홀랜드 등(1986)은 인공 지능 시스템 내에서 경쟁한는 여러 규칙들 사이에 그 결과를 결정할 수 있는 주요 요소로서 대응성,강도,명세성,지원도의 네 가지를 든 바 있다.이러한 요소들은 그 시스템이 주어진 환경내에서 어떤 대상들을 인지함에 있어 일정한 규칙을 선호할 수 있는 기준으로 작용 할 수도 있다. 본 논문의 목적은 이러한 기준 중 특히 강도의 개념을 통계학에서의 우도의 개념으로써 해명하는 일이다.강도의 개념 자체나 그 활용 방식들이 우도의 개념으로써 좀더 충분히 이해될수 있다고 생각한다.학문사의 개념들은 그것을 여타 개념들과 연결하면 연결할수록 좀더 풍부해질수 있다.

'발견의논리'는 최근의 과ㅎ가철학에서 가장 중요한 문제 중의 하나가 되고 있다.그러나 '발견'과'논리'라는 용어의 애매성 때문에

대명사의 성별단서와 선행어의 격이 참조해결에 즉각적으로 작용하는지를 살펴보기 위해서 선행어의 점화효과를 시간경과에 따라 측정한 세개의 실험이 실시되었다. 실험1은 성별단서와 선행어 격에 따라서 선행어의 활성화 수준이 변화하는지를 알아보기 위해서 자율조절읽기과제를 실시하면서 대명사 직후와 문장 마지막 위치에서 선행어에 대한 탐사재인과제를 실시하였다. 선행어의 활성화 수준은 성별단서나 선행어 격의 영향을 받지않았으며, 그것의 수준은 대명사 직후에서 문자의 마지막까지 일정한 수준을 유지하였다. 실험2에서는 RSVP(rapid stimulus visual presentation) 방법을 사용하여 300msec에서 단위로 맥락글을 제시한후에 대명사 제시후 시간경과 0와 250msec에서 선행어와 비선행어에 대한 탐사재인과제를 실시하였다. 대명사의 성별단서가 명료한 경우에는 선행어가 비선행어에 비해서 탐사재인이 빨랐다. 시간경과 0mesc에서는 성별단서의 효과가 두드러졌으며, 시간경과 250msec에서는 선행어의 격효과가 두드러졌다. 조건에서 선행어의 격효과를 시간경과 250과 750msec에서 탐사재인과제를 실시하였다. 선행어가 주격인 조건이 선행어가 목적격인 조건에 비해서 점화효과가 많았다. 세개의 실험에서 나타난 결과는 대명사의 선행어 할당이 즉각적으로 일어난다는 사실을 분명히 하였다. 그렇지만 선행어 할당이 즉각적으로 일어나기 위해서는 먼저 대명사의 성별단서가 일차적으로 선행어 할당에 작용하며, 그다음에 선행어의 격효과가 순차적으로 작용한다는 사실을 입증하였다.

형태의 부분들은 그 자체로 (국지 수준에서)묘사될 수도 있고,전체와의 관계에서 (전역 수준에서) 묘사될 수도 있다.이처럼 중복적으로 묘사될 수 있는 한 형태에서,각 수준의 정보를 처리하는 과정이 어떠하며,이들이 어떤 관계에 있는지가 지각의 주요 물음이 된다.그 동안의 연구는 복합자극의 전역정보가 국지 정보보다 더 빨리 처리되는지에 주로 관심을 두었으나,본 연구는 정보처리의 속도보다 그특성에 관심을 두었다.실험과제는 짧은 순간 제시된 자극 패턴의 전역정보나 국지 정보를 판단하는 것이다.여러 제시상황및 자그벌의 유형에 따라 달리 관찰되는 반복효과들을 검토하였다.전역 및 국지수준의 처리는,제각기 특성을 가지나 조건에 따라 변하는 동적 현상으로 파악할 필요가 높아졌다.

본 논문에서는 주어진 문제 영역상의 자료를 특성에 따라 분류하고,자동적으로 퍼지규칙을 생성할 수 있는 방법을 제안한다. 제안된 방법은 기존의 방법에 비하여 효율적으로 퍼지 공간을 분할하고,분할된 퍼지공간의 부분적인 합병을 통하여 퍼지규칙의 수를 최적화한다.또한,본 논문에서는 생성된 퍼지규칙들이 정형적인 형태를 유지하도록 하며,이용상의 적응력을 높이기 위하여 누적-히스토그램을 이용하여 귀속 함수를 정의하는 방법을 제안한다.

구조적 모호성은 자연 언어 문장을 분석할 때 흔히 나타내는 문제점 중의 하나로,지금까지 이문제의 해결은 대단히 어려운 것으로 인식되어 왔다.그러나,구조적 모호성을 해소하지 않고 올바른 언어 처리를 한다는 것은 사실상 불가능하다.본 논문에서는 이 문제에 대하여 정보 이론적(information-theoretic)개념인 상호 정보(mutual information)를 이용한 통계적 접근방법을 제안한다.상호정보는 말 뭉치로 부터 자동 습득이 가능하므로 지식습득속도가 대단히 빠를뿐만 아니라 지속적인 지식습득이 가능하다. 구조적 모호성 해소는 물론 모호성 해소 결과의 옳고 그름을 스스로 판단할수 있는 능력을 부여할수 있다면 보다 지능적인 시스템을 개발하는데 도움이 될것이다.본 논문에서는 그와 같은 지적 능력을 부여한느데 필요한 확신도(congidence measure) 개념도 또한 제시한다.확신도는 구조적 모호성을 해소하고 난 후에 계산되는 수치로서,구조적 모호성이 올바르게 해소되었을 가능성이 높으면 높을수록 그 값이 커지는 성질을 가지고 있다. 본 논문에서 제시한 구조적 모호성 해소 알고리즘의 타당성을 검증하기 위하여 이공계 논문 초록으로부터 발췌된 약 160만 단어의 말뭉치로부터 상호 정보를 자동 습득하고 이를 이용하요,1,639개의 문장에 대하여 구조적 모호성을 해소하는 실험을 하였다. 실험결과 구조적 모호성 해소 정화도는 약 80%로 나타났다.확신도 개념을 이용할 경우 구조적 모호성 해소가 잘못된 문장을 찾아 정정하는 작업을 매우 효과적으로 진행할 수 있었다.

본 연구는 잘못 형성된 입력에 대한 멜리쉬의 연구(1989)에 기반하고 있다. 이 글은 chart-based parser를 이용하여 구문론적 차원에서 잘못 형성된 입력 문자의 복구에 촛점을 둔다. 멜리쉬의 체계는 두가지 분석기, 즉 잘형성된 입력 분석기와 잘못 형성된 입력 분석기로 구성되는데, 필자의 연구는 그에 생각을 따르고 있다. 이글에서는 주로 chartparsing의 개념, 잘못형성된 입력에 대한 분석전략이 논의된다. 또한 필자가 제시하는 체계의 디자인과 구현, 필자의 체계를 멜리쉬의 체계와의 비교와 같은 사항들이 다루어질 것이다.

그동안 자동색인 기법에 대해서는 단일어 색인,구색인,시소러스 기반 색인 등의 연구가 이루어져 왔는데,단일어 색인 기법이 단일어에 기초한 단순한 색인 방법 임에도 불구하고 다른 두가지 기법보다 일반적으로 우수하다고 알려져왔다. 시소러스 기반 색인은 이중에서도 검색효율이 낮은 것으로 알려져 왔는데,이는 일반적으로 시소러스가 포함하고 있는 색인용어들이 한정되어 있어 색인하려는 자료들이 이색인 용어에 부합(match)되지 않을 경우 색인 자체가 이루어 지지 않기 때문이다. 본 연구에서는 시소러스 기반 색인이 지금까지 기법으로는 검색효율이 좋지 않지만 실제 전문 색인들이 하는 색인과 매우 유사하다는 장범에 기초하여,입력 자료를 구문분석하고,분석된 자료들과 색인용어들을 정확부합(exact match)이 아닌 부분부합(partial match)을 통하여 색인 함으로써 검색효율이 우수한 시소러스기반 자동 색인 시스템을 개발하고자 한다. 본 연구에서 개발된 색인 시스템이 THINS는 우선 시소러스를 트리형태로 구성하고 입력자료들을 KAIST에서 개발한 언어번역기 MATES/EK를 통하여 구문분석한 후 명사구들만 뽑아낸다.그다음 명사구에 있는 용어들중 불용어를 제거하고 스테밍작업을 진행한후 생기는 형태를 색인 용어들과 부분부합 과정을 반복하여,유사한 색인 용어들과 가능하면 색인이 되도록 한다. 본 연구에서는 CACM 데이타 집합을 가지고 본 시소러스 기반 색인 시스템과 단일어 색인방식을 혼성지식기반 시스템인 HYKIS에서 성능을 평가하였다.이 성능평가에서 시소러스를 기반으로 하는 색인 시스템이 단일어 색인방식보다 회상도에서는 8-9%떨어지지만 정확도에서는 10%정도 높은 결과를 나타내었다.그러나 이는 기존의 시소러스 기반시스템이 단일어 색인 방식보다 정확도가 25%-30%정도 떨어진다는 것을 비추어 볼때 기존의 방식보다 우수한 것이라 평가된다.또한 CACM 에서 제공하는 시소러스인 CRCS 가 1000여개의 색인어밖에 포함하고 있어 매우 불완전한 것이라는 것을 고려하면,THINS가 최근에 개발되고 있는 시소러스와 접속된다면 매우 우수한 검색효율을 내리라 사료된다.

일반적으로 필기자의 습관이나 필기방향 등의 원인으로 종종 필기 문자열에서 기울어짐이 발생한다.이러한 문자열의 기울어짐은 문자 단위 분할시 분할 알고리즘을 복잡하게 만들고 결과적으로 문자인식 성능에도 큰영향을 미친다. 본연구에서는 선 성분의 검출 및 기울기 측정에 유용한 Hough 변환을 이용하여 단어내 수직획의 기울기를 추정하는 방법을 제안한다. 제안된 방법은 입력 필기 문자열 영상의 윤곽선을 Hough 변환에 적용하여 신 성분을 검출하고 기술어진 가도를 추정한다.실제로는 수직획이 아닌 점들이 모여 선 성분으로 검출된 경우을 제거하기 위해 임계치 이하의 길이를 갖는 선 성분은 기울기 추정 대상에서 제외한다.기울기 교정은 x좌표 값만 변환시키는 밀림 변환을 사용한다.제안된 방법의 성능을 검증하기 위해 실제 우편봉투에서 얻은 주소 영상에 대해 실험한 결과 오프라인 필기 한글 문자열의 기울기 추정 및 교정에 있어서 제안된 방법이 기존의 방법보다 우수함을 알수 있었다.

대부분의 규칙 기반 전문가 시스템에서 규칙의 갱신과 새로운 규칙의 추가가 다른 규칙에 영향을 주어서는 안된다. 이러한 원리를 규칙의 모듈성이라고 한다. 전문가 시스템에서 증거간의 관계를 알려고 할때, 기존의 전문가 시스템은 정보의 근원이 다른것으로 가정하고 믿음값을 갱신한다. 이러한 가정은 규칙의 모듈성을 위반하게 된다. 본 논문에서는 이러한 문제점을 해결하기 위해 규칙의 모듈성을 보장하는 베이지안 네트워크에 기반을 둔 Fuzzy Belief Network 를 제안한다. Fuzzy Belief Network을 구축하기 위해 노드와 링크 등을 정의하고, 각 노드에서 발생하는 자료의 융합 알고리즘과 자료를 융합한 결과인 믿음값을 모든 노드에 전달하는 확산 알고리즘을 제안한다.