초록
본 논문은 스마트 홈과 같이 다양한 센서 및 제어 네트워크가 밀집되어 있는 유비쿼터스 환경 하에서 복잡한 인터페이스의 사용에 대한 사용자의 인지 부담(cognitive load)을 줄이고, 개인화된(personalized) 서비스를 자율적으로 제공하기 위한 새로운 사용자 행동 패턴 선호도 학습기법을 제안하였다. 이를 위해 지식 발견(knowledge discovery)을 위한 평생 학습(life-long learning)의 관점에서 퍼지귀납(fuzzy inductive) 학습 방법론을 제안하며, 이것은 수치 데이터로부터 입력 공간에 대한 효율적인 퍼지 분할(fuzzy partition)을 얻어내고 일관성 있는(consistent) 퍼지 상관 롤(fuzzy association rule)을 얻어내도록 한다.
Smart home is one of the ubiquitous environment platforms with various complex sensor-and-control network. In this paper, a now learning methodology for learning user's behavior preference pattern is proposed in the sense of reductive user's cognitive load to access complex interfaces and providing personalized services. We propose a fuzzy inductive learning methodology based on life-long learning paradigm for knowledge discovery, which tries to construct efficient fuzzy partition for each input space and to extract fuzzy association rules from the numerical data pattern.