http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
문영준,정규백,박주영 한국지능시스템학회 2007 한국지능시스템학회 학술발표 논문집 Vol.17 No.2
최근 인공지능 분야에서는 강화학습(Reinforcement Learning)에 대한 관심이 크게 증폭되고 있으며, 여러 관련 분야에 적용되고 있다. 본 논문에서는 강화학습 기법 중 액터-크리틱 계열에 속하는 RLS-NAC 알고리즘을 활용하여 Kimura의 기는 로봇의 이동을 다룰 때에 중요 파라미터의 결정을 위하여 meta-learning 기법을 활용하는 방안에 고려한다.
문영준,이주일 한국ITS학회 2003 한국ITS학회논문지 Vol.2 No.1
본 연구는 건설교통부 ITS R&D 사업 「신호교차로 내 딜레마구간 차내경고시스템 개발」 과제로써 첨단차량 및 도로 분야(AVHS)의 운전자지원 및 충돌방지시스템 분야로서 신호교차로 내에서 단독 혹은 차량군으로 진입하는 차량들에게 신호변경 시 운전자가 정지 혹은 진입의 의사결정을 안전하게 내릴 수 있도록 신호제어기의 변경정보를 단거리전용무선통신(DSRC)를 통해 실시간으로 사전에 경고를 주는 차내경고시스템을 개발하였다. 본 시스템의 연구개발은 ITS 연구개발을 통한 시스템 통합 및 구축을 실현함으로써 ITS에 대한 대국민 의식전환으로 국내 ITS 산업발전에 크게 기여할 것으로 기대된다. This paper demonstrates the in-vehicle dilemma zone warning system (DZWS) project developed as a part of the Driver Advisory and Collision Warning System in Automated Vehicle and Highway System (AVHS). The DZWS project, one of the Korea national ITS projects in 2000 develops the in-vehicle warning device to support drivers' decision making on whether to stop or to proceed to clear the intersection prior to the onset of yellow signal for avoiding the high risk of collision at signalized intersections through the dedicated short range communication (DSRC). This paper explores the design of optimal communication systems between roadway and vehicles, the operational and functional concepts of dilemma zone warning system based on appropriate approach speeds, and the system integration for field test at two sites of signalized intersections. Findings from the system integration indicated that the system would be implemented in eliminating the dilemma zone relative to approach speeds and in reducing red light violations and intersection collisions through the in-vehicle warning device at signalized intersection.
문영준,이재훈,박주영 한국지능시스템학회 2009 한국지능시스템학회 학술발표 논문집 Vol.19 No.1
강화학습을 적용 시 연속적이며, 고차원의 상태를 가지는 시스템에서 공간을 일반화(Generalization)하는 함수 근사화(Function approximation)하는 방법으로 퍼지 이론을 접목한 액터-크리틱 퍼지 강화학습 방법을 고려한다. 그리고 기는 로봇에 대해 상태 공간을 선형 근사화 하는 방법을 이용하여 학습의 성능을 비교, 분석한다.