멀티 에이전트 시스템은 분산적이고 개방적인 인터넷 환경에 잘 부합된다. 멀티 에이전트 시스템에서는 각 에이전트들이 자신의 목적을 위해 행동하기 때문에 에이전트간 충돌이 발생하는 경우에 조정을 통해 협력할 수 있어야 한다. 그러나 기존의 멀티 에이전트 시스템에서의 에이전트 간 협력 방법에 관한 연구 방법들은 동적 환경에서 서로 다른 목적을 갖는 에이전트간의 협동 문제를 올바로 해결할 수 없다는 문제가 있었다. 본 논문에서는 신경망과 강화학습을 이용하여 목적 패턴을 정확히 결정할 수 없는 복잡하고 동적인 환경하에서 멀티 에이전트의 자동조정 모델을 제안한다. 이를 위해 복잡한 환경과 다양한 행동을 갖는 멀티 에이전트간의 경쟁 실험을 통해 멀티 에이전트들의 행동의 영향을 분석 평가하여 제안한 방법이 타당함을 보였다.

최근, 교수-학습 활동에서의 새로운 형태인 웹을 기반으로 한 교육(WBI：Web-Based Instruction)이라는 교수 모형이 제시되기에 이르렀다. 또한, 학습자의 요구에 맞는 코스웨어의 주문이 증가되고 있는 추세이며 그에 따라 웹 기반 교육 시스템에 효율적이고 자동화된 교육 에이전트의 필요성이 인식되고 있다. 그러나 현재 연구되고 있는 많은 교육 시스템들은 학습자 성향에 맞는 코스를 적절히 서비스해 주지 못할 뿐 아니라 지속적인 피드백과 학습자가 코스를 학습함에 있어서 취약한 부분을 재학습 할 수 있도록 도와주는 서비스를 원활히 제공하지 못하고 있다. 본 논문에서는 취약성 분석 알고리즘을 이용한 학습자 중심의 코스 스케쥴링 멀티 에이전트 시스템의 설계를 제안한다. 제안한 시스템은 먼저 학습자의 학습을 지속적으로 모니터링하고 평가하여 개인 학습자의 학습 성취도를 계산하며, 이 성취도를 에이전트의 스케쥴에 적용하여 학습자에게 적합한 코스를 제공하고, 학습자는 이러한 코스에 따라 능력에 맞는 반복된 학습을 통하여 적극적인 완전학습을 수행하게 된다.

The automated assignment of multiple tasks to executing agents is a key problem in the area of multi-agent systems. In many domains, significant savings can be achieved by reallocating tasks among agents with different costs for handling tasks. The automation of task reallocation among self-interested agents requires that the individual agents use a common negotiation protocol that prescribes how they have to interact in order to come to an agreement on "who does what". In this paper, we introduce the multi-agent Traveling Salesman Problem(TSP) as an example of task reallocation problem, and suggest the Vickery auction as an interagent negotiation protocol for solving this problem. In general, auction-based protocols show several advantageous features: they are easily implementable, they enforce an efficient assignment process, and they guarantce an agreement even in scenarios in which the agents possess only very little domain-specific Knowledge. Furthermore Vickrey auctions have the additional advantage that each interested agent bids only once and that the dominant strategy is to bid one′s true valuation. In order to apply this market-based protocol into task reallocation among self-interested agents, we define the profit of each agent, the goal of negotiation, tasks to be traded out through auctions, the bidding strategy, and the sequence of auctions. Through several experiments with sample multi-agent TSPs, we show that the task allocation can improve monotonically at each step and then finally an optimal task allocation can be found with this protocol.

오늘날 인터넷이 보편화되면서 정보 검색 및 뉴스 검색들이 일반화되고 있지만 엄청난 정보의 양과 다양성 등으로 인해 사용자들은 오히려 정보 검색의 어려움을 호소하고 있다. 이에 본 논문에서는 사용자 편의의 뉴스 검색과 사용자의 요구와 취향이 반영될 수 있도록 BPN(Back Propagation Neural Network)의 학습 기능을 가진 지능형 에이전트를 이용하여 뉴스 기사를 필터링하는 뉴스 검색 시스템을 제안한다. 이 시스템은 여러 신문사의 기사를 수집 및 통합하여 그 날의 주요 기사들을 데이터베이스에 저장하는 수집 에이전트, 사용자가 입력한 키워드를 이용하여 BPN 기법으로 학습시키는 학습 에이전트 등으로 구성되어 있다. 또한 정보 통신 기술의 눈부신 발달로 무선 인터넷이 급속히 보급되는 현실을 감안하여 무선으로도 이러한 서비스를 제공할 수 있도록 시스템을 구성하였다.

전자상거래가 활성화됨에 따라 제공되는 상품의 정보와 서비스의 내용이 점차 다양해지고 있다. 따라서 구매자들은 가격 정보뿐만 아니라 다양한 상품 정보들을 검색 추천해주는 에이전트 개발을 요구하고 있다. 본 논문에서는 전자상거래에서 도서 정보 검색과 관련하여 사용자의 선호도를 프로파일 형태로 표현하고, 도서 정보를 검색 및 추출하고 이를 추천하는 멀티 에이전트 시스템을 제안한다. 제안된 멀티 에이전트 시스템은 정보검색, 정보추천, 사용자 인터페이스, 웹 로봇과 같은 여러 개별 에이전트들의 동작들을 조정 에이전트의 설계 및 구현을 통하여 통제하고 관리한다. 본 멀티 에이전트 시스템을 윈도우즈 NT 서버에 구현하였다. 조정 에이전트의 관리 기능으로 중복된 정보 검색을 제거할 수 있었으며, 고객들에게 여러 온라인 도서 사이트의 도서 정보들을 실시간으로 제공할 수 있게 되었다.

전자상점에서 이루어지는 고객의 구매패턴이 온라인 상에서 데이터베이스화되어, 이를 통하여 고객의 취향에 맞는 상품을 제공할 수 있는 많은 알고리즘이 연구되고 있다. 이러한 알고리즘은 전자상점에서 고객의 개별특성을 고려한 상품을 제공하기 위하여, 고객정보 데이터베이스와 거래정보 데이터베이스로부터 연관규칙 등을 추출하여 사용한다. 그러나 시간의 흐름에 민감한 계절상품이나 특선상품과 같이 전자상점의 거래량에 크게 직결될 수 있는 상품에도 기존의 시간을 고려하지 않은 알고리즘을 적용한다면 추천성공률이 떨어질 것이다. 따라서 본 논문에서는 시간의 영향을 많이 받는 상품추천을 위하여, 최근 전자상점 추천시스템으로 효과적인 아이템 기반 협력알고리즘에 지수적 가중치를 적용한 협력적 여과추천(EWCFR) 알고리즘을 제안한다. 또한 이러한 추천시스템이 대용량의 고객데이터와 상품데이터에 대한 연산을 수행하고 다수의 고객에게 실시간으로 서비스를 제공하여야 하므로, XML기반의 MMDB를 활용한 전자상거래 시스템과 알고리즘을 제안한다.

이동 에이전트는 네트워크로 연결된 컴퓨터들을 사용자를 대신하여 작업을 수행하며 이동위치를 스스로 결정할 수 있는 자율성(autonomy)과 이동성(mobility)을 가진 소프트웨어 프로그램이다. 이동 에이전트는 네트워크 연결을 계속 유지한 상태로 작업하지 않고 실행 코드와 상태가 시스템간을 이동하며 임무를 수행할 수 있기 때문에 네트워크 연결이 불안정한 무선 망 환경이나 부하가 많이 걸리는 환경에서 활용될 수 있다. 본 논문에서는 이동 에이전트 패러다임을 사용함으로써 이동 컴퓨팅 환경에서 상품 검색 및 매매를 효율적으로 수행할 수 있는 전자상거래 시스템을 구축할 수 있음을 보여주고 있다. 사용자를 대신하여 복수 개의 이동 에이전트들이 시장으로 직접 이동하여 서비스나 상품을 자율적으로 협상하거나 매매하고, 매매결과는 에이전트 실행 코드와 함께 출발지 시스템으로 이동하여 보고한다. 따라서, 우리는 이동 마켓 시스템을 설계하고 시범 구현함으로써 이동 에이전트 패러다임이 이동 컴퓨팅 환경에서 전자상거래 시스템 구축에 적합함을 보인다.

Jini 구조의 네트워크 플러그 앤 워크(Network Plug and Work)기능은 분산 응용을 위하여 간단하면서도 유연한 네트워크 환경을 제공하고 있으며, 이를 통하여 이동에이전트 시스템의 동적인 등록 및 소재 파악의 기능과 에이전트의 활동에 유용한 서비스들의 동적 제공이 용이하게 지원될 수 있다. 본 논문에서는 Jini 기반 이동에이전트 시스템인 JMoblet 시스템에 관하여 기술하고 있다. JMoblet 시스템은 이동에이전트 시스템의 기본 기능인 에이전트 생성, 관리, 전송, 위치 파악 및 에이전트간의 통신 기능을 제공하고 있으며, 나아가 이동에이전트 시스템의 신뢰성을 위하여 예외 상황 처리 및 이동에이전트 시스템의 영속성 지원 기능을 제공하고 있다.

본 논문은 기존의 신경망을 이용한 세선화 방법 중에서 자기 구성 그래프(Self-Organized Graph：SOG) 세선화 기법의 우수한 세선화 결과를 유지하면서, 수행 속도를 향상시키기 위하여 Kohonen Features Map의 새로운 점증 기법을 변형된 SOG에 적용한 개선된 SOG(Improved SOG：$SOG^*$) 세선화 기법을 제안한다. 실험 결과로써 숫자와 문자 모두 기존의 SOG와 같은 우수한 세선화 결과를 나타내며, O((logM)3)의 시간 복잡도를 가지는 속도 향상을 이루었다. 따라서 본 논문에서 제안한 방법은 숫자 또는 문자 인식에 있어 특징 추출의 빠른 전처리 과정으로 사용할 수 있다.

기존에 단어의 빈도수를 근간으로 하는 문서 분류 시스템에서는 단일 키워드를 사용하기 때문에 사용자의 의도를 충분히 반영한 문서 분류가 어려웠다. 이러한 단점을 개선하기 위하여 우선 기존의 설명에 근거한 학습방법(explanation based learning)에서 한 예제만 있어도 지식베이스 정보와 함께 개념을 학습할 수 있다는 점에 착안하여 먼저 사용자 질의를 분석, 확장한 후 사용자 의도 트리를 생성한다. 이 의도 트리의 정보를 기존의 키워드 빈도 수에 근거한 문서분류 과정에 제약 및 보충 정보로 사용하여 사용자의 의도에 더욱더 근접한 웹 문서를 분류할 수 있다. 문서를 분류하는 측면에서 볼 때 구조화된 사용자 의도 정보는 단순한 키워드의 한계를 극복하여 문서 분류 과정에서 특정 키워드 빈도수의 임계값을 결정함으로서 잃게되는 문서 및 정보를 좀더 보유하고 재적용할 수 있게 된다. 질의에서 분석, 추출된 사용자 의도 트리는 기존의 통계 및 확률을 사용한 문서 분류기법들과 조합하여 사용자 의도정보를 제공함으로서 카테고리의 형성 방향과 범위를 결정하는데 높은 효율성을 보인다.

병합 과정에 병합 상황을 반영하기 위해 상황 평가에 기반을 둔 병합(ASA) 방법이 제안되었다.[1]. 상황 평가 모델의 정수화된 출력은 병합을 위한 입력으로 사용된다. 상황 평가 모델의 정수화된 출력은 현재의 병합 상황 정도를 나타낸다. ASA 알고리즘은 최소값과 최대값 사이에서 기껏해야 몇 개의 병합 결과를 만들어 낸다. 결과적으로 ASA 방법은 최소값과 최대값 사이에서 보다 더 정교한 병합 결과를 갖는 응용 분야를 적절히 다룰 수 없다. 이러한 문제를 해결하기 위해 두 가지의 개선된 ASA (I-ASA) 방법을 제안한다. 이들 I-ASA 방법에서는 상황 평가 모델의 매개변수의 값이 실수 값이 되는 것이 허용되고, 최소값과 최대값 사이에서 연속된 병합 결과를 만들 수 있게 하기 위해 두 가지의 개선된 ASA 알고리즘을 제시한다. 이들 I-ASA 방법들은 정밀 병합과 근사 병합을 다룰 수 있다. 결과적으로, ASA 방법[1]과 비교할 때 제안된 I-ASA 방법들이 보다 더 정교한 병합 결과를 갖는 응용 분야를 적절히 다룰 수 있고, 또한 보다 범용적인 병합 분야에 사용될 수 있다는 관점에서 장점이 있다.

본 논문은 태그가 없는 단순 말뭉치만을 가지고 자율학습을 이용하여 정보 검색을 위한 색인어의 추출 등에 이용될 수 있도록 한국어의 실질 형태소와 형식 형태소를 분리해내는 기법에 대하여 기술한다. 본 기법은 사전 등의 언어 관련 지식을 요구하지 않으며 오직 단순 말뭉치만을 필요로 한다. 또한 자율학습을 이용함으로써 사람의 간섭이 필요하지 않아 학습에 필요한 시간과 노력이 거의 들지 않는다. 본 방식은 잘 확립된 통계적 방법론을 이용하기 때문에 일반적인 휴리스틱과는 달리 이론적인 기반이 확고하여 확장 및 발전이 용이하다. 본 결과는 한국어에 우선 적용되었으나 한국어에 종속적인 방법이 아니어서 다른 교착어에도 쉽게 적용될 수 있을 것이다.

본 논문은 일한기계번역에서 일본어 진행표현 "ている" 형태로부터 한국어 대역어의 선정과정에서 발생하는 애매성을 해소하기 위하여 연구한 것이다. 대부분의 일한 기계번역 시스템은 양궁어의 문법적인 유사엉에 기초하여 어휘적인 단계의 처리만으로 고품질의 번역이 가능한 직접 번역방식을 채용하고 있다. 그러나, 직접 번역방식에 기초한 일한 기계번역에서는 술부에 존재하는 "ている"형태의 상적인 의미를 구별할 수 있는 방법론이 아직 제안되지 않았다. 일본어에서 "ている"형태는 동작진행과 상태진행을 모두 나타내지만 한국어에서는 "고 있다."와 "어 있다."로 나누어 표기한다. 양 언어간의 상적인 의미 대응은 간단하지 않지만, 술부의 의미 정보, 부사와 부사어의 의미정보 등을 이용하여 "ている"형태의 상적인 의미를 결정하는 것이 가능하다. "ている"형태의 적절한 대역어 선정을 위하여, 사전 속의 모든 일본어 술어에 다섯 종류의 의미코드를 입력한다. 즉 "1:동작진행만으로 사용되는 술어", "2: 일반적으로는 동작진행으로 사용되지만, 수동인 경우에는 상태진행의 형태로도 사용되는 술어", "3: 상태진행으로만 사용되는 술어", "4: 동작진행, 상태진행의 구별이 애매한 술어", "5: 기타" 당의 상적인 의미분류코드를 술어별로 입력한다. 그리고 "2","4"형태의 술어로부터 진행형은 구별하기 위하여 부사와 부사어를 사용하는 방법을 제안한다. 실험에는 아사히 신문의 기사 중에서 임의로 약 15,000문을 추출하여 이용하였다. 제안한 방법은 실험문장에서 83.6%의 성공률을 보였으며 단순히 동작진행과 상태진행, 기타만으로 나누어 처리하던 종전 시스템에 비하여 약 5.7%정도 더 좋은 결과가 얻어졌다.아사히 신문의 기사 중에서 임의로 약 15,000문을 추출하여 이용하였다. 제안한 방법은 실험문장에서 83.6%의 성공률을 보였으며 단순히 동작진행과 상태진행, 기타만으로 나누어 처리하던 종전 시스템에 비하여 약 5.7%정도 더 좋은 결과가 얻어졌다.

본 논문은 주파수 대역 변환 방법을 사용하여 잡음을 제거하는 방법으로, 웨이블릿 변환의 고주파 성분의 통계적 특성을 활용하여 임계값을 선택하는 새로운 방법을 제안한다. 변환 영역의 각 고주파 성분(HL, LH, HH)에 대한 중앙편차를 이용하여 임계값을 설정함으로서 영상의 통계량의 변화에 대응할 수 있고, 잡음 분산의 크기에 적응할 수 있도록 하였다. 실험 결과 잡음 분산을 추정하거나 데이터의 개수를 이용하는 기존의 방법에 비하여 신호 대 잡음비(PSNR)가 향상되었다.

본 논문에서는 혼성 모듈 구조의 recurrent 시간지연신경회로망(time-delay neural network)과 HMM(hidden Markov model)을 결합한 음성인식을 위한 새로운 구조에 대해 연구하였다. 시간지연신경회로망에서는 윈도우 크기를 확장하는 것이 인식률 향상에 유리하므로 이를 위해 첫 번째 은닉층에 궤환 구조를 사용하여 윈도우 크기를 실제로 크게 하지 않고도 동일한 효과를 얻을 수 있도록 하였다. 다음 이 시간지연신경망에서 입력된 음소의 특징 벡터의 시간에 따라 변화하는 성질을 잘 처리 할 수 있도록 시간지연신경회로망의 입력층을 복수의 상태로 나누어 음소특징의 시간축에 대한 각 상태마다 특징 감지기를 갖도록 하였다. 이때 시간지연신경회로망은 전체 음성인식 영역에 적용될 수 있도록 모듈 방식의 구조로 구성되었다. 그리고 이 모듈 구조 시간지연신경망의 출력 벡터를 HMM에 연결하여 서로 결합 하므로써 양 구조의 장점을 취하는 혼성 구조의 인식시스템을 구성하였고 이때 이 혼성 구조에서 효율적으로 적용할 수 있는 HMM 파라미터 smoothing 방법을 제시하였다.

이 논문에서는 카메라로 연속으로 촬영한 일련의 그레이레벨 영상으로부터 전방의 차량을 포착하기 위한 빠른 차선검출방법을 제안한다. 개별 영상에서 가려지지 않는 제한된 영역을 대상으로 차선의 위치를 검출하고, 에지 영상을 이용하여 차선의 기울기를 구한다. 이를 근거로 차량이 존재할 가능성이 있는 관심영역을 구하고 그 영역 내에서 에지 성분을 이용하여 구조적 방법으로 전방 차량의 위치를 포착한다. 제안된 방식의 효과를 검증하기 위해 노트북 PC와 PC용 CCD 카메라로 도로에서의 영상을 촬영하고 차선검출알고리즘을 적용한 처리 시간, 정확도, 차량검지 등의 결과를 보인다.

멀티미디어 프레젠테이션은 강의나 업무 보고, 화상 회의 등 여러 분야에서 활용되고 있다. 이러한 프레젠테이션은 대개 시간적인 구조를 가진 멀티미디어 객체들로 구성되어 있다. 여기서 시간적인 구조는 프레젠테이션을 구성하는 객체들이 전달되어야 하는 시점과 재생 시간 그리고 이러한 객체들 사이에 존재하는 시간적 관계 등을 명시한다. 본 논문에서는 XHTML의 시간적 확장을 통해 웹 문서와 동기화된 멀티미디어 데이터의 통합을 가능하게 하는 방법을 제안한다. 시간적 확장을 위해 (i) 시간적인 구성(temporal composition)을 위한 XHTML＋TIME (Xtime) link을 정의하고, (ii) 상호 공통된 시간을 바탕으로 한 미디어 객체간의 긴밀한 동기화 표현을 지원하며, (iii) 프레젠테이션 스크린의 범위를 명시하는 동적인 레이아웃(layout)을 가능하게 하였다. 또한 멀티미디어 프레젠테이션에서 위와 같은 개념들을 지원하기 위한 연성 있는 실행 구조를 보인다.