학술논문


EBSCO Discovery Service
발행년
-
(예 : 2010-2015)
전자자료 공정이용 안내

우리 대학 도서관에서 구독·제공하는 모든 전자자료(데이터베이스, 전자저널, 전자책 등)는 국내외 저작권법과 출판사와의 라이선스 계약에 따라 엄격하게 보호를 받고 있습니다.
전자자료의 비정상적 이용은 출판사로부터의 경고, 서비스 차단, 손해배상 청구 등 학교 전체에 심각한 불이익을 초래할 수 있으므로, 아래의 공정이용 지침을 반드시 준수해 주시기 바랍니다.

공정이용 지침
  • 전자자료는 개인의 학습·교육·연구 목적의 비영리적 사용에 한하여 이용할 수 있습니다.
  • 합리적인 수준의 다운로드 및 출력만 허용됩니다. (일반적으로 동일 PC에서 동일 출판사의 논문을 1일 30건 이하 다운로드할 것을 권장하며, 출판사별 기준에 따라 다를 수 있습니다.)
  • 출판사에서 제공한 논문의 URL을 수업 관련 웹사이트에 게재할 수 있으나, 출판사 원문 파일 자체를 복제·배포해서는 안 됩니다.
  • 본인의 ID/PW를 타인에게 제공하지 말고, 도용되지 않도록 철저히 관리해 주시기 바랍니다.
불공정 이용 사례
  • 전자적·기계적 수단(다운로딩 프로그램, 웹 크롤러, 로봇, 매크로, RPA 등)을 이용한 대량 다운로드
  • 동일 컴퓨터 또는 동일 IP에서 단시간 내 다수의 원문을 집중적으로 다운로드하거나, 전권(whole issue) 다운로드
  • 저장·출력한 자료를 타인에게 배포하거나 개인 블로그·웹하드 등에 업로드
  • 상업적·영리적 목적으로 자료를 전송·복제·활용
  • ID/PW를 타인에게 양도하거나 타인 계정을 도용하여 이용
  • EndNote, Mendeley 등 서지관리 프로그램의 Find Full Text 기능을 이용한 대량 다운로드
  • 출판사 콘텐츠를 생성형 AI 시스템에서 활용하는 행위(업로드, 개발, 학습, 프로그래밍, 개선 또는 강화 등)
위반 시 제재
  • 출판사에 의한 해당 IP 또는 기관 전체 접속 차단
  • 출판사 배상 요구 시 위반자 개인이 배상 책임 부담
'학술논문' 에서 검색결과 685건 | 목록 1~20
Academic Journal
자폐성장애연구 [ISSN 2005-1778 (Print) / 2671-6992 (Online)] 25. 2 (2025): 1-29.
Academic Journal
한국체육교육학회지. 2024-02 28(6):15-26
Academic Journal
학습자중심교과교육연구 22. 15 (2022): 697-710.
Academic Journal
지역과 세계 / Locality and Globality: Korean Journal of Social Sciences. Mar 31, 2022 46(1):231
Academic Journal
한국콘텐츠학회논문지. 2021-05 21(5):627-637
Learning from demonstration(LfD)은 피실험자의 시연 동작 데이터를 기반으로 머신러닝에이전트를 구현하는 방법론 중 하나이다. 동일한 시작 조건 아래에서 다양한 피실험자로부터 또는 반복적인 시행으로부터 시연 데이터를 획득할 필요가 있을 때는, 가상 환경에서 시연 데이터를 획득하는 것이 더 효율적이다. 이때 가상 환경에서의 피실험자의 시연을 주어진 상황(state)에 따른 행동(action) 전략으로 간주하려면, 가상 환경에서 획득한 데이터가실제 환경에서 측정한 데이터와 차이가 없음이 전제되어야 한다. 본 논문에서는 가상 환경과 실제 환경에서 주어진 시각운동(visuomotor) 태스크에 대해 사람이 같은 행동 전략을 생성한다는 것을 통계적으로 검증한다. 먼저 21명의 피실험자로부터, 가상 환경과 실제 환경에서 patience cube를 수행할 때, 근전도 데이터와 기구학적 데이터를 획득하였다. 다음으로가상/실제(virtual/real) 환경을 요인(factor)으로 하여 획득된 데이터에 대한 paired t-test 검증을 수행하였다. 이를 통해, 사람이 patience cube를 수행할 때 있어, 두 환경에서 피실험자의 행동 전략과 관계된 물리량들에 통계적으로 유의미한 차이가 없음이 검증되었다. 결과적으로, 가상환경에서 획득된 피실험자의 patience cube 수행 데이터를 현실 세계의 로봇 시스템의 LfD를 위한 학습에 적용할 수 있는 타당성을 확인하였다.
Learning from demonstration(LfD) is a method to train a machine learning agent using behavioral data measured from subject demonstrations. When demonstration data from various subjects are required under identical initial conditions or across repeated trials, acquiring such data within a virtual environment proves to be a more efficient approach. To identically consider a subject’s demonstration in a virtual environment as an action strategy for a given state in a real world, it should be premised that data collected in both environments mirrors each other. In this paper, we empirically substantiate that subject behavioral strategy is identical across both environments. First, we collected sEMG and and kinematic data from 21-subjects while performing a given visuomotor task across both environments. Next, we performed a paired t-test using the virtual/real environment as a factor. The results showed, when the subjects performed the given task, that there did not exist a statistically significant difference in their behavioral strategy under both environments, Consequently, the outcomes of this study validated that the subject demonstration data collected in virtual environment can be applied for LfD to train robotic systems in real world.
Academic Journal
한국지능시스템학회 논문지, 33(6), pp.570-576 Dec, 2023
Academic Journal
비만대사연구학술지 / Archives of Obesity and Metabolism (AOM). Jun 30, 2023 2(1):6
Academic Journal
한국실과교육학회지 31. 3 (2018): 175-196.
검색 결과 제한하기
제한된 항목
[검색어] 행동전략
발행연도 제한
-
학술DB(Database Provider)
저널명(출판물, Title)
출판사(Publisher)
자료유형(Source Type)
주제어
언어