한국어 명사들을 의미별로 분류하여 계층화시킨‘한국어 명사 의미 계층 구조’는, 한국어 문장을 처리할 때 의미 정보를 제공할 수 있는 매우 중요한 것들 중의 하나이다. 본 논문에서는, 국어 사전의 명사에 대한 뜻 풀이말을 이용하여 bottom-up 방식으로‘한국어 명사 의미 계층 구조’를 구축하였다. 본 논문에서 구축한‘한국어 명사 의미계층 구조’는, 트리(tree)가 43개, 중간 노드(node)가 2,443개, 단말 노드(terminal node)가 10,347개이며, 깊이(depth)가 17인 하나의 포리스트(forest)를 이룬다. 이것의 제 1, 2 계층(level 1, 2)에서의 분류 형태는 top-down 방식에 의한 기존의 분류들과 매우 다른 모습인 반면에, 제 3 이하의 계층들은 상당히 객관적이 형태를 이루고 있다.

현 연구에서는 Murphy와 Zajonc(1983)의 정서 우선 성 가설이 재검 되는지를 확인해보았다. 실험1과 2에서는 얼굴 표정과 사건점화를 통하여 대상평전에 있어서 정서점화의 효과가 확장되는지를 확인하였다. 실험3에서는 의식적인 수준에서 만의 정서점화가 정신분열증 환자들에게 있어서는 정상인들과 어떻게 차별적으로 일어나는지가 탐색되었다. 그 결과 정상인들에게서 비 의식 수준으로 정서점화를 준 경우에만 점화자극의 정서가로 인한 동화의 효과가 후속 적인 평정과제에서 나타났지만, 정신분열증 환자들의 경우에는 정서로 인한 동화효과가 정서점화의 사실을 자각할 수 있는 의식적인 수준의 점화조건에서도 나타났다. 마지막으로 이런 결과들을 토대로 정서의 처리과정에 대한 논의가 이루어졌다.

이 연구에서는 일상적인 글자넓이를 지닌 글자로 구성된 본문에 대해 선호도를 평정하도록 하여 가독성에 관한 연구에서 밝혀진 각 요인들의 수준들 중 가장 선호되는 수준은 어떤 것인가를 알아보고, 각 요인들간 상대적 중요도를 살펴보았다. 네모 틀 글자로 구성된 본문에서 선호도를 살펴본 실험1에서는 요인들간 상대적 중요도의 순위가 글자크기, 글줄간격, 글자넓이, 글줄길이, 글자간격, 글줄맞춤, 글자모양 순 으로 나타났다. 탈 네모를 글자로 구성된 본문을 사용한 실험2에서도 가장 중요한 요인은 글자크기였으나 두 번째 요인은 글자간격으로 나타났다. 이는 글자제작원리의 차이 및 탈 네모틀 글자에 대한 비 친숙성을 반영해주는 결과이다. 글자넓이의 수준변화가 극심한 이준석과 진영선(1998)의 연구에서는‘글자넓이’가 가장 중요하게 나타난 것과는 달리, 일상적인 글자넓이를 조작한 본 연구에서는‘글자크기’가 가장 중요한 것으로 나타났으므로 교재나 책의 본문을 구성할 때 글자크기를 가장 먼저 고려하고, 네모 틀 본문의 경우에는 글줄간격, 글자넓이 등을, 탈 네모틀 본문의 경우에는 글자간격, 글줄간격 등을 고려하는 것이 바람직할 것이다.

해마가 공간기억에서 중요한 기능을 담당하는 해부학적 구조임은 잘 알려져 있는 사실이다. 최근에는 두정엽 후위도 공간기억에서 중요한 역할을 할 것임을 시사하는 연구 결과가 보고되었다. 지금가지의 연구결과로는 두정엽 후위가 공간학습의 작업기억에 중요한지, 참조기억에 중요한지는 확실치 않다. 본 연구는 이들 두 뇌 구조물이 공간학습에서 작업기억과 참조기억의 습득에 공헌하는지를 알아보기 위하여 방사미로를 통한 쥐의 학습에 각 뇌 구조물의 손상이 미치는 영향을 조사하였다. 여덟 개의 방사형 미로를 이용한 쥐를 공간학습에서 작업기억과 참조기억은 각각 8개의 미로 모두에 물이 존재할 때와 4개의 미로에만 물이 존재할 때, 쥐가 물이 존재하는 미로의 위치를 기억하여 찾는 능력을 측정하였다. 기억의 습득에서 해마나 두정엽 후위의 관련여부를 알아보기 위해서 이들 부위의 손상이 방사미로 학습에 미치는 영향을 조사하였다. 방사미로 학습에서 작업기억은 해마손상에 의하여 저하되었으며 두정엽 후위 손상에 의하여서는 영향을 받지 않았다. 한편 참조기억의 습득은 해마 손상뿐만 아니라 두정엽 후위 손상에 의해서도 저하되었다. 이상의 결과는 공간학습에서 작업기억에는 해마가, 참조기억의 습득과정에는 해마와 두정엽 후위가 모두 관여할 것임을 시사한다.

본 논문에서는 규칙기반 전문가시스템의 퍼지 생성규칙을 표현할 수 있는 퍼지페트리네트 표현을 제안한다. 퍼지페트리네트 표현을 기반으로, 전진추론 알고리즘과 후진추론 알고리즘으로 구성된 퍼지 추론 알고리즘을 제안한다. 본 논문이 제안한 알고리즘은 단순히 min과 max 계산만을 하는 기존의 알고리즘과는 달리 퍼지 생성규칙의 전제 부와 결론 부에 퍼지 개념의 유무에 따라 적절한 믿음 값 평가 함수을 사용하여 보다 더 인간적인 추론을 한다. 전진추론 알고리즘은 유한한 방향성 나무인 도달나무로 표현할 수 있다. 후진추론 알고리즘은 목표노드에서 시작노드까지의 후진추론 통로를 구한 후에 믿음 값 평가함수를 이용하여 목표노드의 믿음 값을 구한다.

자동차 충돌 사고 재구성이란 사고 상황으로부터 가능한 모든 정보를 수집, 분석하여 충돌로 인한 사고 거동 및 원인을 규명하는 작업이다. 본 논문에서는 자동차 사고 재구성에 직접 적용이 가능하도록 개발된 충돌 재구성 시스템을 소개하고자 한다. 본 시스템은 정량적 충돌 재구성 시스템과 정성 적 충돌 추론 시스템을 통합하여, 상호 보완적 역할을 통해 기존의 단일 시스템이 갖는 제한점들을 극복할 수 있었다. 통합된 시스템은 충돌로 인한 거동에 대한 정확한 예측과 아울러 정성 적 충돌 거동 묘사를 제공한다. 강체 동역 학 이론에 기초한 충돌 역 해석 과정 시 정성 적 시뮬레이션을 통해 잘못된 가설을 검증하여, 모순되는 가설을 초기 단계에서 찾아낼 수 있게 하였다. 또한 이 과정에서 인과 관계에 근거한 정성 적 설명을 제공함으로써, 수치 모델에 의해 예측된 결과의 이해를 도울 수 있었다. 본 시스템은 자동차 충돌 사고의 충돌에 적용되어 유효성을 입증할 수 있었다.

기존의 기호주의 적 추론 시스템은 경직성 문제로 인하여 유연성을 결여하고 있다. 이는 기호주의 적 지식표현 체계가 지식의 유연한 의미구조를 충분히 반영하고 있지 못할 뿐 아니라 추론 방법도 논리를 바탕으로 하기 때문이다. 이러한 문제를 해결하기 위하여, 우리는 최근 인공 신경 망에 기반 한 유연한 지식표현과 추론을 위한 연결주의 적 의미 망(CSN)을 제안한 바 있다. CSN은 인간의 유사성과 연관성에 기반 하여 근사 추론과 상식추론을 수행할 수 있다. 그러나 CSN 모델에서는 상위개념간의 관계를 표현하는 데 있어서 단순한 전향 신경 망을 이용함으로써 상위개념간의 일반적이고 구조화된 관계를 표현하거나 변수의 표현 및 바인딩의 어려움과 같은 문제점이 있었다. CSN모델의 이런 문제점을 해결하기 위해 본 논문에서는 상위개념간의 일반적이고 구조화된 지식표현을 가능하게 하고 추론이 용이한 기호주의 표현 체계와 이 표현 체계 안에서 의미구조를 표현하고 학습할 수 있는 연결주의 학습 모델인 CSN을 결합한 기호-연결주의 통합 시스템 SymCSN(Symbolic CSN)을 제안하고, 실험을 통하여 제안한 시스템이 인간과 유사한 유연한 지식표현과 추론을 위한 모델임을 보인다.