• 논리연구
• /
• 제21권1호
• /
• pp.39-57
• /
• 2018

이 글에서 우리는 약화 없는 비교환적인 퍼지 논리의 비대수적 크립키형 의미론 즉 집합 이론적 크립키형 의미론을 다룬다. 이를 위하여 먼저 우리는 가-유니놈에 기반한 퍼지 논리 HpsUL의 한 확장 체계인 $CnHpsUL^*$을 소개한다. 다음으로 CnHpsUL*을 위한 집합 이론적 크립키형 의미론을 소개한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2006년도 제18회 한글 및 한국어 정보처리 학술대회
• /
• pp.254-261
• /
• 2006

형용사 분류에 격틀이 중요한 역할을 한다는 주장은 여러 연구에서 제기된 바 있다. 본 연구에서는 격틀이 의미 분류에 기여하는 바를 보다 체계적으로 검토하기 위하여 '격틀집합'을 활용한다. 격틀집합은 한 개의 어휘가 취할 수 있는 격틀의 집합을 말한다. 격틀집합에 근거하여 형용사를 분류할 경우, 의미적으로 연관성이 높은 그룹으로 나뉠 수 있다는 가설을 바탕으로 이러한 가설의 타당성을 검증하고 이를 입증하는 것이 본 연구의 목적이다. 아울러 본 연구에서는 그러한 가설을 검증하기 위한 구체적인 방법론을 제시한다. 격틀집합정보는 세종전자사전에 들어있는 어휘별 격틀정보를 추출하여 활용한다. 본 연구 결과 도출된 총 101개의 격틀집합 중에서 한 개의 격틀만을 갖는 유형과 어휘목록이 5개미만인 유형을 제외한 12개의 격틀집합이 주요 분석 대상으로, 본 연구에서는 그 중에서 6개를 자세히 분석한다. 격틀집합별 어휘들을 살펴보면 의미적 연관성이 파악되지 않는 어휘들도 일부 포함되어 있기는 하나, 대부분은 의미적으로 상관관계가 있음을 확인할 수 있었다 이와 같은 방법론을 통해 국어 형용사 전체의 유형, 더 나아가 국어 용언을 분류하는데 본 연구의 가설과 방법론이 활용될 수 있다.

• 논리연구
• /
• 제18권1호
• /
• pp.65-83
• /
• 2015

이 글에서 우리는 3치 초일관 논리를 위한 비대수적 집합-이론적 크립키형 의미론을 다룬다. 이를 위하여 먼저 두 3치 체계를 소개한다. 그리고 그 다음에 이에 상응하는 집합-이론적 크립키형 의미론을 소개한다.

• 논리연구
• /
• 제22권2호
• /
• pp.291-307
• /
• 2019

이 글에서 우리는 연관 논리 R을 퍼지화한 체계 FR을 위한 집합 이론적인 크립키형 의미론을 다룬다. 이를 위하여 먼저 FR 체계와 그에 상응하는 크립키형 의미론을 소개한다. 다음으로 FR을 위한 집합 이론적 완전성 결과를 제공한다.

• 논리연구
• /
• 제22권1호
• /
• pp.25-42
• /
• 2019

이 글에서 우리는 (곱 연언 &의) 약한 형식의 결합 원리를 갖는 준구조 퍼지 논리를 위한 집합 이론적 크립키형 의미론을 연구한다. 이를 위하여 먼저 약한 결합 원리를 갖는 세 준구조 퍼지 논리체계들을 상기한 후 이 체계들에 상응하는 크립키형 의미론을 소개한다. 다음으로 집합 이론적 방식을 이용하여 이 체계들이 완전하다는 것을 보인다.

• 한국수학사학회지
• /
• 제22권4호
• /
• pp.115-128
• /
• 2009

본 논문에서 von Neumann의 공리계를 수정하여 새로운 DVN공리계를 소개한다. 그리고 DVN공리계에서 불가지 류의 존재성을 조사하고, 불가지류와 선택공리의 관계를 논한다.

• 한국수학사학회지
• /
• 제9권2호
• /
• pp.10-14
• /
• 1996

논리법칙은 유한집합에서 성립하는 수학의 정리들을 최대한 일반화시킨 것에 불과하다. 따라서 우리는 이들 논리법칙들이 아무런 고려없이 무한집합의 수학에서도 성립할 것으로 단정해서는 안된다. 집합론에서 역리가 발생하는 것은 논리학의 한 원리인 배중률이 무한집합의 수학에서는 성립하지 않음을 보여주는 것이다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제11권2호
• /
• pp.47-55
• /
• 2005

곡면 복원이나 곡면 복원과 질은 관련이 있는 노말 추정을 하는 대부분의 방법은 결정론적인 알고리즘을 사용한다. 결정론적 알고리즘은 속도가 빠르고, 오차가 크지 않은 입력에 대해서는 좋은 질의 곡면 복원을 할 수 있다. 그러나 결정론적 방법의 특성상 이상치나 노이즈를 가진 데이터에 대해서는 안정된 복원 결과를 얻을 수 없다. 본 논문에서는 앙상블이라고 불리는 통계적인 방법을 사용해서 곡면 복원과 노말 추정을 하는 기존의 알고리즘을 개선한다. 앙상블 기법은 먼저 입력 점 집합을 무작위로 샘플링해서 점 집합의 부분집합을 만든다. 그리고 나서 만들어진 부분 집합에 독립적으로 결정론적인 알고리즘을 적용하여 결과를 얻어낸다. 마지막으로, 각각의 서로 다른 결과를 결합하여 더 우수한 최종결과를 얻어낸다. 널리 쓰이는 노말 추정 기법[11]과 Multi-level Partitions of Unity implicit [18]를 사용해서 앙상블이 효과적으로 노이즈가 많은 데이터를 처리할 수 있는 것을 보여준다.

• 한국수학사학회지
• /
• 제19권1호
• /
• pp.55-64
• /
• 2006

본 논문에서는 고대 Greece, 고대 Babylonia 등에서 시작한 수학의 발전 과정과 19세기 이후 집합론을 바탕으로 공리주의적 방법으로 현대수학이 발전하였음을 알아보고 특히 위상수학의 발전과정을 요약해 보았다.

• 디지털콘텐츠학회 논문지
• /
• 제18권3호
• /
• pp.525-534
• /
• 2017

열린 집합 인식 방법론은 테스트 데이터의 클래스를 학습 시에 모두 파악할 수 없는 경우에 대한 인식 방법론이다. 따라서 열린 집합 인식 방법론은 분류와 유효성 검증의 절차를 필요로 한다. 이러한 연구는 얼굴 인식 모듈의 상용화를 위해 필수적이지만 지금까지 국내에서 연구 결과들이 거의 발표되지 않았다. 우리는 두 개의 검증 단계를 가지는 열린 집합 얼굴 인식 방법론을 제안한다. 첫 번째 단계에서는 학습 클래스 외에 더미 클래스들을 설정하고 희소표현 기반 분류를 수행한다. 이 때 테스트 데이터가 더미 클래스로 분류되면 무효 데이터로 판별하고, 유효한 클래스로 분류되면 다음 유효성 검증 단계로 넘어간다. 두 번째 단계에서 제안하는 네 가지 특징을 추출하고, 확률분포에 기반을 둔 판별함수를 통해 유효성 검증을 수행한다. 우리는 실험을 통해 열린 집합 인식 방법론의 시뮬레이션 방법을 제안하였고 제안하는 방법론의 성능을 제시하고, 희소기반 분류 방식에서 널리 사용되는 SCI 지표를 이용한 유효성 테스트보다 높은 성능을 보임을 입증할 수 있었다.