• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.9 no.4
• /
• pp.139-144
• /
• 2009

The leveling of technical internet domain term with its aim to accumulate knowledge that machine can comprehend, which has been used widely in recent years. If stratify domain term weight, we believe that machine can manage and analyze in formation on its own using the ontology. In this paper, we propose an algorithm that allows us to extract properties of ontology weight from structured information already existing in web documents. In particular by stratification of the domain knowledge that is composed of property information, we were able to make the algorithm better and improve the quality of extraction results. In our experiments with 50 thousands targeted documents, we were able to extract property information with 94% confidence.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.189-192
• /
• 2005

공학시스템의 설계 문제는 시스템 구성이 복잡하고, 구조적으로 열려있으며, 전기, 기계, 유압, 열등의 서로 다른 에너지 도메인 구성 요소를 포함한다. 최적의 설계를 위해서는 각 도메인에 대한 통합된 설계 방법과 자동적이고 구조적으로 열린 공간에 대한 효율적인 탐색방법이 요구된다. 본 논문은 도메인에 독립적이며 모델링과 해석에 장점을 가진 본드 그래프 (bond graph)와 대규모 공간 해의 탐색에 접합한 진화 알고리즘의 일종인 유전자 프로그래밍(Genetic Programming)을 결합하여 멀티 도메인 동적시스템에 대한 디자인 해를 자동적으로 생성해주는 설계 방법을 제시하고, 제안된 설계방법의 효용성을 입증하기 위해서 이를 아나로그 필터 설계에 문제에 적용하였다.

• Proceedings of the KIPE Conference
• /
• 2011.07a
• /
• pp.177-178
• /
• 2011

본 논문에서는 dc 버스기반의 전력시스템에서 양방향 배터리 충방전 회로의 기능을 하는 부스트 컨버터의 소신호 해석과 제어기를 설계 하였다. 컨버터가 동작하는 동안 컨버터의 듀티비 대 출력 전달함수에 나타나는 s-도메인 평면의 오른쪽면과 왼쪽면에 걸쳐 움직이는 RHP 영점 대해 새롭게 밝히고, 움직이는 영점의 근원과 그것 따른 제어기 설계 결과를 보여준다.

• Journal of KIISE:Software and Applications
• /
• v.26 no.3
• /
• pp.335-342
• /
• 1999

논리 프로그램의 타입 및 모드 분석은 실행 시간에 변수가 갖는 텀의 집합에 대한근사값을 구하는데 보통 요약 해석을 기반으로 하여 설계되고 개발되어 왔다. 이 논문에서는 타입 및 모드 분석을 위해서 설계된 다양한 요약 도메인을 고려하여 그들간의 계층 관계를 Galois insertion을 기준으로 밝힌다. 이 논문에서는 요약 도메인으로써 타입 그래프, 깊이-k 타입 , 깊이-k 모드, 순환모드, 그리고 모드를 고려할 것이다. 특히 깊이-k 모드는 타입 및 모드 분석을 통합하기 위한 도메인으로써 깊이-k 타입을 확장하여 제안하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.269-272
• /
• 2006

현재 제품계열 공학에서 feature 중심의 공통성 및 가변성 분석을 통한 재사용성에 대한 연구가 활발히 이루어지고 있다. 지금까지는 도메인 전문가의 직관 및 경험에 의해 feature가 분석되어 그 개념의 불명확함으로 재사용 측면에서 제한점을 내포하고 있다. 본 논문에서는 개별 feature 속성 List 작성을 통해 feature간의 의미관계를 중심으로 한 Pattern 분석 방법을 제시하고, 의미 유사성 관계를 적용한 feature 온톨로지 그래프를 이용하여 S/W 제품계열 도메인 공학에서 사용자와 개발자간의 동일한 해석이 가능하고 재사용성을 위한 명시적 feature를 분석 및 추출하는 모델을 제안한다.

• Journal of Intelligence and Information Systems
• /
• v.5 no.2
• /
• pp.15-27
• /
• 1999

산업계 전반에 걸친 오랜 정보시스템 운용의 결과로 대용량의 데이터들이 축적되고 있다. 이러한 데이터로부터 유용한 지식을 추출하기 위해 여러 가지 데이터마이닝 기법들이 연구되어 왔다. 특히 데이터웨어하우스의 등장은 이러한 데이터마이닝에 있어 필요한 데이터 제공 환경을 주고 있다. 그러나 전문가의 적절한 판단과 해석을 거치지 않은 데이터마이닝의 결과는 당연한 사실이거나, 사실과 다른 가짜이거나 또한 관련성 없는(Trivial, Spurious and Irrelevant) 내용만 무수히 쏟아낼 수 있다. 그러므로 데이터마이닝의 결과가 비록 통계적 유의성을 가진다 하더라고 그 정당성과 유용성에 대한 검증과정과 방법론의 정립이 필요하다. 데이터마이닝의 가장 어려운 점은 귀납적 오류를 없애기 위해 사람이 직접 그 결과를 해석하고 판단하며 아울러 새로운 탐색 방향을 제시해야 한다는 것이다. 본 논문의 목적인 이러한 데이터마이닝에서 추출된 결과를 검증하고 아울러 새로운 지식 탐색 방향을 제시하는 방법론을 정립하는데 있다. 본 논문에서는 데이터마이닝 기법 중 연관규칙탐사(Associations)로 얻어진 결과를 설명가능성 여부의 판단을 통해 검증하는 기법을 제안하였고, 이를 위해 도메인 지식(Domain Knowledge)과 연관규칙탐사를 통해 얻어진 결과를 표현하기 위한 지식표현방법으로 관계형 술어논리(RPL : Relational Predicate Logic)를 개발하였다. 연관규칙탐사로 얻어진 결과를 설명하기 위한 방법으로는 연관규칙탐사로 얻어진 연관규칙에 대한 RPL로 표현된 도메인 지식으로서 설명됨을 보이게 한다. 또한 이러한 설명(Explanation)을 토대로 검증된 지식을 일반화하여 새로운 가설을 연역적으로 생성하고 이를 연관규칙탐사를 통해 검증한 후 새로운 지식을 얻는 설명기반 데이터마이닝 구조(Explanation-based Data Mining Architecture)를 제시하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.03a
• /
• pp.115-123
• /
• 1999

산업계 전반에 걸친 오랜 정보시스템 운용의 결과로 대용량의 데이터들이 축적되고 있다. 이러한 데이터로부터 유용한 지식을 추출하기 위해 여러 가지 데이터 마이닝 기법들이 연구되어왔다. 특히 데이터 웨어하우스의 등장은 이러한 데이터 마이닝에 있어 필요한 데이터 제공 환경을 제공해 주고 있다. 그러나 전문가의 적절한 판단과 해석을 거치지 않은 데이터 마이닝의 결과는 당연한 사실이거나, 사실과 다른 가짜이거나 또는 관련성 없는(trivial, spurious and irrelevant)내용만 무수히 쏟아낼 수 있다. 그러므로 데이터 마이닝의 결과가 비록 통계적 유의성을 가진다 하더라도 그 정당성과 유용성에 대한 검증과정과 방법론의 정립이 필요하다. 데이터 마이닝의 가장 어려운 점은 귀납적 오류를 없애기 위해 사람이 직접 그 결과를 해석하고 판단하며 아울러 새로운 탐색 방향을 제시해야 한다는 것이다. 본 논문에서는 데이터 마이닝 기법 중 연관규칙탐사로 얻어진 결과를 설명가능성 여부의 판단을 통해 검증하는 기법을 제안하며, 이를 통해 얻어진 검증된 지식을 토대로 일반화를 통한 새로운 가설을 생성하여 데이터 웨어하우스로부터 연관규칙을 검증하는 일련의 아텍쳐(architecture)를 제시하고다 한다. 먼저 데이터 마이닝 결과에 대한 설명의 필요성을 제시하고, 데이터 웨어하우스와 데이터 마이닝 기법들에 대한 간략한 설명과 연관규칙탐사에 대한 정의 및 방법을 보이고, 대상 영역에 대한 데이터 웨어하우스으 스키마를 보였다. 다음으로 도메인 지식(domain knowledge)과 연관규칙탐사를 통해 얻어진 결과를 표현하기위한 지식표현 방법으로 Relational Predicate Logic을 제안하였다. 연관규칙탐사로 얻어진 결과를 설명하기 위한 방법으로는 연관규칙탐사로 얻어진 연관규칙에 대해 Relational Predicate Logic으로 표현된 도메인 지식으로서 설명됨을 보이게 한다. 또한 이러한 설명(explanation)을 토대로 검증된 지식을 일반화하여 새로운 가설을 연역적으로 생성하고 이를 연관규칙탐사를 통해 검증한 후 새로운 지식을 얻는 반복적인 Explanation-based Data Mining Architecture를 제시하였다. 본 연구의 의의로는 데이터 마이닝을 통한 귀납적 지식생성에 있어 귀납적 오류의 발생을 도메인 지식을 통해 설명가능 함을 보임으로 검증하고 아울러 이러한 설명을 통해 연역적으로 새로운 가설지식을 생성시켜 이를 가설검증방식으로 검증함으로써 귀납적 접근과 연역적 접근의 통합 데이터 마이닝 접근을 제시하였다는데 있다.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.3
• /
• pp.141-148
• /
• 2022

Recently, reinforcement learning combined with deep neural network technology has achieved remarkable success in various fields such as board games such as Go and chess, computer games such as Atari and StartCraft, and robot object manipulation tasks. However, such deep reinforcement learning describes states, actions, and policies in vector representation. Therefore, the existing deep reinforcement learning has some limitations in generality and interpretability of the learned policy, and it is difficult to effectively incorporate domain knowledge into policy learning. On the other hand, dNL-RRL, a new relational reinforcement learning framework proposed to solve these problems, uses a kind of vector representation for sensor input data and lower-level motion control as in the existing deep reinforcement learning. However, for states, actions, and learned policies, It uses a relational representation with logic predicates and rules. In this paper, we present dNL-RRL-based policy learning for transportation mobile robots in a manufacturing environment. In particular, this study proposes a effective method to utilize the prior domain knowledge of human experts to improve the efficiency of relational reinforcement learning. Through various experiments, we demonstrate the performance improvement of the relational reinforcement learning by using domain knowledge as proposed in this paper.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.898-900
• /
• 2014

시맨틱 검색은 논리적으로 표현된 지식 베이스를 사용하여 현재의 키워드 기반 검색보다 더 정확한 결과를 제공할 수 있다. 그러나 일반 사용자는 지식 기반의 복잡하고 정형화된 질의어와 스키마를 잘 알지 못한다. 그래서 검색 시스템은 사용자 키워드의 의미를 해석할 수 있어야 한다. 본 논문에서는 멀티미디어 콘텐츠의 시맨틱 검색을 위한 사용자 질의 의미 해석 시스템을 설명한다. 제안한 시스템은 도메인 온톨로지 기반으로 구축된 지식 베이스의 정형화된 구조에 의미 해석 과정이 통합된 온롤로지 지식 베이스 기반 검색 시스템이다.

• Journal of Advanced Navigation Technology
• /
• v.27 no.4
• /
• pp.488-494
• /
• 2023

In this paper, scenario-based urban flood prediction for the entire Jinju city was performed, and a simulation domain was constructed using G2D as a 2-dimensional urban flood analysis model. The domain configuration is DEM, and the land cover map is used to set the roughness coefficient for each grid. The input data of the model are water level, water depth and flow rate. In the simulation of the built G2D model, virtual rainfall (3 mm/10 min rainfall given to all grids for 5 hours) and virtual flow were applied. And, a GPU acceleration technique was applied to determine whether to run the flood analysis model in the target area. As a result of the simulation, it was confirmed that the high-resolution flood analysis time was significantly shortened and the flood depth for visual flood judgment could be created for each simulation time.