• 정보과학회 논문지
• /
• 제42권5호
• /
• pp.601-608
• /
• 2015

미국의 Jeopardy! 퀴즈쇼와 같은 DeepQA 환경에서 인간을 대신해 컴퓨터가 효과적으로 답하기 위해서는, 광범위한 지식 베이스와 빠른 시공간 추론 능력이 요구된다. 본 논문에서는 방향 및 위상 관계 추론을 위한 효율적인 공간 추론 방법 중 하나로, 혼합 공간 추론 알고리즘을 제안한다. 본 알고리즘은 전향 추론과 후향 추론을 결합한 혼합 추론 방식을 취함으로써, 불필요한 추론 계산을 줄여 질의 처리 속도도 향상될 뿐 아니라 공간 지식 베이스의 변화에 효과적인 대처가 가능하도록 설계하였다. 본 연구에서는 이 알고리즘을 기반으로 구현한 혼합 공간 추론기와 샘플 공간 지식베이스를 이용하여 성능 분석 실험들을 수행하였고, 이를 통해 본 논문에서 제안한 혼합 공간 추론 알고리즘의 높은 성능을 확인할 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 춘계학술대회 학술발표 논문집
• /
• pp.115-119
• /
• 1997

본 논문은 색료의 삼원색인 빨강, 노랑 및 파랑을 적절히 혼합하는 경우에 나타나는 색채를 추론하는 문제에 대하여, 퍼지이론을 적용하여 결과를 추론하는 문제를 다루고 있다. 즉, 인간이 색료의 혼합에 있어서 행하는 과정을 모사한 퍼지규칙을 바탕으로 삼원색의 색료가 일정 분량씩 혼합된 경우, 결과적으로 나타나는 색을 직접 실험을 통하지 않고 추론할 수 있는 시스템을 구축하고 있다. 또한, 구축된 시스템에 대하여 여러 가지 예를 통한 모의 실험을 수행하여 본 연구에서 구축된 색채혼합 시스템의 타당성을 검증하였다.

• 한국인지과학회:학술대회논문집
• /
• 한국인지과학회 2005년도 춘계학술대회
• /
• pp.171-176
• /
• 2005

본 논문에서는 진단시스템의 추론성능을 향상시키기 위한 방법으로서, 사례 기반 추론을 통해서 규칙 기반 추론의 단점을 보완하여 성능을 향상시키는 혼합형 추론 모델을 제안한다. 본 모델의 특징은 규칙 기반 추론의 확장성 문제와 규칙화 할 수 없는 예외적인 상황에 대한 문제점을 사례 기반 추론에서 사례로 저장하여 규칙 기반 추론의 단점을 보완하는데 있다. 이런 두 모델의 문제점을 해결하는 과정은 첫째로, 문제에 따라 규칙기반추론 모듈의 베이스를 통해서 적절한 규칙을 적용 후 추론을 적용하여 근접한 해를 얻어낸다. 두 번째로, 규칙베이스에 저장되어 있지 않은 문제에 대해서는 사례 라이브러리를 검색하고 유사성 검사를 통해서 저장된 사례를 찾아 입력된 사례에 적용하여 문제를 해결한다. 셋째로, 해결된 문제에 대해서 수정작업을 통해 사례 라이브러리를 확장한다. 이와 같이 세 과정을 통해 본 논문에서 제안하는 방법론의 성과를 측정하기 위하여 정비 메뉴얼을 규칙화하여 규칙베이스를 구축하였고 전문가들의 경험적인 지식에 대해서는 사례라이브러리로 구축하였다. 또한 지식베이스를 통해서 진단을 수행하고 해결된 문제에 대해서 정확도 검사를 통해 진단의 정확성을 측정하여 혼합형추론엔진의 성능을 검증하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.130-133
• /
• 2006

본 연구에서는 진단분야에서의 시스템의 성능을 향상시키고 최적의 해를 찾고자 사례기반추론과 인공 신경망을 혼합한 시스템을 제안한다. 사례기반추론은 과거의 사례(경험)를 통해 현재의 제시된 문제를 해결하는 추론방식으로, 지식이 획득이 덜 복잡하고, 정형화되기 어려운 규칙이나 문제영역이 불분명한 분야에 효율적으로 활용되었다. 그러나 사례의 양이 방대해야 효율적인 추론을 할 수 있으며, 검색된 시간 또한 지연되는 단점이 있다. 이러한 문제를 보완하고자 본 논문에서는 인공 신경망의 학습을 통해 저장된 ANN Library를 생성하여, 사례기반추론에서의 부적절한 해를 유추하는 것을 방지하고, 효율적이고 신뢰성이 높은 해를 유추해 내는데 목적이 있다.

• 방재기술
• /
• 통권47호
• /
• pp.5-14
• /
• 2009

• 응용통계연구
• /
• 제13권2호
• /
• pp.505-514
• /
• 2000

마코브체인 몬테칼로방법중에서 깁스 추출방법을 혼합 고장모형에 이용하였다. 베이자안 추론에서 조건부분포를 가지고 사후 분포를 결정하는데 있어서 계산 문제와 이론적인 정당성을 고려하여 감마족인 Rayleigh와 Erlang추세를 가진 혼합모형에 대하여 깁스샘플링 알고리즘을 이용하여 베이지안 계산과 신뢰도 추이를 알아보고 모의실험자료를 이용하여 수치적인 계산을 시행하고 그 결과를 제시하였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 1998년도 추계학술발표논문집
• /
• pp.365-370
• /
• 1998

정보 통신의 모든 분야에 걸쳐 활용될 수 있는 차세대 핵심 기술인 에이젼트는 자율성, 지능성, 반응성, 협동성을 갖는 독립된 프로그램으로 지식과 추론 능력을 바탕으로 사용자의 작업을 대신 해준다. 본 논문은 복잡하고 실시간 환경에서 발생할 수 있는 상황에 있어 지능적인 추론과 즉각적인 반응이 가능한 혼합형 에이전트 개념을 도입한 계획기를 설계한다. 계획기구성을 위하여, 재난 발생시 즉각적인 반응을 하는 반응요소(reflexive component)와 계획라이브러리에 저장된 여러 계획들을 저장된 계획들을 검색해 해결안을 찾는 인지요소(cognitive component)로 구성된다. 인지 요소에서 상황에 따라 저장된 계획을 찾고, 상황에 맞는 것을 추론하는 과정을 살펴본다. 혼합형 에이전트 개념을 도입한 계획기는 부분 순서화된 계획기로서 상황 기반탐색(situation-based search)방법에 의하여 계획을 생성하도록 하였다.

• 응용통계연구
• /
• 제28권2호
• /
• pp.123-136
• /
• 2015

관측 가능한 변수들 사이의 관계를 묘사한 갈릴레오의 물리학 법칙 발견 이후, 과학은 큰 성과를 거두며 발전해왔다. 그러나, 관측할 수 없는 변량효과를 함께 이용하여 더 많은 자연 현상을 설명할 수 있게 되었고, 이를 이용한 최초의 통계적 모형인 혼합효과모형이 소개되었다. 계산기술의 발달과 더불어 복잡한 현상에 대한 추론을 위하여 혼합효과모형은 그 중요성이 더욱 커지고 있다. 이러한 혼합효과모형은 최근 다단계 일반화 선형모형을 포함한 여러 모형으로 확장되었으며, 관측할 수 없는 변량효과를 추론하기 위한 다단계 가능도가 제시되었다. 혼합효과모형 특집호를 통해 이러한 모형들이 여러 통계학적 문제점을 해결하는 과정을 제시하고, 앞으로 어떤 확장이 추가적으로 요구되는 지에 대하여 논할 것이다. 빈도록적 접근법과 베이지안 접근법을 함께 다룬다.

• Journal of the Korean Data and Information Science Society
• /
• 제21권1호
• /
• pp.1-9
• /
• 2010

본 논문은 분할구 실험에서 반복측정 요인이 처치의 한 요인으로 고려될 때, 실험자료의 분석을 위한 혼합모형과 모형내 미지모수의 추론을 위한 방법을 논의한다. 반복측정 요인으로 공간요인을 고려하고 공간요인의 수준은 분할구에 할당되나 연구자가 임의로 배정할 수 없는 실험환경이 가정된다. 이러한 실험의 특성을 갖는 자료벡터의 확률분포로 복합대칭의 공분산 구조를 갖는 다변량 정규분포를 논의하고 있다. 또한, 가정된 실험환경에 부합하는 적합한 자료의 예를 통하여 제시된 모형의 타당성과 관련모수들의 추론방법을 다루고 있다.

• 정보처리학회논문지B
• /
• 제15B권1호
• /
• pp.45-52
• /
• 2008

최근 IT 서비스 발달과 함께 고장제어, 고장의 원인분석 등의 복잡한 문제에 대하여 적합한 해결책을 제시할 수 있는 효과적인 진단시스템의 필요성이 커지고 있다. 따라서 본 논문에서는 지능형 진단 시스템분야에서의 시스템의 성능을 향상시키고, 최적의 진단을 수행하고자 사례기반추론과 인공신경망을 혼합한 지능형 진단 시스템을 제안 한다. 사례기반추론은 과거의 사례(경험)를 통해 현재의 제시된 문제를 해결하는 추론방식으로, 지식 획득이 덜 복잡하고, 정형화되기 어려운 규칙이나 문제영역이 불분명한 분야를 효율적으로 추론할 수 있다. 하지만 사례기반추론만을 이용해 추론된 사례는 증상에 대해 다수의 원인을 추론하게 된다. 이때 추론된 증상에 따른 다수의 원인은 동일한 가중치를 가져 불필요한 원인까지 진단해야 하는 문제점이 있다. 이러한 문제를 해결하고자 인공신경망의 오류역전파 학습 알고리즘을 이용하여 증상에 대한 원인들의 쌍을 학습 시킨 후 각각의 증상에 대한 원인의 가중치를 구해 제시된 증상에 대해 가장 발생 가능성이 높은 원인을 찾아내어, 보다 명확하고 신뢰성 있는 진단을 하는 데 그 목적이 있다.