• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.291-292
• /
• 2009

모바일 장치에서 얻을 수 있는 정보는 의미 있는 다양한 개인 정보를 가지고 있다. 본 논문에서는 모바일 장치에서 얻을 수 있는 정보를 분석하여 특이성을 추론하는 방법을 제안한다. 특이성 추론 방법으로 인과관계의 지식을 모델링하고 표현하며 추론하는 주요 형식화 방법의 하나인 FCM(Fuzzy Cognitive Map)을 사용하였다. 제안된 방법은 모바일 장치에서 얻은 정보와 추론된 특이성을 개념노드로 이용하여 새로운 특이성을 추론하며, 개념노드간의 인과관계를 효율적으로 표현한다.

• Journal of Advanced Navigation Technology
• /
• v.3 no.1
• /
• pp.44-51
• /
• 1999

In this paper we proposed an output voltage regulation scheme of a single-phase PWM inverter used to obtain a 400 Hz sinusoidal AC voltage for an aircraft. The fuzzy-inference control scheme is designed to achieve good output voltage tracking in the presence of load change or parameter variations. The PWM gate signals are determined by the fuzzy-inference controller using the error between the reference voltage and the feedback voltage and the derivative of error. The tracking performance of.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.237-240
• /
• 2007

본 논문에서는 유전자 발현데이터로부터 유전자 조절네트워크를 추론하는 유전자 알고리즘을 제안한다. 근래에 유전자 알고리즘을 이용하여 유전자 조절네트워크를 추론하려는 시도가 있었으나 그리 성공적이지 못하였다. 우리는 본 논문에서 유전자 조절네트워크를 보다 효율적으로 추론할 수 있게 하기 위하여 새로운 유전자 인코딩 기법을 개발하여 적용하였다. 선형 유전자 조절네트워크로 모델링 된 인공 유전자 조절네트워크를 사용하여 실험한 결과 대부분의 경우에 있어서 주어진 인공 유전자 조절네트워크와 유사한 네트워크를 추론하였으며 완전히 동일한 유전자네트워크를 추론하기도 하였다. 향후 실제 유전자 발현 데이터를 이용하여 추론해 보는 것이 필요하다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.236-239
• /
• 2004

현대의 다양한 심리적 갈등을 해결하기 위해 많은 연구가 진행되어지고 있다. 기존지 심리 진단 방식은 전문 상담인을 직접 찾아가서 상담을 받고 진단해야 하는 등에 여러 과정을 거쳐야만 했다. 본 논문에서는 이러한 복잡한 과정을 거치지 않고 온라인상에서 사용자의 상태를 입력하면 퍼지 추론을 이용하여 현재 사용자의 심리상태를 파악하여 진단하는 진단시스템을 구성하였다. 또한 공격적 추론과 퇴행적 추론을 모두 고려한 복합추론으로 결과 값을 도출하는 방법을 제안하였고, 제안된 추론법을 심리진단 시스템에 적용하였다.

• Proceedings of the Korean System Dynamics Society
• /
• 2003.02a
• /
• pp.57-64
• /
• 2003

시스템 다이내믹스는 인과지도(Causal map)를 통한 시스템 이해를 그 출발점으로 한다. 특히 시스템 사고(systems thinking)는 저량-유량 흐름도를 통한 컴퓨터 시뮬레이션을 통하지 않고서 인과지도 분석만을 통한 시스템의 이해를 시도한다. 그러나 과연 인파지도만을 가지고 시스템을 동태적 변화를 이해/예측할 수 있는가에 관하여는 낙관적 전망과 부정적 전망이 혼재되어 있는 상황이다. 본 연구에서는 인과지도 구축을 통하여 시스템의 변화를 이해하는 데 있어서 어떠한 인지적 편향(bias)이 개입되는지를 탐색하고자 한다. 만일 심리적 편향이 존재한다면. 시스템 사고는 오류로부터 자유로울 수 없을 것이다. 본 연구에서는 이러한 오류의 존재를 탐색함으로써 시스템 사고의 제한정과 그 극복방안에 관하여 논의하고자 한다.(중략)

• Journal of KIISE:Software and Applications
• /
• v.36 no.5
• /
• pp.411-419
• /
• 2009

In order to derive hidden Information (concept subsumption, concept satisfiability and realization) of OWL ontologies, a number of OWL reasoners have been introduced. Most of the reasoners were implemented to be based on tableau algorithm. However this approach has certain limitation. This paper presents architecture for Medusa. The Medusa is an extended DL-reasoner for SWRL(Semantic Web Rule Language) reasoning under well-founded semantics with ontologies specified in Description Logic. Description logic based ontology reasoners theoretically explore knowledge representation and its reasoning in concept languages. However these logics are not equipped with rule-based reasoning mechanisms for assertional knowledge base; specifically, rule and facts in logic programming, or interaction of rules and facts with terminology. In order to deal with the enriched reasoning, The Medusa provides combining DL-knowledge base and rule based reasoner. The described prototype uses $Prot{\acute{e}}g{\acute{e}}$ API[1] for controlling communication with the ontology reasoner.

• KIPS Transactions on Software and Data Engineering
• /
• v.6 no.2
• /
• pp.103-116
• /
• 2017

In this paper, we present the design and implementation of a large-scale qualitative spatial reasoner, which can derive new qualitative spatial knowledge representing both topological and directional relationships between two arbitrary spatial objects in efficient way using Aparch Spark SQL. Apache Spark SQL is well known as a distributed parallel programming environment which provides both efficient join operations and query processing functions over a variety of data in Hadoop cluster computer systems. In our spatial reasoner, the overall reasoning process is divided into 6 jobs such as knowledge encoding, inverse reasoning, equal reasoning, transitive reasoning, relation refining, knowledge decoding, and then the execution order over the reasoning jobs is determined in consideration of both logical causal relationships and computational efficiency. The knowledge encoding job reduces the size of knowledge base to reason over by transforming the input knowledge of XML/RDF form into one of more precise form. Repeat of the transitive reasoning job and the relation refining job usually consumes most of computational time and storage for the overall reasoning process. In order to improve the jobs, our reasoner finds out the minimal disjunctive relations for qualitative spatial reasoning, and then, based upon them, it not only reduces the composition table to be used for the transitive reasoning job, but also optimizes the relation refining job. Through experiments using a large-scale benchmarking spatial knowledge base, the proposed reasoner showed high performance and scalability.

• Journal of The Korean Association For Science Education
• /
• v.38 no.5
• /
• pp.635-647
• /
• 2018

Motivated reasoning refers to biased reasoning that is affected by motivation to achieve a particular result or goal. In this study, we attempted a theoretical study on motivated reasoning that hinders the development of scientific thinking and empirical study on actual context of motivated reasoning in the research experiences of next-generation Korean researchers in the field of science and technology. To be specific, literature reviews were conducted to explore the psychological meaning of motivated reasoning and its negative impact on scientific thinking and science research. To understand the substantial meaning and context of motivated reasoning in the field of real science and technology research, we conducted in-depth interviews with eight graduate students and one young science and technology researcher. As a result of the literature reviews, we found out that motivated reasoning can interfere with the proper theory and data coordination, which is the core process of scientific thinking at the individual level. At the socio-cultural level, it can lead to cessation of constructing scientific knowledge and it can act as a mechanism in the process of using science for specific socio-cultural beliefs or purposes, thereby hindering the development of science and technology based on rationale and objective scientific thinking. Quantitative analysis with in-depth interview data showed that graduate students and the young researcher's experienced motivated reasoning results in trying to protect prior beliefs, make hasty conclusions, protecting socio-cultural belief or rationalizing decisions made by their community. Their motivated reasoning could become an obstacle in constructing valid science and technology knowledge through appropriate theory and evidence coordination. Based on these findings we discussed science education for improving scientific thinking.

• Journal of KIISE
• /
• v.43 no.1
• /
• pp.61-70
• /
• 2016

In recent years, there has been a need for techniques for large-scale ontology inference in order to infer new knowledge from existing knowledge at a high speed, and for a diversity of semantic services. With the recent advances in distributed computing, developments of ontology inference engines have mostly been studied based on Hadoop or Spark frameworks on large clusters. Parallel programming techniques using GPGPU, which utilizes many cores when compared with CPU, is also used for ontology inference. In this paper, by combining the advantages of both techniques, we propose a new method for reasoning large RDFS ontology data using a Spark in-memory framework and inferencing distributed data at a high speed using GPGPU. Using GPGPU, ontology reasoning over high-capacity data can be performed as a low cost with higher efficiency over conventional inference methods. In addition, we show that GPGPU can reduce the data workload on each node through the Spark cluster. In order to evaluate our approach, we used LUBM ranging from 10 to 120. Our experimental results showed that our proposed reasoning engine performs 7 times faster than a conventional approach which uses a Spark in-memory inference engine.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.157-159
• /
• 2004

시맨틱 웹 기술을 활용한 시맨틱 검색은 문서의 의미를 온톨로지의 메타데이터로 생성하여 이를 바탕으로 검색을 수행하게 된다. 이와같은 온톨로지 기반의 시맨틱 검색은 논리를 바탕으로 추론을 적용할 수 있다. 본 논문에서는 온톨로지 기반의 추론을 적용한 시맨틱 검색 시스템을 언급하고 시맨틱 검색 시스템에서의 성능향상을 위해 추론엔진의 작업메모리 영역의 부하를 줄여 기존의 시스템보다 빠른 성능의 시맨틱 검색 시스템을 제안한다. 본 논문에서 시맨틱 검색 시스템의 성능향상을 위한 방법론으로는 다음과 같다 첫째, 추론엔진이 검색 도메인내의 전체 메타데이터를 가지고 추론을 수행하지 않고 메타데이터의 온톨로지부분 만을 사용하여 사용자가 원하는 질의문을 추론하여 검색에 사용하게 한다. 둘째, 시맨틱 검색 방법에서 Dirtectly 매칭 검색과 시맨틱 추론검색을 병행하여 수행하게 한다. 이를 위해 본 논문에서는 메타데이터의 온톨로지부분과 인스턴스부분을 분리하는 단계와 분리된 온톨로지부분에서 사용자가 원하는 질의를 추론하는 단계, 추론된 질의문을 검색시스템에서 매칭하는 단계를 수행하게 된다. 이러한 방법은 메타데이터의 양이 증가하여도 온톨로지부분은 증가하지 않으므로 추론엔진에서 전 방향 추론단계의 수행시간을 단축과 추론엔진의 호출 횟수를 단축시키는 결과를 가져온다.