• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.133-135
• /
• 2003

시맨틱 웹은 지식을 구조적으로 표현할 수 있는 수단과, 논리를 기반으로 지식을 처리하는 기술을 주요 요소로 포함하고 있다. 후자에 대한 유력한 기술로 기호 논리를 기반으로 한 연역 추론 기법이 폭넓게 응용되고 있으나 아직 초보적인 단계에 머물러 있다. 본 논문은 시맨틱 웹 환경에서 효과적인 추론 기능을 수행할 수 있는 연역 추론 시스템의 설계 및 구현 내용을 담고 있다. 본 논문에서 제시하는 추론 시스템은 표준 기술 논리(Description Logic)의 상당 부분과 혼 논리(Horn Logic) 기반의 논리 프로그래밍을 아우르는 확장된 표현력을 제공하여, RETE 알고리즘 기반의 생성 시스템을 활용하여 추론한다. 또한, 규칙베이스를 구성하는 단위 지식들을 웹 자원화함으로써 온톨로지로 대표되는 시맨틱 웹의 지식 표현력을 확장하였다. 본 논문이 제시하는 추론 시스템을 이용하면 웹 온톨로지 위에 규칙 및 논리 계층［1］을 효과적으로 구현할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.172-174
• /
• 2004

최근 유비쿼터스에 관한 연구가 활발히 진행 중인 가운데, 사용자의 현재 상황을 파악하고 적절한 서비스를 제공해 주기 위하여 위치 정보가 많이 활용되고 있다 이러한 위치 정보는 가정과 같은 실내 환경에서 사용자의 위치 경로와 공간에 구성되어 있는 객체들의 위치를 비교하여, 관계를 탐지하고, 적절한 룰을 사용해 추론함으로써, 사용자에게 필요한 서비스를 요청 없이 자동으로 제공하는데 유용하게 쓰일 수 있다. 본 논문에서는, 가공되지 않은 위치기반의 센서 데이터로부터 상황에 대한 의미를 지닌 컨텍스트(context)를 추론해 내는 시스템의 구조를 제안한다. 본 시스템은 크게 네 개의 계층으로 구성되어 있다. 첫째. 센서 계층(Sensor layer)은 센서로부터 객체의 위치정보를 얻어내어 센서 데이터를 구성한다 둘째, 질적 관계 계층(qualitative layer)은 센서 데이터를 기반으로 하여 객체간의 상대적인 위치 관계를 탐지한다. 셋째, 시공간적 관계 계층(relational layer)은 시간에 따라 축적되는 질적 관계 계층(qualitative layer)의 데이터를 기반으로 하여 객체간의 시간적 공간적인 위치 관계를 추론한다 넷째, 마지막으로 의미적 계층(semantic layer)에서는 객체간의 상황에 안는 의미를 추론함으로써, 서비스 제공을 위한 컨텍스트(context)를 얻는다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.486-489
• /
• 2021

본 논문에서는 KorBERT 한국어 언어모델에 기반하여 텍스트 분류문제를 빈칸채우기 문제로 변환하고 빈칸에 적합한 어휘를 예측하는 방식의 프롬프트기반 분류모델에 대해서 소개한다. [CLS] 토큰을 이용한 헤드기반 분류와 프롬프트기반 분류는 사전학습의 NSP모델과 MLM모델의 특성을 반영한 것으로, 텍스트의 의미/구조적 분석과 의미적 추론으로 구분되는 텍스트 분류 태스크에서의 성능을 비교 평가하였다. 의미/구조적 분석 실험을 위해 KLUE의 의미유사도와 토픽분류 데이터셋을 이용하였고, 의미적 추론 실험을 위해서 KLUE의 자연어추론 데이터셋을 이용하였다. 실험을 통해, MLM모델의 특성을 반영한 프롬프트기반 텍스트 분류에서는 의미유사도와 토픽분류 태스크에서 우수한 성능을 보였고, NSP모델의 특성을 반영한 헤드기반 텍스트 분류에서는 자연어추론 태스크에서 우수한 성능을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.377-380
• /
• 2018

인간의 추론 능력이란 문제에 주어진 조건을 보고 문제 해결에 필요한 것이 무엇인지를 논리적으로 생각해 보는 것으로 문제 상황 속에서 일정한 규칙이나 성질을 발견하고 이를 수학적인 방법으로 법칙을 찾아내거나 해결하는 능력을 말한다. 이러한 인간인지 능력과 유사한 인공지능 시스템을 개발하는데 있어서 핵심적 도전은 비구조적 데이터(unstructured data)로부터 그 개체들(object)과 그들간의 관계(relation)에 대해 추론하는 능력을 부여하는 것이라고 할 수 있다. 지금까지 딥러닝(deep learning) 방법은 구조화 되지 않은 데이터로부터 문제를 해결하는 엄청난 진보를 가져왔지만, 명시적으로 개체간의 관계를 고려하지 않고 이를 수행해왔다. 최근 발표된 구조화되지 않은 데이터로부터 복잡한 관계 추론을 수행하는 심층신경망(deep neural networks)은 관계추론(relational reasoning)의 시도를 이해하는데 기대할 만한 접근법을 보여주고 있다. 그 첫 번째는 관계추론을 위한 간단한 신경망 모듈(A simple neural network module for relational reasoning) 인 RN(Relation Networks)이고, 두 번째는 시각적 관찰을 기반으로 실제대상의 미래 상태를 예측하는 범용 목적의 VIN(Visual Interaction Networks)이다. 관계 추론을 수행하는 이들 심층신경망(deep neural networks)은 세상을 객체(objects)와 그들의 관계(their relations)라는 체계로 분해하고, 신경망(neural networks)이 피상적으로는 매우 달라 보이지만 근본적으로는 공통관계를 갖는 장면들에 대하여 객체와 관계라는 새로운 결합(combinations)을 일반화할 수 있는 강력한 추론 능력(powerful ability to reason)을 보유할 수 있다는 것을 보여주고 있다. 본 논문에서는 관계 추론을 수행하는 심층신경망(deep neural networks) 중에서 Sort-of-CLEVR 데이터 셋(dataset)을 사용하여 RN(Relation Networks)의 성능을 재현 및 관찰해 보았으며, 더 나아가 파라미터(parameters) 튜닝을 통하여 RN(Relation Networks) 모델의 성능 개선방법을 제시하여 보았다.

• Proceedings of the IEEK Conference
• /
• 2005.11a
• /
• pp.1197-1200
• /
• 2005

시맨틱 웹에서 지능형 검색은 잘 구축된 온톨로지의 추론에 의해 가능하다. 온톨로지는 간단히 표현하면 단어와 관계들로 구성된 사전으로서 어느 특정 도메인에 관련된 단어들을 계층적 구조로 표현한다. 이런 구조는 다양한 방법으로 표현이 가능하며 추론에 적합한 구조인 N-TRIPLE로의 변환을 위해 JENA API를 사용한다.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.7
• /
• pp.1791-1800
• /
• 1998

본 논문에서는 Mamdani 방법과 Koczy 방법의 퍼지 추론 알고리즘에 대햇 병렬머신에 적합한 병렬 퍼지 추론 방법을 제안하고, 효율적인 병렬 퍼지 아키텍처를 설계한다. 제안된 아키텍처는 비교적 높은 성능을 갖고, 확장이 용이한 구조로서, 여러개의 FPE(Fuzzy Processing Element), CP(Control Processor), 메모리 모듈, 상호연결망 및 Min 회로로 구성되어 있다. 이러한 구조의 특징은 iqjsWo의 FPE는 I번째의 전건부 및 I번째의 후건부의 처리만을 수행하기 때문에 전건부, 변수들의 처리는 각각 병렬도 수행되고, 후건부의 처리도 또한 각각 병렬로 수행된다. 따라서 프로세서의 활용도가 높아지며, 전건부와 후건부의 변수, 퍼지규칙의수에 관계없이 쉽게 구성할 수 있다. 이러한 구조는 실시간에 고속추론을 요하는 시스템 또는 전건부와 후건부의 변수가 많은 대규모 전문가 시스템에 사용되어 질 수 있으며, MISO(Multiple-input, Single-output) 시스템보다 MIMO(Multiple-input, Multiple-output) 시스템에 특히 적합하다.

• Journal of Internet Computing and Services
• /
• v.8 no.5
• /
• pp.99-108
• /
• 2007

Context-Aware system using ontology is able to infer a context from help by reasoning engine. It can solve the ambiguity of intention reasoning of context-aware system as it is being made a reasoning rule followed reasoning grammar and being helped by reasoning engine, Also, it has a merit that is easy to apply to new environment by excluding reasoning algorithm from the program. In this paper, we are present context-aware system using ontology, We have tested and implemented it at home basis environment to verify of its effectiveness.

• Korean Journal of Cognitive Science
• /
• v.3 no.2
• /
• pp.177-223
• /
• 1992

Three studies examined the Keil's(1983)arguments that ontological categories form a hierarchy and they could be strong constraints on induction.In experiment 1,the jungments of sentence acceptability of 5-year-olds and adults showed that they have the hierarchically structured ontological knowledge.In experiment 2,it has been demonstrated that the both age group of subjects use their ontological knowledge to make inferences about the properties of the unknown things described in terms of a predicate.In the last experiment it has been demonstrated that subject can use the ontological knowledge in order to infer what other things could have the unknown organs.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2567-2569
• /
• 2003

본 논문은 비선형 시스템의 퍼지모델을 위해 정보 Granules 기반 퍼지추론 시스템 모델의 최적화를 제시한다. 퍼지모델은 주로 경험적 방법에 의해 추출되기 때문에 보다 구체적이고 체계적인 방법에 의한 동정 및 최적화 될 필요성이 요구된다. 제안된 규칙베이스 퍼지모델은 HCM 클러스터링 방법, 컴플렉스 알고리즘 및 퍼지추론 방법을 이용하여 시스템 구조와 파라미터 동정을 수행한다. 두 가지 형태의 퍼지모델 추론 방법은 간략추론, 선형추론에 의해 시행된다. 본 논문에서는 퍼지모델의 입력변수와 퍼지 입력 공간 분할 및 입출력 데이타의 중심값을 구해서 후반부 다항식함수에 의한 정보 Granules 기반 구조 동정과 파라미터 동정을 통해 비선형 시스템을 표현한다. 전반부 파라미터의 동정에는 HCM 클러스터링 방법과 컴플렉스 알고리즘을 사용하고, 후반부는 표준 HCM 클러스터링과 표준 최소자승법을 사용하여 동정한다. 그리고 학습 및 테스트 데이타의 성능견과의 상호균형을 얻기 위한 하중값을 가진 성능지수를 제시함으로써 근사화와 예측성능의 향상을 꾀한다. 제안된 비선형 모델의 성능평가를 통해 그 우수성을 보인다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.5
• /
• pp.395-399
• /
• 2001

This paper describes modular fuzzy inference systems(MFIS) with adaptive capability to extract fuzzy inference modules from observation data through the learning process. The proposed MFIS is based on the structural similarity to Tagaki-Sugeno fuzzy models and a modular neural architecture. The learning of MFIS is done by assigning new fuzzy inference modules and by updating the parameters of existing modules. The fuzzy inference modules consist of local model network and fuzzy gating network. The parameters of the MFIS are updated by the standard LMS algorithm. The performance of the MFIS is illustrated with adaptive control of a nonlinear dynamic system.