• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2007년도 제19회 한글 및 한국어 정보처리 학술대회
• /
• pp.290-294
• /
• 2007

온톨로지가 점점 복잡한 스키마와 많은 인스턴스를 갖고있지만 아직까지 수천만개 이상의 인스턴스를 가지는 온톨로지에 대해서는 고려되고 있지 않은 현실이다. 인스턴스 생성 도구의 경우 독립적 인스턴스를 생성하거나 인스턴스 생성을 지원하는 기능에 초점을 두고 있다. 하지만 관리되는 인스턴스의 수가 늘어남에 따라 기존과 같은 인스턴스 생성 방법은 인스턴스간의 관계를 맺을 때 많은 어려움을 초래하게 된다. 따라서 우리는 계층적으로 인스턴스를 생성할 수 있는 히스토리 기반의 온톨로지 인스턴스 관리 도구를 구현하였다. 예를 들어 기존의 도구들은 도메인과 레인지로 연결된 두 클래스의 인스턴스간 관계를 맺을 때는 레인지에 해당하는 인스턴스가 존재할 경우에만 가능하다. 만약 인스턴스가 존재하지 않는다면 그에 해당하는 인스턴스 생성 작업을 먼저 거친 후, 다시 이전의 생성 작업을 되풀이해야한다. 이런 번거로움을 없애고자 우리는 히스토리를 통해 현재 뷰에서 흐트러지지 않고 새로운 인스턴스를 생성하고 자동 연결할 수 있는 기능을 제공한다. 히스토리를 제공하여 현재 작업하고 있는 상태를 사용자가 인지할 수 있으며 신규 생성되는 인스턴스들을 자동으로 연결할 수 있어서 복잡한 관계의 온톨로지 인스턴스를 생성하고 관리하는데 많은 도움을 준다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(B)
• /
• pp.1-5
• /
• 2010

정렬 알고리즘에서 사용한 원소 간 비교횟수를 기준으로, 비교횟수가 많게 되는 순열을 최악의 인스턴스(worst-case instance)라 명명하고 이를 찾기 위해 유전 알고리즘(genetic algorithm)을 사용하였다. 잘 알려진 퀵 정렬(quick sort), 머지 정렬(merge sort), 힙 정렬(heap sort), 삽입 정렬(insertion sort), 쉘 정렬(shell sort), 개선된 퀵 정렬(advanced quick sort)에 대해서 실험하였다. 머지 정렬과 삽입 정렬에 대해 탐색한 인스턴스는 최악의 인스턴스에 거의 근접하였다. 퀵 정렬은 크기가 증가함에 따라 최악의 인스턴스 탐색이 어려웠다. 나머지 정렬에 대해서 찾은 인스턴스는 최악의 인스턴스인지 이론적으로 보장할 수 없지만, 임의의 1,000개 순열을 정렬해서 얻은 비교횟수들의 평균치보다는 훨씬 높았다. 본 논문의 최악의 인스턴스를 탐색하는 시도는 알고리즘의 성능 검증을 위한 테스트 데이터를 생성한다는 점에서 의미가 크다.

• 정보과학회 논문지
• /
• 제42권2호
• /
• pp.227-234
• /
• 2015

본 논문에서는 데이터 분포를 고려한 다중 인스턴스 지지 벡터 기계 학습 알고리즘을 제안한다. 기존의 방법은 긍정 가방 안에서 "가장 긍정"인 인스턴스만 고려하여 마진을 찾는다. 일반적으로 다중 인스턴스로 표현된 데이터에서, 긍정 가방에 포함된 인스턴스들 중 실제로 긍정을 나타내는 인스턴스들은 자질 공간 상에서 서로 유사한 곳에 위치해 있다. 제안한 방법은 기존의 다중 인스턴스 지지 벡터 기계 학습 알고리즘 중에서 긍정 인스턴스들의 교차점을 찾아 이 교차점과 거리를 계산하여 "가장 긍정"인 인스턴스를 선택한다. 긍정 인스턴스들의 교차점인 피벗 포인트를 구하는 방식은 두 가지이다. 먼저, 학습과정 중 추정된 긍정 인스턴스들의 중심점을 사용하는 방법과 학습 시작 시에 가장 긍정일 것으로 예상되는 긍정 인스턴스들의 중심점을 찾는 방법으로 나뉜다. 총 12개의 벤치마크 다중 인스턴스 데이터 셋을 통해 제안한 방법이 기존의 학습 알고리즘에 비해 더 좋은 성능을 보임을 보인다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2007년도 추계 종합학술대회 논문집
• /
• pp.386-390
• /
• 2007

시맨틱 웹 기술의 발전에 따라 온톨로지는 점점 복잡해지고 대용량화되고 있어서 기존의 온톨로지 저작도구를 이용하여 인스턴스를 구축하게 되면 인스턴스 관리에 많은 어려움이 따르기 때문에 사용자 입장에서 편리하게 인스턴스 생성을 지원해주는 도구가 필요하게 되었다. 본 논문에서 개발한 온톨로지 지원도구 OntoManager는 계층적 인스턴스들의 관계를 쉽게 구현하기 위해서 히스토리 기반의 인스턴스 생성 뷰를 제공하여 인스턴스 생성 작업 시 사용자의 현재 작업 뷰에서 흐트러지지 않고 새로운 클래스의 인스턴스 생성할수 있으며 생성된 인스턴스의 자동 연결 기능을 제공한다. 그리고 웹브라우저와 개체명 인식 기능을 제공하여 웹 페이지의 텍스트에서 인스턴스 생성에 필요한 부가 정보를 자동 추천 해줘서 인스턴스 속성 값을 쉽게 구축할 수 있도록 도와준다. 마지막으로 이미지 어노테이션 기능을 제공하여 이미지의 특정 영역 정보를 선택하여 속성 값으로 가지는 인스턴스 생성도 지원해준다.

• 인터넷정보학회논문지
• /
• 제15권3호
• /
• pp.109-116
• /
• 2014

본 논문에서는 분류 성능을 향상하기 위해서 Takagi-Sugeno(T-S) 퍼지 모델 기반의 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions; NEWFM)을 이용한 새로운 인스턴스 선택을 제안하였다. 제안하는 인스턴스 선택은 T-S 퍼지 모델에서의 가중 평균 역퍼지화와 통계학에서 사용하는 정규분포의 신뢰구간과 같은 구간 선택을 이용하여 인스턴스를 선택하였다. 제안하는 인스턴스 선택의 분류 성능을 평가하기 위해서 인스턴스 사용 전/후에 따라서 분류 성능을 비교하였다. 인스턴스 사용 전/후에 따른 분류 성능은 각각 77.33%, 78.19%로 나타났다. 또한 인스턴스 사용 전/후에 따른 분류 성능 간에 차이점을 보여주기 위해서 통계학에서 사용하는 맥니마 검정을 사용하였다. 맥니마 검정의 결과로 유의 확률이 0.05보다 적게 나오므로 인스턴스 선택의 분류 성능이 인스턴스 선택을 하지 않는 경우의 분류 성능보다 우수함을 확인 할 수가 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.193-195
• /
• 2003

본 논문에서는 k-Nearest Neighbor(k-NN) 알고리즘을 최적화하기 위해 지역적으로 다른 k(고려할 neighbor의 개수)를 사용하는 새로운 방법을 제안한다. 인스턴스 공간(instance space)에서 노이즈(noise)의 분포가 지역적(local)으로 다를 경우, 각 지점에서 고려해야 할 최적의 이웃 인스턴스(neighbor)의 수는 해당 지점에서의 국부적인 노이즈 분포에 따라 다르다. 그러나 기존의 방법은 전체 인스턴스 공간에 대해 동일한 k를 사용하기 때문에 이러한 인스턴스 공간의 지역적인 특성을 고려하지 못한다. 따라서 본 논문에서는 지역적으로 분포가 다른 노이즈 문제를 해결하기 위해 인스턴스 공간을 여러 개의 부분으로 나누고, 각 부분에 최적화된 k의 값을 사용하여 kNN을 수행하는 새로운 방법인 Local-k Nearest Neighbor 알고리즘(LkNN Algorithm)을 제안한다. LkNN을 통해 생성된 k의 집합은 인스턴스 공간의 각 부분을 대표하는 값으로, 해당 지역의 인스턴스가 고려해야 할 이웃(neighbor)의 수를 결정지어준다. 제안한 알고리즘에 적합한 데이터의 도메인(domain)과 그것의 향상된 성능은 UCI ML Data Repository 데이터를 사용한 실험을 통해 검증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(C)
• /
• pp.110-112
• /
• 2012

온톨로지 통합을 위해 다양한 기법들이 연구되고 있다. 그러나 기존 통합 기법들은 컨셉 레벨만을 고려하고 인스턴스 레벨까지는 고려하지 않는다. 그로 인해 기존 통합 기법에서는 인스턴스가 중복되거나 인스턴스 간의 관계 해석이 불분명한 문제점이 있다. 이 문제점을 해결하고자 본 논문에서는 XMDR+를 활용한 표준 스키마 기반의 온톨로지 통합 기법을 제안한다. 제안한 통합 기법은 인스턴스 레벨까지 통합하고 관리하므로 인스턴스가 중복되는 문제를 해결하고 인스턴스 간 의미 관계 유효성을 보장한다.

• 한국지능시스템학회논문지
• /
• 제22권4호
• /
• pp.414-424
• /
• 2012

문제 인스턴스 탐색 혹은 자동 생성은 알고리즘 분석 및 테스트에 적용될 수 있으며, 하드웨어, 소프트웨어 프로그램, 계산 이론 등 다양한 수준에서 연구되어온 주제이다. 본 연구에서는 해(解) 공간에 사용된 목적값-거리 상관관계 분석을 문제 인스턴스 공간에 적용하였다. 문제 인스턴스의 목적값은 문제에 따라 알고리즘의 수행 시간과 최적해를 잘 구하는 정도로 정의하였다. 이러한 정의는 문제 인스턴스의 난이도로 해석할 수 있다. 상관관계는 3가지 측면에서 분석하였다: 첫째, 알고리즘과 거리 함수에 따른 상관관계 차이, 둘째, 알고리즘의 개선 전/후의 상관관계 변화, 셋째, 문제 인스턴스 공간과 해당 문제의 해 공간 사이의 연관성. 본 논문은 문제 인스턴스 공간에 상관계수 분석이 어떻게 적용될 수 있는지 보여주며, 문제 인스턴스 공간 분석을 본격적으로 다루는 첫번째 시도이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.215-218
• /
• 2012

스팟 인스턴스(Spot instance)는 클라우드 환경에서 사용자가 제시한 입찰 가격으로 클라우드 내의 자원을 이용하여 작업을 수행할 수 있게 하는 새로운 방식이다. 사용자는 자신의 입찰 금액이 클라우드 내의 스팟 인스턴스 가격을 초과하는 한 인스턴스를 실행할 수 있다. 그러나 입찰 가격이 스팟 가격보다 낮다면 작업 실패가 발생하고, 이로 인해 작업 완료 시간은 지연되며 서비스 품질은 저하된다. 이 문제를 해결하기 위해, 본 논문에서는 스팟 인스턴스에서 사용자 비드가 초과되어 작업 수행이 중지된 VM에 대하여 체크포인트 기법과 VM 이주(migration) 기법을 이용함으로써 작업 대기 시간을 줄이는 방법을 제안한다. 이는 작업 중인 스팟 인스턴스에서 작업 실패가 발생할 경우 다른 인스턴스로 이주하여 작업을 재수행하는 기법이다. 실험 결과는 제안하는 VM 이주 기법이 작업을 수행할 수 있는 스팟 인스턴스의 가용성을 증가시킬 수 있음을 보여준다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (3)
• /
• pp.633-635
• /
• 1998

Farmer 모델에서 지원하는 다중성(multiplicity)은 하나의 개체를 구성하기 위하여 동일한 형태의 구성요소가 여러 번 발생하는 경우에 이의 대표적인 요소만을 표시하는 추상화 개념으로서 Farmer 모델에서만 지원하는 독특한 추상화 개념이다. 다중성 추상화 개념에서 정의된 대표개체는 자신의 인스턴스들을 가질 수 있다. 이들 인스턴스들은 IM-컴포넌트 타입 개체 노드 및 OM-컴포넌트 타입 개체 노드이며 다중성 인스턴스 링크를 이용하여 대표개체와 연결된다. 본 논문에서는 다중성 추상화 개념과 다중성 인스턴스 링크의 정의 및 예를 제시하며 실제 Farmer 모델링 알고리즘내에서 다중성 인스턴스 링크의 개념을 다중성 매핑 알고리즘을 통하여 구체화시켰다.