• Annual Conference on Human and Language Technology
• /
• 1993.10a
• /
• pp.285-293
• /
• 1993

대량의 말뭉치에서 나타나는 맞춤법 오류의 대부분은 타자수의 입력 실수로 인한 것이다. 맞춤법 오류의 유형은 크게 띄어 쓰기 오류, 철자 오류, 띄어 쓰기와 철자의 복합 오류의 세 가지로 나타난다. 이 중, 철자 오류를 표층 형태만으로 표준어 오류, 조사/어미 오류, 자소 대치 오류로 유형을 분류하였다. 본 논문은 300만 말뭉치에서 형태소 분석이 실패한 맞춤법 오류 어절 중에서 띄어 쓰기와 철자 오류를 분석하여, 각 오류 유형에 따른 교정 방법과 자소 대치 규칙 베이스를 이용한 교정 방법을 구현하였다. 또한 형태소 분석기를 거친 40만 어절 사전을 이용한 분석기로 기존의 형태소 분석기를 대치시켜 교정 어절을 검증하였고, 위의 사전에서 추출한 순위 결정 요소와 Heuristic 정보를 이용하여 각 후보 어절에 대한 가중치를 계산하고 가능성이 높은 교정 어절을 제시하는 시스템을 구현하였다.

• Proceedings of the Korea Institute of Fire Science and Engineering Conference
• /
• 2013.11a
• /
• pp.109-110
• /
• 2013

본 논문에서는 기상조건에 따라 실화발생 확률을 추정할 수 있는 방법을 제안한다. 제안한 방법에서는 화재조사데이터와 기상데이터간의 관계를 데이터마이닝 기법인 의사결정트리로 모델링한 후, 생성된 모델을 가지고 기상조건에 따라 실화발생 확률을 추정한다. 16개 시도별로 5년동안 발생된 화재조사데이터와 매시간 관측된 기상데이터를 가지고 각각 시도별로 모델을 생성하였다. 생성된 16개 모델들 모두는 기상조건을 고려하지 않고 확률을 추정한 경우보다 오차가 작았으며, 모델들로부터 생성된 IF~THEN 형태의 규칙들을 통해 실화가 습도와 관련성이 높다는 현업에서의 가정에 부합되는 것을 확인하였다.

• The Korean Journal of Applied Statistics
• /
• v.18 no.3
• /
• pp.661-671
• /
• 2005

The aim of this study is to propose a clustering method, called tree-structured clustering, by recursively partitioning continuous multivariate dat a based on overall $R^2$ criterion with a practical node-splitting decision rule. The clustering method produces easily interpretable clustering rules of tree types with the variable selection function. In numerical examples (Fisher's iris data and a Telecom case), we note several differences between tree-structured clustering and K-means clustering.

• Journal of Intelligence and Information Systems
• /
• v.2 no.2
• /
• pp.55-68
• /
• 1996

인공 지능의 주요 분야 중 하나의 전문가시스템 기술은 현재 산업현장에서 여러 가지 분야의 문제해결에 이용되고 있다. 본 논문은 축 대칭 원통형 제품의 deep drawing 공정 설계를 위한 전문가시스템 DOX(Deep drawing Opertion eXpert)의 개발에 관한 것이다. 시스템의 입력은 원통형 제품의 형상 정보와 재질 정보이며 자동 인식 또는 수동입력의 방법으로 입력된다. 시스템은 이러한 정보를 받아들여 deep drawing 공정설계에 필요한 다수의 요소들을 결정하며, 최종결과로서 process layout 도면을 CAD 시스템에서 자동 출력한다. 개발된 전문가시스템의 지식베이스는 산업 분야 전문가의 전문 지식과 경험지식을 획득, 분석하여 구성하였으며, 추론 전략으로는 규칙기반추론(rule-based reasoning)을 이용하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.87-89
• /
• 2000

정보기술의 발전은 기업들로 하여금 많은 양의 데이터를 기업내부에 축적할 수 있도록 하였지만, 축적된 데이터로부터 기업의 경쟁력을 강화시킬 수 있는 정보를 얻을 수 있는가의 여부는 별개의 문제이다. 즉, 최근 기업들은 최선의 의사결정을 내리는데 필요한 정보 또는 지식을 축적된 데이터로부터 가공해 낼 수 있는가의 여부에 중요한 관심사를 가지고 있다. 데이터마이닝은 바로 이와 같은 요구사항을 충족시키는 새로운 정보기술의 활용방법이다. 본 논문에서는 사용자가 쉽게 데이터마이닝을 접할 수 있게 하기 위해서 데이터마이닝 솔루션인 EasyMiner를 설계하였다. EasyMiner는 데이터베이스에 독립적으로 접근하여, 제공되는 마이닝 기법을 수행할 수 있다. 제공되는 마이닝 기법으로는 분류, 군집화, 연관규칙 그리고 기초통계를 지원하고 있으며 또한 기법들에 의해 생성된 지식들을 사용자에게 쉽게 이해시키기 위해 각 기법의 결과에 대한 가시화를 설계하였다. 본 논문에서는 데이터마이닝 솔루션인 EasyMiner 설계 및 구현에 관하여 제시한다.

• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2833-2835
• /
• 1999

이 논문에서는 임의의 시스템 동정에 사용되는 적응필터의 계수를 최적화시키는 방법으로 광범위하게 사용되어지고 있는 기존의 적응 알고리즘인 Least Mean Square(LMS)방법과 최근들어 다양한 최적화 문제에 응용되고 있는 유전자 알고리즘(GA)을 합성한 하이브리드 형태의 적응 알고리즘을 사용한다. 이 알고리즘은 TIR 필터를 설계하는데 있어, 경사하강법의 개념을 사용함으로써 야기되는 지역 수렴문제의 단점을 보완하기 위해, 미분과 같은 결정론적인 규칙없이 단지 확률적인 연산자만으로 진행하는 유전자 알고리즘을 이용한다. 그리고 유전자 알고리즘에 있어서 확률적인 연산을 사용함으로써 발생하는 많은 계산량과 느린 수렴속도 문제를 LMS의 경사하강법을 이용하여 보완한다. 이처럼 유전자 알고리즘이 지닌 장점과 LMS 알고리즘이 갖는 장점을 이용하여 각 알고리즘이 지니는 단점을 서로 보완함으로써 알고리즘의 성능을 향상시키고 이 향상된 알고리즘을 이용하여 최적 필터계수를 찾는다 이렇게 얻은 필터계수값을 이용하여 적응 필터의 성능을 확인 평가한다.

• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2977-2979
• /
• 1999

본 논문에서는 MEBP(Modified Error Back-Propagation) 학습 규칙을 간단한 비선형 회로를 이용하여 구현하였다. 인공 신경 회로망(ANNs : Artificial Neural Networks)은 많은 수의 뉴런을 필요하기 때문에 표준 CMOS 기술을 이용하는 간단한 비선형 시냅스(synapse) 회로는 인공 신경 회로망 구현에 적합하다. 학습회로는 비선형 시냅스 회로. 시그모이드(sigmoid) 회로. 그리고 선형 곱셈기로 구성되어 있다. 학습 회로의 출력은 각 입력 패턴에 따라 유일한 값으로 결정되어진다. 제안한 학술회로를 $2{\times}2{\times}1$과 $2{\times}3{\times}1$ 다층 feedforward 신경 회로망 모델에 적용하였다. MEBP 하드웨어 구현은 HSPICE 회로 시뮬레이터를 이용하여 검증하였다. 제안한 학술 회로는 on-chip 학습회로를 포함한 대규모 신경회로망 구현에 매우 적합하리라 예상된다.

• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2974-2976
• /
• 1999

본 논문에서는 단일패턴과 다중패턴 학습이 가능한 FNNs(Feedforward Neural Networks)을 하드웨어로 구현하는데 필요한 학습방안을 제안한다. 제안된 학습방안은 기존의 하드웨어 구현에 이용되는 방식과는 전혀 다른 방식이며, 오히려 기존의 소프트웨어 학습방식과 유사하다. 기존의 하드웨어 구현에서 사용되는 방법은 오프라인 학습이나 단일패턴 온 칩(on-chip) 학습방식인데 반해, 제안된 학습방식은 단일/다중패턴은 칩 학습방식으로 다층 FNNs 회로와 학습회로 사이에 스위칭 회로를 넣어 구현되었으며, FNNs의 학습회로는 선형 시냅스 회로와 선형 곱셈기 회로를 사용하여MEBP(Modified Error Back-Propagation) 학습규칙을 구현하였다. 제안된 방식은 기존의 CMOS 공정으로 구현되었고 HSPICE 회로 시뮬레이터로 그 동작을 검증하였다 구현된 FNNs은 어떤 학습패턴 쌍에 의해 유일하게 결정되는 출력 전압을 생성한다. 제안된 학습방안은 향후 학습 가능한 대용량 신경망의 구현에 매우 적합하리라 예상된다.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2546-2548
• /
• 2003

G-K 클러스터링이 가지는 우수한 클러스터 분류 성능에도 불구하고 데이터의 편중 및 분포 밀도에 의하여 클러스터링의 결과과 만족스럽지 못하는 경우가 발생한다. 제안된 방법에서는, G-K 클러스터링에서 데이터의 분포 및 밀도 등과 같은 다양한 조건에 대한 문제를 동시에 고려함으로써 클러스터링 결과를 개선한다. G-K 클러스터링에서 일부 파라미터의 수동적 파라미터 결정 방법을 Mountain 방법을 이용하여 능동적인 알고리즘으로 대치하여 클러스터 최적화 과정을 더욱 용이하게 한다. 이러한 클러스터링의 장점은 뉴로-퍼지 모델의 규칙 감소와 성능개선으로 나타나며 이를 시뮬레이션을 통하여 보이고자 한다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 1999.11a
• /
• pp.47-52
• /
• 1999

데이타 마이닝이란 축적된 방대한 양의 실제 데이타로부터 이전에는 알지 못했던, 숨겨진 임의의 규칙성들을 비전통적인 방식으로 발견해 내는 작업을 말한다. 많은 데이타로부터 무엇인가 흥미로운 경향이나 패턴을 발굴해 내는 것이 데이타 마이닝의 목적이다. 본 연구에서는 다양한 측정값으로 표현되는 \circled1 인지 유형 데이타와, \circled2 생리적 반응 특성 데이터가 \circled3 직관적 예측의 성과에 미치는 영향을 데이타 마이닝 기술을 이용하여 분석함으로써 존재하는 규칙적인 관련성을 탐사하였다. 현재까지 분석한 바로는 첫째, 분석적인 사람이 직관적인 사람보다 예측이 더 정확한 경향이 있었다. 둘째, 실험 전과 실험중 간의 뇌파증가율이 높거나 뇌파량이 적으면 분석적인 사람일 가능성이 많았다. 셋째, 분석적인 사람은 실험 전에 뇌파량이 적을수록 더 정확해지며, 직관적인 사람은 실험전에 뇌파량이 많을수록 더 정확해지는 것으로 관측되었다.