• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.12 no.2
• /
• pp.157-157
• /
• 1998

이 논문은 브리시리스 직류전동기의 구동 인버터의 실시간 데이터를 이용한 고장진단에 관한 것이다. 구동 인버터의 고장유형을 파악하여 주요 고장증세별로 분류하고, 고장결과를 예측하여 ASCL로 시뮬레이션함으로써 지식 베이스로 구성하였다. 구동 인버터에 대해 실시간으로 감시된 데이터는 전문가 시스템의 추론기관에서 시뮬레이션된 지식베이스와 비교하게 된다. 고장이 발생하면, 운전을 중지시킨 후, 전문가 추론을 함으로써 고장원인을 진단한다. 이로써 구동 인버터에 대해 전문적인 지식을 갖고 있지 않는 사용자에게, 고장원인 제거 및 수리대책에 관한 전문가의 지식을 신속히 제공하는 것이다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.213-216
• /
• 2005

W3C에서는 온톨로지의 표준 언어로 OWL(Web Ontology Language)을 발표하였고 이를 활용한 온톨로지가 다양한 곳에 적용되어 구축이 되고 있다. 하지만, DL(Description Logic)기반인 OWL언어가 표현할 수 있는 규칙의 한계로 인하여 이를 확장하기 위한 연구가 활발히 진행되고 있다. 이러한 연구를 통하여 W3C에서는 OWL과 RuleML(Rule Markup Language)을 통합하여 규칙(Rule)에 대한 표현력이 더욱 향상된 SWRL(Semantic Web Rule Language) 언어를 제안하였다. 현재 이러한 연구는 OWL, SWRL 온톨로지 언어를 활용하고 Racer, Jess와 같은 엔진을 통하여 추론을 하는 형태로 활성화 되어 가고 있다. 하지만 이러한 형태로 온톨로지를 구축하는데 있어서 Racer를 이용한 DL추론, Jess를 이용한 Rule-base추론이 병행되고 있다. 이에 따라 본 논문에서는 온톨로지를 추론하기 위한 엔진으로 Racer와 Jess의 병행이 아닌, Jess를 이용하여 DL기반언어인 OR온톨로지를 추론하는 것 뿐 만 아니라 SWRL언어의 규칙 또한 추론할 수 있도록 한다. 이러한 시스템을 구축하기 위해 OWL을 Jess언어를 이용하여 추론할 수 있도록 개발된 OWLJessKB라는 툴과 SWRL언어를 추론하기 위해 Jess언어로 변환하여 이를 추론하는 SWRL Factory, 그리고 이출 이용하여 통합 추론하기 위한 세가지 통합 추론 플랫폼을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06c
• /
• pp.293-298
• /
• 2007

연구자의 R&D 전주기 과정을 지원하기 위해 KISTI에서 2006년 개발된 OntoFrame$^{(R)}$은 과학기술 온톨로지와 DBMS 기반 추론 시스템을 적용하여 추론 서비스를 제공하였다. 2007년 개발중인 OntoFrame$^{(R)}$의 추론 시스템은 대량의 인스턴스를 대상으로 빠른 추론 성능을 제공하기 위해서 저장 구조 변경 및 추론 프로세스 변경을 통해 추론 시스템의 성능을 개선하는데 중점을 두고 있다. 본 연구에서는 추론 시스템의 개선을 위해서 RDF 트리플의 데이터 구조 및 테이블 구조 변경, EMPV(Expanded Multiple Properties View) 개발 및 도입, 추론 서비스와 추론 시스템의 프로세스 변경, 저장 구조 관리기의 개발 연구를 수행하였다. 데이터 구조 및 테이블 구조 변경을 통해서 저장 공간의 오버헤드를 개선하였고, EMPV의 도입을 통해서 트리플 저장 구조의 비효율적인 자료 접근 방식을 개선하였으며, 프로세스 개선을 통해 추론에 소용되는 시간을 단축하였다. 또한 관리기 도입을 통해서 사용자 편의성 및 추론 시스템의 관리 기능을 제공하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.11a
• /
• pp.457-460
• /
• 2005

본 논문에서는 추론규칙을 통한 온톨로지 구축과 이를 이용한 지능형 여행 추천 시스템 적용 방법에 대해 제안하고자 한다. 사용자 프로파일과 질의어 분석을 통한 사용자 성향 분석은 메타데이터 파일로 작성되며, 지능형 여행 추천을 위한 여행 온톨로지 및 Description Logic을 기반으로 생성된 추론 규칙은 정보 저장소에 저장한다. 온톨로지를 이용한 정보 검색은 다양하고 복잡한 조건에서 검색이 가능하였고, 인스턴스 추가시 각 클래스의 재생성 과정 없이 규칙의 설정만으로 쉽게 인스턴스를 추가할 수 있었다.

• Journal of The Korean Association For Science Education
• /
• v.38 no.5
• /
• pp.599-610
• /
• 2018

The purpose of this study is to analyze mechanistic reasoning in Fabre's inquires and to develop mechanistic reasoning model. To analyze the order of the process elements in mechanistic reasoning, 30 chapters were selected in book. Inquiries were analyzed through a framework which is based on Russ et al. (2008). The nine process elements of mechanistic reasoning that was presented in Fabre's inquires were as follows: Describing the Target Phenomenon, Identifying prior Knowledge, Identifying Properties of Objects, Identifying Setup Conditions, Identifying Activities, Conjecturing Entities, Identifying Properties of Entities, Identifying Entities, and Organization of Entities. The order of process elements of mechanistic reasoning was affected by inquiry's subject, types of question, prior knowledge and situation. Three mechanistic reasoning models based on the process elements of mechanistic reasoning were developed: Mechanistic reasoning model for Identifying Entities(MIE), Mechanistic reasoning model for Identifying Activities(MIA), and Mechanistic reasoning model for Identifying Properties of entities (MIP). Science teacher can help students to use the questions of not only "why" but also "How", "If", "What", when students identify entities or generate hypotheses. Also science teacher should be required to understand mechanistic reasoning to give students opportunities to generate diverse hypotheses. If students can't conjecture entities easily, MIA and MIP would be helpful for students.

• The Journal of the Korea Contents Association
• /
• v.8 no.12
• /
• pp.1-9
• /
• 2008

Fuzzy Cognitive Map, one of ways to model, describe and infer reasoning relations, is widely used in the field of reasoning knowledge engineering. Despite of the natural and easy understanding of decision and smooth explanation of relation between front and rear, reasoning relation is organized with mathematical haziness and complex algorithm and rarely has an interactive user interface. This paper suggests an interactive Fuzzy Cognitive Map(FCM) construction support system. It builds a FCM increasingly concerning multiple experts' knowledge. Futhermore, it supports user-supportive environment by dynamically displaying the structure of Fuzzy Cognitive Map which is constructed by the interaction between experts and the system.

• The Korean Journal of Applied Statistics
• /
• v.27 no.7
• /
• pp.1077-1095
• /
• 2014

Unlike randomized trial, statistical strategies for inferring the unbiased causal relationship are required in the observational studies. Recently, new methods for the causal inference in the observational studies have been proposed such as the matching with the propensity score or the inverse probability treatment weighting. They have focused on how to control the confounders and how to evaluate the effect of the treatment on the result variable. However, these conventional methods are valid only when the treatment variable is categorical and both of the treatment and the result variables are directly observable. Research on the causal inference can be challenging in part because it may not be possible to directly observe the treatment and/or the result variable. To address this difficulty, we propose a method for estimating the average causal effect when both of the treatment and the result variables are latent. The latent class analysis has been applied to calculate the propensity score for the latent treatment variable in order to estimate the causal effect on the latent result variable. In this work, we investigate the causal effect of adolescents delinquency on their substance use using data from the 'National Longitudinal Study of Adolescent Health'.

• The Korean Journal of Applied Statistics
• /
• v.30 no.5
• /
• pp.615-632
• /
• 2017

Unlike randomized trial, statistical strategies for inferring the unbiased causal relationship are required in the observational studies. The matching with the propensity score is one of the most popular methods to control the confounders in order to evaluate the effect of the treatment on the outcome variable. Recently, new methods for the causal inference in latent class analysis (LCA) have been proposed to estimate the average causal effect (ACE) of the treatment on the latent discrete variable. They have focused on the application study for the real dataset to estimate the ACE in LCA. In practice, however, the true values of the ACE are not known, and it is difficult to evaluate the performance of the estimated the ACE. In this study, we propose a method to generate a synthetic data using the propensity score in the framework of LCA, where treatment and outcome variables are latent. We then propose a new method for estimating the ACE in LCA and evaluate its performance via simulation studies. Furthermore we present an empirical analysis based on data form the 'National Longitudinal Study of Adolescents Health,' where puberty as a latent treatment and substance use as a latent outcome variable.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06a
• /
• pp.17-18
• /
• 2007

데이터베이스 튜닝은 일반적으로 데이터베이스 어플리케이션을 "좀 더 빠르게" 실행하게 하는 일련의 활동을 뜻한다[1]. 데이터베이스 관리자가 튜닝에 필요한 주먹구구식 룰(Rule of thumb)들을 모두 파악 하고 상황에 맞추어 적용하는 것은 비싼 비용과 오랜 시간을 요구한다. 그렇게 때문에 서로 다른 어플 리케이션들이 맞물려 있는 복잡한 서비스는 필수적으로 자동화된 데이터베이스 성능 관리와 튜닝을 필 요로 한다. 본 논문에서는 이를 해결하기 위하여 지식 도매인(Knowledge Domain)을 기초로 한 자동화 된 데이터베이스 튜닝 원칙(Tuning Principle)을 제시하는 시스템을 제안한다. 각각의 데이터베이스 튜닝 이론들은 지식 도매인의 지식으로 활용되며, 성능에 영향을 미치는 요소들을 개체(Object)와 콘셉트 (Concept)로 구성하고 추론 시스템을 통해 튜닝 원칙을 추론하여 쉽고 빠르게 현재 상황에 맞는 튜닝 방법론을 적용시킬 수 있다. 자동화된 데이터베이스 튜닝에 대해 여러 분야에 걸쳐 학문적인 연구가 이루어지고 있다. 그 예로써 Microsoft의 AutoAdmin Project[2], Oracle의 SQL 튜닝 아키텍처[3], COLT[4], DBA Companion[5], SQUASH[6] 등을 들 수 있다. 이러한 최적화 기법들을 각각의 기능적인 방법론에 따라 다시 분류하면 크게 Design Tuning, Logical Structure Tuning, Sentence Tuning, SQL Tuning, Server Tuning, System/Network Tuning으로 나누어 볼 수 있다. 이 중 SQL Tuning 등은 수치적으로 결정되어 이미 존재하는 정보를 이용하기 때문에 구조화된 모델로 표현하기 쉽고 사용자의 다양한 요구에 의해 변화하는 조건들을 수용하기 쉽기 때문에 이에 중점을 두고 성능 문제를 해결하는 데 초점을 맞추었다. 데이터베이스 시스템의 일련의 처리 과정에 따라 DBMS를 구성하는 개체들과 속성, 그리고 연관 관계들이 모델링된다. 데이터베이스 시스템은 Application / Query / DBMS Level의 3개 레벨에 따라 구조화되며, 본 논문에서는 개체, 속성, 연관 관계 및 데이터베이스 튜닝에 사용되는 Rule of thumb들을 분석하여 튜닝 원칙을 포함한 지식의 형태로 변환하였다. 튜닝 원칙은 데이터베이스 시스템에서 발생하는 문제를 해결할 수 있게 하는 일종의 황금률로써 지식 도매인의 바탕이 되는 사실(Fact)과 룰(Rule) 로써 표현된다. Fact는 모델링된 시스템을 지식 도매인의 하나의 지식 개체로 표현하는 방식이고, Rule 은 Fact에 기반을 두어 튜닝 원칙을 지식의 형태로 표현한 것이다. Rule은 다시 시스템 모델링을 통해 사전에 정의되는 Rule와 튜닝 원칙을 추론하기 위해 사용되는 Rule의 두 가지 타업으로 나뉘며, 대부분의 Rule은 입력되는 값에 따라 다른 솔루션을 취하게 하는 분기의 역할을 수행한다. 사용자는 제한적으로 자동 생성된 Fact와 Rule을 통해 튜닝 원칙을 추론하여 데이터베이스 시스템에 적용할 수 있으며, 요구나 필요에 따라 GUI를 통해 상황에 맞는 Fact와 Rule을 수동으로 추가할 수도 었다. 지식 도매인에서 튜닝 원칙을 추론하기 위해 JAVA 기반의 추론 엔진인 JESS가 사용된다. JESS는 스크립트 언어를 사용하는 전문가 시스템[7]으로 선언적 룰(Declarative Rule)을 이용하여 지식을 표현 하고 추론을 수행하는 추론 엔진의 한 종류이다. JESS의 지식 표현 방식은 튜닝 원칙을 쉽게 표현하고 수용할 수 있는 구조를 가지고 있으며 작은 크기와 빠른 추론 성능을 가지기 때문에 실시간으로 처리 되는 어플리케이션 튜닝에 적합하다. 지식 기반 모률의 가장 큰 역할은 주어진 데이터베이스 시스템의 모델을 통하여 필요한 새로운 지식을 생성하고 저장하는 것이다. 이를 위하여 Fact와 Rule은 지식 표현 의 기본 단위인 트리플(Triple)의 형태로 표현된다, 트리플은 Subject, Property, Object의 3가지 요소로 구성되며, 대부분의 Fact와 Rule들은 트리플의 기본 형태 또는 트리플의 조합으로 이루어진 C Condition과 Action의 두 부분의 결합으로 구성된다. 이와 같이 데이터베이스 시스템 모델의 개체들과 속성, 그리고 연관 관계들을 표현함으로써 지식들이 추론 엔진의 Fact와 Rule로 기능할 수 있다. 본 시스템에서는 이를 구현 및 실험하기 위하여 웹 기반 서버-클라이언트 시스템을 가정하였다. 서버는 Process Controller, Parser, Rule Database, JESS Reasoning Engine으로 구성 되 어 있으며, 클라이 언트는 Rule Manager Interface와 Result Viewer로 구성되어 었다. 실험을 통해 얻어지는 튜닝 원칙 적용 전후의 실행 시간 측정 등 데이터베이스 시스템 성능 척도를 비교함으로써 시스템의 효용을 판단하였으며, 실험 결과 적용 전에 비하여 튜닝 원칙을 적용한 경우 최대 1초 미만의 전처리에 따른 부하 시간 추가와 최소 약 1.5배에서 최대 약 3배까지의 처리 시간 개선을 확인하였다. 본 논문에서 제안하는 시스템은 튜닝 원칙을 자동으로 생성하고 지식 형태로 변형시킴으로써 새로운 튜닝 원칙을 파생하여 제공하고, 성능에 영향을 미치는 요소와 함께 직접 Fact과 Rule을 추가함으로써 커스터마이정된 튜닝을 수행할 수 있게 하는 장점을 가진다. 추후 쿼리 자체의 튜닝 및 인텍스 최적화 등의 프로세스 자동화와 Rule을 효율적으로 정의하고 추가하는 방법 그리고 시스템 모델링을 효과적으로 구성하는 방법에 대한 연구를 통해 본 연구를 더욱 개선시킬 수 있을 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.200-204
• /
• 2006

본 논문은 지식 기반 정보유통 플랫폼 OntoFrame-K$^{(R)}$ 상에서 추론을 이용하여 연구자 간 협업 서비스를 제공할 수 있도록 하는 DBMS 기반 추론 서비스 OntoThink-K$^{(R)}$에 대해 기술한다. 본 추론 서비스는 URI 서버를 이용하여 RDF 트리플을 생성하고 추론 규칙에 의해 해당 트리플을 확장하며 SPARQL을 통해 질의 결과를 생성해낸다. 특히 이 모든 과정은 DBMS 기반으로 설계 구현되었는데 URI 서버와 성과 비성과 등록 인터페이스를 통해 별도의 추론 엔진을 사용하지 않고도 정합성이 보장되는 지식을 생성 관리할 수 있도록 하며, 불안정한 성능을 보이는 추론 엔진을 이용하지 않기 때문에 안정적인 성능을 보장할 수 있다는 데 그 특징이 있다. OntoThink-K$^{(R)}$는 온톨로지 스키마 트리플, 인스턴스 트리플, 그리고 전방 추론을 통해 획득한 추가 트리플을 포함하는 확장 트리플을 기반 지식으로 하는데, 최종 사용되는 RDF 트리플의 크기는 지식 확장 이전 631,158개, 지식 확장 이후 1,112,100개이다.