• 제목/요약/키워드: 귀납 프로세스

검색결과 2건 처리시간 0.013초

귀납적 일반화를 이용한 형태지식의 습득과 디자인에 관한 연구 (A Study on the Learning Shape Knowledge and Design with Inductive Generalization)

  • 차명열
    • 한국실내디자인학회논문집
    • /
    • 제19권6호
    • /
    • pp.20-29
    • /
    • 2010
  • Art historians and critics have defined the style as common features appeared in a class of objects. Abstract common features from a set of objects have been used as a bench mark for date and location of original works. Commonalities in shapes are identified by relationships as well as physical properties from shape descriptions. This paper will focus on how the computer and human can recognize common shape properties from a class of shape objects to learn design knowledge. Shape representation using schema theory has been explored and possible inductive generalization from shape descriptions has been investigated. Also learned shape knowledge can be used. for new design process as design concept. Several design process such as parametric design, replacement design, analogy design etc. are used for these design processes. Works of Mario Botta and Louis Kahn are analyzed for explicitly clarifying the process from conceptual ideas to final designs. In this paper, theories of computer science, artificial intelligence, cognitive science and linguistics are employed as important bases.

베이지안 네트워크 기반에 자가관리를 위한 결함 지역화 (Fault Localization for Self-Managing Based on Bayesian Network)

  • 박순선;박정민;이은석
    • 정보처리학회논문지B
    • /
    • 제15B권2호
    • /
    • pp.137-146
    • /
    • 2008
  • 결함 지역화는 관찰된 결함의 근본 원인을 자동 인식 하는 것이 가능하기 때문에 규모가 큰 분산시스템에서 중요 역할 수행하며 시스템의 신뢰성 개선을 위해 시스템의 관리와 제어가 가능한 자가 관리를 지원한다. 결함 지역화를 지원하는 기존 연구들은 유비쿼터스 환경에서 베이지안 네트워크와 같은 인공지능 기술들을 주로 사용하여 진단과 예측 기능 중 하나만을 고려하고 있다. 따라서, 본 논문에서는 시스템의 신뢰성 개선을 위해 실시간 시스템 성능 스트림에 대한 학습을 통해 자가관리를 위한 확률적 의존 분석을 기반으로 하는 결함 지역화 방법을 제안하여 진단과 예측기능을 동시 제공한다. 학습 방법으로 베이지안 네트워크 알고리즘을 사용하여 각종 관련된 요소들을 연결함으로써 네트워크를 생성하고 확률적 의존 관계를 통해 귀납적과 연역적 추론기능을 제공한다. 베이지안 네트워크의 구성은 노드들간의 연관성을 찾아내는 것이 중요하기 때문에 그것을 구성하는 인자의 개수가 많은 경우 노드 순서 리스트를 추출하는 사전처리 과정이 필요하다. 따라서 전체 모델링 프로세스에 대한 개선이 요구된다. 이러한 문제를 해결하기 위해 발생한 문제와 관련성이 높은 노드 순서 리스트를 추출하는 방법을 제공한다. 구조 학습을 지원 하는 사전처리 방법을 통해 다양한 문제 영역에서의 학습 효율성을 높이며 학습에 필요로 되는 시간을 줄인다. 제안 방법론을 통해서 시스템의 자원 문제를 신속하고 정확하게 진단하는 것이 가능하며, 관찰된 정보를 기반으로 실행 중에 발생되는 잠재적인 문제를 예측하는 것이 가능하다. 시스템 성능 평가 영역에서 제안 방법론을 적용한 시스템 성능 분석을 기반으로 진단, 예측의 효율성과 정확성을 평가하여 제안 방법론의 유효성을 입증하였다.