• 제어로봇시스템학회논문지
• /
• 제4권5호
• /
• pp.651-657
• /
• 1998

In this study, an intelligent scheduling with hybrid architecture, which integrates expert system and neural network, is proposed. Neural network is trained with the data acquired from simulation model of FMC to obtain the knowledge about the relationship between the state of the FMC and its best dispatching rule. Expert system controls the scheduling of FMC by integrating the output of neural network, the states of FMS, and user input. By applying the hybrid system to a scheduling problem, the human knowledge on scheduling and the generation of non-logical knowledge by machine teaming, can be processed in one scheduler. The computer simulation shows that comparing with MST(Minimum Slack Time), there is a little increment in tardness, 5% growth in flow time. And at breakdown, tardness is not increased by expert system comparing with EDD(Earliest Due Date).

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제8권4호
• /
• pp.254-259
• /
• 2008

Uncertainty of result of context awareness always exists in any context-awareness computing. This falling-off in accuracy of context awareness result is mostly caused by the imperfectness and incompleteness of sensed data, because of this reasons, we must improve the accuracy of context awareness. In this article, we propose a novel approach to model the uncertain context by using ontology and context reasoning method based on Bayesian Network. Our context aware processing is divided into two parts; context modeling and context reasoning. The context modeling is based on ontology for facilitating knowledge reuse and sharing. The ontology facilitates the share and reuse of information over similar domains of not only the logical knowledge but also the uncertain knowledge. Also the ontology can be used to structure learning for Bayesian network. The context reasoning is based on Bayesian Networks for probabilistic inference to solve the uncertain reasoning in context-aware processing problem in a flexible and adaptive situation.

• 지능정보연구
• /
• 제1권1호
• /
• pp.91-109
• /
• 1995

This paper compared four knowledge acquisition methods (namely, neural network, case-based reasoning, discriminant analysis, and covariance structure modeling) for allergic rhinitis. The data were collected from 444 patients with suspected allergic rhinitis who visited the Otorlaryngology Deduring 1991-1993. Among four knowledge acquisition methods, the discriminant model had the best overall diagnostic capability (78%) and the neural network had slightly lower rate(76%). This may be explained by the fact that neural network is essentially non-linear discriminant model. The discriminant model was also most accurate in predicting allergic rhinitis (88%). On the other hand, the CSM had the lowest overall accuracy rate (44%) perhaps due to smaller input data set. However, it was most accuate in predicting non-allergic rhinitis (82%).

• 한국군사과학기술학회지
• /
• 제20권5호
• /
• pp.700-707
• /
• 2017

Recently, the military need more various education and training because of the increasing necessity of various operation. But the education and training of the military has the various difficulties such as the limitations of time, space and finance etc. In order to overcome the difficulties, the military use Defense Modeling and Simulation(DM&S). Although the participants in training has the empirical knowledge from education and training based on the simulation, the empirical knowledge is not shared because of particular characteristics of military such as security and the change of official. This situation obstructs the improving effectiveness of education and training. The purpose of this research is the systematizing and analysing the empirical knowledge using text mining and network analysis to assist the sharing of empirical knowledge. For analysing texts or documents as the empirical knowledge, we select the text mining and network analysis. We expect our research will improve the effectiveness of education and training based on simulation of DM&S.

• ETRI Journal
• /
• 제38권6호
• /
• pp.1229-1239
• /
• 2016

For efficient interaction between humans and robots, robots should be able to understand the meaning and intention of human behaviors as well as recognize them. This paper proposes an interactive human intention reading method in which a robot develops its own knowledge about the human intention for an object. A robot needs to understand different human behavior structures for different objects. To this end, this paper proposes a hierarchical behavior knowledge network that consists of behavior nodes and directional edges between them. In addition, a human intention reading algorithm that incorporates reinforcement learning is proposed to interactively learn the hierarchical behavior knowledge networks based on context information and human feedback through human behaviors. The effectiveness of the proposed method is demonstrated through play-based experiments between a human and a virtual teddy bear robot with two virtual objects. Experiments with multiple participants are also conducted.

• 한국정보통신학회논문지
• /
• 제17권8호
• /
• pp.1865-1872
• /
• 2013

스마트 디바이스의 급격한 증가와 함께 사용자의 SNS(Social Network Service) 이용률도 급격하게 증가하게 되었다. 이로 인해 사용자들의 웹에 대한 접근성도 증가하면서, 데이터의 양도 기하급수적으로 증가하는 결과를 초래하였다. 이런 엄청난 양의 빅 데이터를 통해 획일적인 검색을 통한 정보 제공이 아닌, 사용자 맞춤형 지식 제공을 위한 연구의 필요성이 높아지고 있다. 이러한 지식 서비스를 제공하기 위해서는 사용자에 의해 수집된 데이터를 분석하고 평가하는 모델이 필요하다. 이에 본 논문에서는 스마트폰을 활용하여 40명의 데이터를 수집하여 이동정보와 장소를 추측 하고, 정답 셋을 구성하여 데이터의 평가를 할 수 있는 모델에 대한 연구를 수행 하였다.

• 인지과학
• /
• 제16권4호
• /
• pp.369-386
• /
• 2005

지능형 교수 시스템(ITS: Intelligent Tutoring System)이 기존의 CAI의 제한적 기능을 극복하고, 내장한 지식베이스에 의해 다양한 학습자들의 변인들을 고려한 개별화된 학습 환경을 제공하지만, 교육현장에는 교수내용지식 표현 방법의 부재와 투자 비용의 비효율성으로 인하여 실제적인 개발물은 전무한 상태이다. 이러한 문제점을 해소하기 위하여 ITS에서의 지식표현 기법과 구축된 지식베이스의 재사용에 대한 연구가 필요하다. 교수내용지식의 특성을 고려하여 본 연구에서는 기존의 신경논리망의 한계점을 해결할 수 있도록 지식의 다중 결합체 구성, 이를 이용한 학습의 맥락 설명을 연구의 대상으로 삼았다. 또한 형성된 지식결합체는 군집화하여 지식베이스 객체로 사용하고, 결합체의 자기 학습에 의해 적응적인 지식베이스 객체로의 성장 가능성을 제고한다. 따라서 본 연구에서는 신경논리망의 논리추론, 그리고 인지구조에서 노드의 위상적 불변성을 근거로, 교수내용지식과 객체지향적 개념이 포함된 '확장된 개념의 신경논리망(X-Neuronet: eXtended Neural Logic Network)'을 제안하고, 이 기법에 대한 타당성을 검증하였다. X-Neuronet은 표현의 대상이 되는 지식을 관성과 가변성을 가지는 방향성 결합체로 정의하고, 표현을 위한 기본 개념, 노드의 처리와 연산을 위한 논리연산자, 노드값과 가중치의 결정, 노드활성을 위한 전파 규칙 학습 알고리즘 등을 제공한다.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.262-270
• /
• 2022

In the past two decades, there has been an increasing interest in project knowledge management, as knowledge is a crucial resource for project management success. Knowledge capture and sharing are two effective project management practices. Capturing and sharing project knowledge has become more efficient due to technological advances. Nevertheless, present technologies face several technical, functional, and usage obstacles and constraints. Thus, Blockchain technology might provide promising answers, yet, there is still a dearth of understanding regarding the technology's proper and practical application. Consequently, the goal of this study was to fill the gap in the literature about the adoption of Blockchain technology and to investigate the project stakeholders' acceptance and willingness to utilize the technology for capturing and sharing project knowledge. Due to this inquiry's exploratory and inductive characteristics, qualitative research methodology was used, namely the Grounded Theory research approach. Accordingly, eighteen in-depth, semi-structured interviews were conducted to collect the data. Concurrent data collection and analysis were undertaken, with findings emerging after three coding steps. Four influencing factors and one moderating factor were identified as affecting users' acceptance of Blockchain technology for capturing and sharing project knowledge. Consequently, the results of the study aimed to fill a gap in the existing literature by undertaking a comprehensive analysis of the unrealized potential of Blockchain technology to improve knowledge capture and sharing in the project management environment.

• 한국컴퓨터정보학회논문지
• /
• 제29권7호
• /
• pp.11-20
• /
• 2024

본 논문에서는 생성 모델을 이용한 데이터 프리 양자화에서 발생할 수 있는 지식 격차를 줄이기 위하여 BAG (Bit-width Aware Generator)와 채널 어텐션 기반 중간 레이어 지식 증류를 제안한다. 생성 모델을 이용한 데이터 프리 양자화의 생성자는 오직 원본 네트워크의 피드백에만 의존하여 학습하기 때문에, 양자화된 네트워크의 낮은 bit-width로 인한 감소된 수용 능력 차이를 학습에 반영하지 못한다. 제안한 BAG는 양자화된 네트워크와 동일한 bit-width로 양자화하여, 양자화된 네트워크에 맞는 합성 이미지를 생성하여 이러한 문제를 완화한다. 또한, 양자화된 네트워크와 원본 모델 간의 지식 격차를 줄이는 것 역시 양자화에서 매우 중요한 문제이다. 이를 완화하기 위해 제안한 채널 어텐션 기반 중간 레이어 지식 증류는 학생 모델이 교사 모델로부터 어떤 채널에 더 집중해서 학습해야 하는지를 가르친다. 제안한 기법의 효율성을 보이기 위해, CIFAR-100에서 학습한 원본 네트워크를 가중치와 활성값을 각각 3-bit로 양자화하여 학습을 수행하였다. 그 결과 56.14%의 Top-1 Accuracy를 달성하였으며, 베이스라인 모델인 AdaDFQ 대비 3.4% 정확도를 향상했다.

• 디지털융복합연구
• /
• 제13권1호
• /
• pp.93-110
• /
• 2015

본 연구는 고객 네트워크와 공급자 네트워크, 그리고 혁신성과간의 관계에서 T자형 기술의 역할을 규명하기 위해 수행되었다. 기업 간 협력관계를 효과적으로 관리하기 위해서 필요한 요소는 관련 선행 지식이다. 흡수역량의 전제조건은 새로운 지식을 인지하고, 완전히 이해하고 이를 적용하기 위해서 기업이 관련 선행 지식을 보유하고 있어야 한다는 것이다. 이러한 관점에서 T자형 기술은 새로운 관련 지식의 학습을 용이하게 해주며, 혁신 성과에 중요한 요소이다. 실증분석 결과 T자형 기술은 네트워크와 혁신성과 간의 중요한 매개변수로 작용하는 것으로 나타났다. 본 연구는 이를 통해 앞으로 고객 및 공급자와의 네트워크를 구축하고 적극적으로 활용하는 기업에게 어떻게 구축된 네트워크를 통한 효과를 극대화 할 수 있는지 그 방향성을 제시하고 있다.