• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.510-512
• /
• 2012

상황인식 서비스 분야에서 불확실한 데이터를 추론하는 것은 매우 어렵고 복잡하다. 이러한 상황정보들에서 얻어지는 데이터는 불확실성을 내포하고 있어서 불확실한 추론 결과를 초래할 수 있다. 비록 불확실성 문제들을 해결하기 위해 퍼지 이론, 뉴런 네트워크, 동적 베이지안 네트워크, 은닉 마르코프 모델과 같은 여러 종류의 방법들이 제시되었지만 이러한 방법들은 가설들을 하나의 숫자에 의해 신뢰의 정도를 표시하기 때문에 많은 어려움이 있다. 본 논문에서는 사용자들이 제공받는 서비스들에 대하여 만족도를 평가한 후 수집된 데이터를 활용하여 사용자들의 상관 관계를 분석한다. 그리고 Dempster-Shafer 이론을 사용하여 사용자들로부터 측정된 믿음 값을 융합한다. 이는 불확실성 값을 낮추어 추론결과의 정확성을 높이고 증거구간을 재설정하여 사용자들에게 신뢰성 있는 적응형 서비스를 제공하게 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.1486-1489
• /
• 2012

가용 센서를 내장하고 있는 모바일 디바이스의 사용이 많아지고 자동화, 자율화, 맞춤식 서비스의 요구가 커짐에 따라 컨텍스트 인지 모바일 컴퓨팅(Context-Aware Mobile Computing)의 필요성이 증대하고 있다. 하지만 추론 시스템 설계는 컨텍스트 분석, 인지하고자 하는 상황분석 등의 복잡한 과정을 요구한다. 본 눈문에서는 이러한 과정을 간결하고 정확하게 표현하기 위한 컨텍스트-상황 추론 요소의 범용적 정형 모델을 제안한다. 또한 추론 요소들의 정형 모델을 실사례에 적용하여 본 논문에서 제안하고 있는 추론 요소들의 정형 모델이 실효성을 가지고 있으며 범용적임을 보여준다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.187-189
• /
• 2004

인터넷의 활용범위는 정보의 검색 및 수집을 넘어서 여러 범위로 확대되고 있고 점보의 양 또한 방대해 졌다. 그러나 필요한 정보를 찾기는 더욱 어려워지고 있고, 그에 따라 개인에게 맞는 정보를 제공해주는 시스템이 절실해지고 있다. 본 연구에서는 웹 서비스 기반 위에 추론엔진을 사용하여 사용자에게 가장 적합한 상품을 검색하여 추천해주는 추천 시스템의 모델을 제시하고 있다. 웹 서비스 기반 위에 시스템을 구축함으로써 표준 웹서비스의 가능성을 엿보고, 복잡한 논리적 추론을 추론엔진을 사용함으로써 효율성을 증가시키고 있다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.588-591
• /
• 2021

다중추론 질의응답 태스크는 하나의 문서만 필요한 기존의 단일추론 질의응답(Single-hop QA)을 넘어서 복잡한 추론을 요구하는 질문에 응답하는 것이 목표이다. IRQA에서는 검색 모델의 역할이 중요한 반면, 주목받고 있는 Dense Retrieval 모델 기반의 다중추론 질의응답 검색 모델은 찾기 어렵다. 본 논문에서는 검색분야에서 좋은 성능 보이고 있는 Dense Retrieval 모델의 다중추론을 위한 사전학습 방법을 제안하고 관련 한국어 데이터 셋에서 이전 방법과의 성능을 비교 측정하여 학습 방법의 유효성을 검증하고 있다. 이를 통해 지식 베이스, 엔터티 링킹, 개체명 인식모듈을 비롯한 다른 서브모듈을 사용하지 않고도 다중추론 Dense Retrieval 모델을 학습시킬 수 있음을 보였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• 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.

• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.10a
• /
• 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.

• KIPS Transactions on Software and Data Engineering
• /
• v.2 no.4
• /
• pp.239-250
• /
• 2013

Context-aware mobile computing has become the primary approach to realize automatic, autonomous, and user-centric computing in the context of largely increasing the amount of mobile devices used that embed available sensors. However, designing an inference engine nonetheless requires the tasks of analyzing contexts, situations that can be inferred, etc. Moreover, a mobile device has limited resources and limited computation capability, which results in recognizing the common sense of its unsuitable environment for processing inference. Hence, we propose context-situation reasoning elements and their formal models in this paper, and we verify the formal models' applicability by applying them to an example. Finally, we design and implement an inference engine that realize the context-situation inference elements in computing environment, and we experiment an example by using the proposed inference engine to verify applicability and reusability of the inference engine.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06b
• /
• pp.127-129
• /
• 2006

모바일 디바이스에서 얻을 수 있는 로그에는 다양한 개인정보가 풍부하게 포함되어 있으면서도 제약이 많아 활용이 어렵다. 그 동안은 모바일 장치의 용량, 파워의 제약과 정보 분석의 어려움으로 로그 정보를 무시해온 것이 일반적이었다. 본 논문에서는 모바일 디바이스의 다양한 로그 정보를 분석하여 사용자에게 의미 있는 상황(특이성)을 탐지해낼 수 있는 정보 분석 방법을 제안한다. 불확실한 상황에서의 정확성 향상을 위해 규칙/패턴 분석에 의한 특이성 추론뿐만 아니라 베이지안 네트워크를 활용한 확률적인 접근 방법을 활용한다. 이때, 복잡하지 않고 연산이 효율적으로 이루어질 수 있도록 BN을 모듈화하고 모듈화된 BN의 상호보완적인 확률 추론을 위한 BN 처리 과정을 제안한다. 그리고, 특이성 추출 모듈을 주기적으로 업데이트함으로써 성능을 향상시키기 위한 학습알고리즘을 소개한다.

• Journal of KIISE:Software and Applications
• /
• v.36 no.11
• /
• pp.928-935
• /
• 2009

Ontology schema reasoning is used to maintain consistency of concepts and build concept hierarchy automatically. For the purpose, the search of concepts must be inevitably performed. Ontology schema reasoning performs the test of subsumption relationships of all the concepts delivered in the test set. The result of subsumption tests is determined based on the creation of complete graphs, which seriously weighs with the performance of reasoning. In general, the process of creating complete graph has been known as expressive procedure. This process is essential in improving the leading performance. In this paper, we propose a method enhancing the classification performance by identifying unnecessary subsumption test supported by optimized searching method on subsumption relationship test among concepts. It is achieved by propagating subsumption tests results into other concept.

• The KIPS Transactions:PartB
• /
• v.15B no.1
• /
• pp.45-52
• /
• 2008

As the recent development of the IT services, there is a urgent need of effective diagnosis system to present appropriate solution for the complicated problems of breakdown control, a cause analysis of breakdown and others. So we propose an intelligent diagnosis system that integrates the case-based reasoning and the artificial neural network to improve the system performance and to achieve optimal diagnosis. The case-based reasoning is a reasoning method that resolves the problems presented in current time through the past cases (experience). And it enables to make efficient reasoning by means of less complicated knowledge acquisition process, especially in the domain where it is difficult to extract formal rules. However, reasoning by using the case-based reasoning alone in diagnosis problem domain causes a problem of suggesting multiple causes on a given symptom. Since the suggested multiple causes of given symptom has the same weight, the unnecessary causes are also examined as well. In order to resolve such problems, the back-propagation learning algorithm of the artificial neural network is used to train the pairs of the causes and associated symptoms and find out the cause with the highest weight for occurrence to make more clarified and reliable diagnosis.