 있다는 믿음이 필요함을 확인하였다. 즉, 그릿과 성장 마인드셋을 활용한 학습의 필요성이 확인되었다. 이러한 선행연구 결과를 토대로 지능과 같은 인지적 특성보다는 비인지적 특성인 그릿과 성장 마인드셋을 적용한 느린 학습자를 위한 평생학습 전략으로 제시하였다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제52권9호
• /
• pp.533-539
• /
• 2003

Reinforcement learning (RL) has been widely used as a learning mechanism of an artificial life system. However, RL usually suffers from slow convergence to the optimum state-action sequence or a sequence of stimulus-response (SR) behaviors, and may not correctly work in non-Markov processes. In this paper, first, to cope with slow-convergence problem, if some state-action pairs are considered as disturbance for optimum sequence, then they no to be eliminated in long-term memory (LTM), where such disturbances are found by a shortest path-finding algorithm. This process is shown to let the system get an enhanced learning speed. Second, to partly solve a non-Markov problem, if a stimulus is frequently met in a searching-process, then the stimulus will be classified as a sequential percept for a non-Markov hidden state. And thus, a correct behavior for a non-Markov hidden state can be learned as in a Markov environment. To show the validity of our proposed learning technologies, several simulation result j will be illustrated.

• 정보관리학회지
• /
• 제29권2호
• /
• pp.155-171
• /
• 2012

텍스트 범주화에 있어서 일반적인 문제는 문헌을 표현하는 핵심적인 용어라도 학습문헌 집합에 나타나지 않으면 이 용어는 분류자질로 선정되지 않는다는 것과 형태가 다른 동의어들은 서로 다른 자질로 사용된다는 점이다. 이 연구에서는 위키피디아를 활용하여 문헌에 나타나는 동의어들을 하나의 분류자질로 변환하고, 학습문헌 집합에 출현하지 않은 입력문헌의 용어를 가장 유사한 학습문헌의 용어로 대체함으로써 범주화 성능을 향상시키고자 하였다. 분류자질 선정 실험에서는 (1) 비학습용어 추출 시 범주 정보의 사용여부, (2) 용어의 유사도 측정 방법(위키피디아 문서의 제목과 본문, 카테고리 정보, 링크 정보), (3) 유사도 척도(단순 공기빈도, 정규화된 공기빈도) 등 세 가지 조건을 결합하여 실험을 수행하였다. 비학습용어를 유사도 임계치 이상의 최고 유사도를 갖는 학습용어로 대체하여 kNN 분류기로 분류할 경우 모든 조건 결합에서 범주화 성능이 0.35%~1.85% 향상되었다. 실험 결과 범주화 성능이 크게 향상되지는 못하였지만 위키피디아를 활용하여 분류자질을 선정하는 방법이 효과적인 것으로 확인되었다.

• 영어어문교육
• /
• 제11권2호
• /
• pp.19-34
• /
• 2005

Hypertext raises question to general assumptions about our conventional conceptions of education. In this essay, three kinds of learning-models are presented by the application of "writing" hypertext literature to the English education of the elementary school. These models, which I call the "scene-centered" system, give knowledge to learners in non-linear, non-sequential structure. The term "scene" is a single concept or idea composed of a single sub-text, which is to be made by the group of students. This system is focused on the collaborative composition of students. Students, by generating sub-texts and connecting texts, perform the educational activities to expand the source text. The "scene-centered" system is, to put it into a Barte's term, a "writerly text." But in order to "write," "reading" should be accompanied. So, this system is a learning model in which writing and reading are carried on simultaneously. In all the process, students play a role of multi-user, with three access rights: read, write, and annotate. So, students making use of hypertext systems will act as reader-authors. And teachers will take the new role in collaborative writing environment. No longer the central authoritarian evaluator, they will become consultants, co-writers, coaches of their students.

• International journal of advanced smart convergence
• /
• 제7권2호
• /
• pp.73-85
• /
• 2018

The purpose of this study is to develop a short-term ICT training course that helps teachers from non-computing disciplines in developing countries acquire flipped-learning content creation skills. A field application is performed by applying the developed ICT training course to secondary school teachers of non-ICT subject specialisms in Laos. In the field study, participating teachers' teaching efficacy on ICT and satisfaction toward the training course are measured. The result of t-test on ICT teaching efficacy showed statistically significant increases in teachers' self-efficacy related to ICT use, both personal efficacy and outcome expectancy. The satisfaction survey performed after training showed that trainees were highly satisfied with the training course. The results of this field study could be used to propose a short-term teacher education model that could be applicable to teachers in other developing countries.

• Structural Monitoring and Maintenance
• /
• 제5권1호
• /
• pp.51-65
• /
• 2018

A number of sensing techniques have been implemented for detecting defects in civil infrastructures instead of onsite human inspections in structural health monitoring. However, the issue of faults in sensors has not received much attention. This issue may lead to incorrect interpretation of data and false alarms. To overcome these challenges, this article presents a deep learning-based method with a new architecture of Stateful Long Short Term Memory Neural Networks (S-LSTM NN) for detecting sensor fault without going into details of the fault features. As LSTMs are capable of learning data features automatically, and the proposed method works without an accurate mathematical model. The detection of four types of sensor faults are studied in this paper. Non-stationary acceleration responses of a three-span continuous bridge when under operational conditions are studied. A deep network model is applied to the measured bridge data with estimation to detect the sensor fault. Another set of sensor output data is used to supervise the network parameters and backpropagation algorithm to fine tune the parameters to establish a deep self-coding network model. The response residuals between the true value and the predicted value of the deep S-LSTM network was statistically analyzed to determine the fault threshold of sensor. Experimental study with a cable-stayed bridge further indicated that the proposed method is robust in the detection of the sensor fault.

• 스마트미디어저널
• /
• 제9권4호
• /
• pp.26-35
• /
• 2020

미래의 주가를 예측하기 위한 시도는 과거부터 꾸준히 연구되어왔다. 그러나 일반적인 시계열 데이터와 달리 금융 시계열 비정상성(non-stationarity)과 장기 의존성(long-term dependency), 비선형성(non-linearity) 등 예측을 하는 것에 있어서 여러 가지 방해 요인이 존재한다. 또한, 광범위한 데이터의 변수는 기존에 사람이 직접 선택하는 것에 한계가 있으며 모델이 변수를 자동으로 잘 추출할 수 있도록 하여야 한다. 본 논문에서는 비정상성 데이터를 정규화할 수 있는 슬라이딩 타임스텝 정규화(sliding time step normalization) 방법과 LSTM 형태의 오토인코더(AutoEncoder)를 사용하여 모든 변수로부터 압축된 변수로 미래 주가를 예측하는 방법, 기간을 나누어 전이 학습을 하는 이동 전이 학습(moving transfer learning)을 제안한다. 또한, 실험을 통하여 100개의 주요 금융 변수들만을 사용하는 것보다 뉴럴 네트워크를 통해서 가능한 많은 변수를 사용하였을 때 성능이 우수함을 보이며, 슬라이딩 타임스텝 정규화 방법을 사용하여 모든 구간에서 데이터의 비정상성에 대해 정규화를 수행함으로써 성능 향상에 효과적임을 보인다. 이동 전이 학습 방법은 스텝 별 테스트 구간에서 모델의 성능을 평가하고 전이학습을 함으로써 긴 테스트 구간에서 성능 향상에 효과적임을 보인다.

• Journal of Electrical Engineering and Technology
• /
• 제13권5호
• /
• pp.1841-1851
• /
• 2018

For the safe and stable operation of the power system, accurate wind power prediction is of great significance. A wind power prediction method based on empirical mode decomposition and improved extreme learning machine is proposed in this paper. Firstly, wind power time series is decomposed into several components with different frequency by empirical mode decomposition, which can reduce the non-stationary of time series. The components after decomposing remove the long correlation and promote the different local characteristics of original wind power time series. Secondly, an improved extreme learning machine prediction model is introduced to overcome the sample data updating disadvantages of standard extreme learning machine. Different improved extreme learning machine prediction model of each component is established. Finally, the prediction value of each component is superimposed to obtain the final result. Compared with other prediction models, the simulation results demonstrate that the proposed prediction method has better prediction accuracy for wind power.

• 정보교육학회논문지
• /
• 제26권5호
• /
• pp.327-340
• /
• 2022

본 연구는 비전공 학생의 학습동기를 높여 학습 성취를 돕고, 온라인 SW 교양수업을 성공적으로 운영하기 위해 대학생 560명에게 효율적인 놀이 교육을 적용하였다. 수업 후 학생들이 작성한 성찰일지를 분석한 결과, 대부분의 학생들은 지역변수와 전역변수를 배우는 과정에서 지역별 '무'의 명칭을 즐거운 놀이학습으로 받아들였고, SW수업에서 예상치 못한 내용을 발견한 것에 대한 놀라움, 신기함을 비롯하여 학습에 대한 즐거움, 몰입, 자신감, 내적 동기 등을 경험한 것으로 나타났다. 학기 말 온라인 시험에서 지역변수와 전역변수 관련 문항의 정답률 역시 92%로 전체 문항의 평균 정답률 67.1% 보다 높은 것을 확인하였다.