• 논리연구
• /
• 제12권2호
• /
• pp.59-88
• /
• 2009

귀납추론은 연역추론이 아니기 때문에 연역적으로 정당화될 수 없다. 또한 귀납추론을 귀납적으로 정당화하는 것은 순환적이다. 따라서 흄은 귀납추론을 합리적으로 정당화할 수 없다고 주장한다. 흄이 이와 같은 귀납의 문제를 제기한 이후 오랜 동안 많은 철학자들이 이 문제를 해결하고자 시도해 왔다. 그럼에도 불구하고, 아직껏 대다수의 철학자들이 동의하는 해결책이 제시되지 않고 있다. 셀라스에 따르면 귀납의 문제는 이론추론이 아니라 오직 실천추론을 통해서만 해결할 수 있다. 이 논문은 셀라스가 제안한 실천추론에 의한 귀납의 정당화를 좀 더 명확한 형태로 발전시켜 설명함으로써 그의 해결책이 귀납의 문제에 대한 근본 해결책임을 주장한다.

• Child Studies in Asia-Pacific Contexts
• /
• 제5권2호
• /
• pp.83-94
• /
• 2015

The purpose of this study was to understand the influence of personality trait information on young children's perception of initial attraction in peer relationships. The sample consisted of 90 children of three to five years of age in South Korea. Children were presented with an inductive inference task where they had to make inference of a target character's preference on novel-play and prosocial act based on trait labels (smart-not smart, outgoing-shy, nice-mean) and perceptual (toy) similarity information of two test characters. Children showed difference in their use of trait information depending on the perceptual similarity information, trait valence, and inference question with age. This result provides initial support that not only do young children understand the significance of trait in peer attraction but also know when trait label is more informative to use to infer others depending on the situation.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권9호
• /
• pp.659-668
• /
• 2010

협력적 여과 시스템은 새로운 사용자의 행위를 파악하고 사용자가 흥미로워할 아이템을 추천해주기 위해서 사용자들에 대한 새로운 정보를 필요로 한다. 이러한 정보를 획득하기 위하여 협력적 여과 시스템은 기존 데이터를 기반으로 학습을 하고, 그 결과에 따라 사용자에 대한 새로운 정보를 찾아낼 수 있다. 본 논문에서는 사용자에 대한 새로운 정보를 획득하기 위한 방법으로 귀납적 추리 방법을 제안하고, 추리된 사용자의 정보를 이용하여 아이템의 순위를 결정한다. 제안된 방법에서는 귀납적 기계 학습 방법인 NMF를 이용하여 사용자를 학습시켜서 모든 사용자들을 그룹으로 군집시키고, 각 그룹으로부터 카이제곱을 이용하여 그룹의 특징을 추출한다. 다음으로, 귀납 추리 방법의 하나인 베이지언 확률모델을 이용하여 새로운 사용자가 입력한 평가값과 각 그룹의 특징을 기반으로 사용자를 적합한 그룹으로 분류한다. 마지막으로, 사용자가 결측한 아이템을 대상으로 로치오(Rocchio) 알고리즘을 적용하여 아이템의 순위를 결정한다.

• 한국인터넷방송통신학회논문지
• /
• 제19권1호
• /
• pp.1-8
• /
• 2019

대량의 로그 자료로부터 가장 적합한 정보를 추출하기 위한 방법 중 귀납 추리를 이용한 방법이 있다. 본 논문에서는 디지털 포렌식 분석에서 침입 흔적 로그의 순위를 결정하기 위하여 귀납 추리를 이용한 방법 중 분류에 있어서 우수한 SVM(Support Vector Machine)을 이용한다. 이를 위하여, 훈련 로그 집합의 로그 데이터를 침입 흔적 로그와 정상 로그로 분류한다. 분류된 각 집합으로부터 연관 단어를 추출하여 연관 단어 사전을 생성하고, 생성된 사전을 기반으로 각 로그를 벡터로 표현한다. 다음으로, 벡터로 표현된 로그를 SVM을 이용하여 학습하고, 학습된 로그 집합을 기반으로 테스트 로그 집합을 정상 로그와 침입 흔적 로그로 분류한다. 최종적으로, 포렌식 분석가에게 침입 흔적 로그를 추천하기 위하여 침입 흔적 로그의 추천 순위를 결정한다.

• 논리연구
• /
• 제16권1호
• /
• pp.87-115
• /
• 2013

필자는 최근 논문 "논란 없는 원리와 최원배 교수의 반론"에서 이른바 '논란 없는 원리'가 논란의 여지가 있다는 주장과 (연역추론으로서의) 전건 긍정식의 타당성이 양립함을 주장했다. 이러한 주장에 대해 최원배 교수는 그의 최근 논문 "논란 없는 원리와 전건 긍정식"에서 세 가지 비판을 제시한다. 첫째, 필자는 'A이면 (아마도) C이다. A이다. 따라서 C이다.' 형식의 추론이 전건 긍정식의 사례임을 부정하지만, 이와 같은 추론은 전건 긍정식의 사례로 간주될 수 있다. 둘째, 연역추론에 기반을 둔 직설법적 조건문과 귀납추론에 기반을 둔 직설법적 조건문을 구분해주는 문법상의 표식이 없기 때문에 이러한 조건문들을 전제로 하는 전건 긍정식들을 형식상 다른 종류의 추론들이라고 보기 어렵다. 셋째, 직설법적 조건문이 귀납추론에 의해 정당화되는 경우를 허용하면 논리개념이 지켜야 하는 조화의 원리를 어기게 된다. 이 논문에서 필자는 이 비판들이 모두 설득력이 없음을 주장한다.

• 실천공학교육논문지
• /
• 제6권1호
• /
• pp.1-7
• /
• 2014

이 연구는 귀납법적 확증(confirmation)을 위해서 실행하는 실험이 확률론적 추론임을 밝히고 이의 단점을 보완하기 위해서 적용된 확률적 확인론에 따라서 수행하는 실험에서 통제하는 절차와 방법을 다루었다. 이 통제란 알려진 조건과 상황들을 인위적으로 조작하되 가설에서 명시된 특정조건(즉 독립변수) 이외의 조건(기타 변수)이 작용하여 현상이 발생(종속변수)될 가능성을 막는 것이다. 특정조건에 의하여 현상이 발생할 가능성을 극대화 시키고 기타 조건에 의하여 현상이 발생할 가능성을 최소화시키는 것이다. 그렇게 함으로써 특정 선행사건(독립변수)과 후행사건(종속변수) 사이의 진정한 인과관계성(the causal relationship)을 객관적으로 정확하게 추론하도록 보장하는 방법이 통제인 것이다. 이 연구에서는 변수통제에 대해 좀 더 구체적으로 다루기 위해 대표적인 헬스기구인 Elliptical Trainer (ET)와 Tread Mill (TM)를 이용한 실험에서 변수통제를 가하여 운동속도(독립변수)에 따른 에너지 소비량 변화(종속변수)와 운동속도(독립변수)에 따른 호흡교환율(RER)과 심장 박동율(HR)의 변화(종속변수)를 얻었다. 마지막으로 이 통제를 통해 얻어진 실험결과들을 그래프로 그려 그 결과에 따라 연구의 결론이 다루어졌다.

• 대한수학교육학회지:학교수학
• /
• 제14권1호
• /
• pp.85-107
• /
• 2012

본 연구에서는 문제해결에서 귀납적 추론의 과정을 분석하여 귀납적 추론의 단계를 0단계 문제 이해, 1단계 규칙성 인식, 2단계 자료 수집 실험 관찰, 3단계 추측(3-1단계)과 검증(3-2단계), 4단계 발전의 총 5단계로, 귀납적 추론의 흐름은 0단계에서 4단계로의 순차적인 흐름을 포함하여 자신이 찾은 규칙이나 추측에 대하여 반례를 발견하였을 때 대처하는 방식에 따라 다양하게 설정하였다. 또한 초등학교 6학년 학생 4명에 대한 사례 연구를 통하여 연구자가 설정한 귀납적 추론 단계와 흐름의 적절성을 확인하였고 귀납적 추론의 지도를 위한 시사점을 도출하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 The Third Asian Fuzzy Systems Symposium
• /
• pp.296-301
• /
• 1998

The Rough Set theory suggested by Pawlak in 1982 has been useful in AI, machine learning, knowledge acquisition, knowledge discovery from databases, expert system, inductive reasoning. etc. The main advantages of rough set are that it does not need any preliminary or additional information about data and reduce the superfluous informations. but it is a significant disadvantage in the real application that the inference result form is not the real control value but the divided disjoint interval attribute. In order to overcome this difficulty, we will propose approach in which Rough set theory and Neuro-fuzzy fusion are combined to obtain the optimal rule base from lots of input/output datum. These results are applied to the rule construction for infering the temperatures of refrigerator's specified points.

• Journal of the Korean Data and Information Science Society
• /
• 제14권1호
• /
• pp.103-111
• /
• 2003

Kernel machines are used widely in real-world regression tasks. Kernel ridge regressions(KRR) and support vector machines(SVM) are typical kernel machines. Here, we focus on two types of KRR. One is inductive KRR. The other is transductive KRR. In this paper, we study how differently they work in the interpolation and extrapolation areas. Furthermore, we study prediction interval estimation method for KRR. This turns out to be a reliable and practical measure of prediction interval and is essential in real-world tasks.

• 정보처리학회논문지B
• /
• 제11B권1호
• /
• pp.83-90
• /
• 2004

요즘 사람들이 많이 즐기는 전략 게임들은 장르가 가지는 특성을 이행하지 못하고 있다. 사용자 객체의 행위에 적절히 대응하는 컴퓨터 객체의 행위를 추론해내지 못함은 물론이고 다양하게 구사되는 사용자의 전략에 대책을 마련할 수 있는 학습 능력을 갖추고 있지 못하기 때문에 사용자들은 별다른 전략 없이 컴퓨터를 상대로 쉽게 게임을 승리할 수 있다. 이에 본 논문에서는 컴퓨터 객체에 추론 능력과 학습 능력을 적용하기 위해서 비단조 추론방식과 귀납적 기계 학습을 적용한 전략게임 인공지능 엔진을 연구한다. 본 논문에서는 다음 3가지 부분에 중점을 두고 엔진을 연구하였다. 첫째 사용자가 제어하는 객체들의 행위를 포괄적으로 모니터하여 사용자의 객체 행위로 추상화하는 사용자 행위 모니터, 둘째 추상화된 사용자의 객체 행위에 대응하는 컴퓨터 객체들의 행위와 사용자의 전략을 학습하는 학습 엔진, 셋째 추상화되어 있는 컴퓨터 객체의 행위를 게임에 반영하는 행위 표현기를 중심으로 연구하고 있다. 특히 본 논문에서는 보다 정확하게 사용자 객체의 전략 행위를 학습하고, 사용자의 객체에 대응하는 컴퓨터 객체 행위를 만들어내기 위해서 비단조 추론과 기계 학습 기법중 하나인 귀납적 학습 방식을 적용하는 2단계의 구조를 연구하고 있다. 즉, 귀납적 학습 방법을 통해서 컴퓨터 객체가 학습한 정보를 바탕으로 비단조 추론을 이용하여 컴퓨터 객체의 행위와 전략을 결정한다. 이에 본 논문에서는 비단조 추론과 귀납적 기계 학습을 적용하여 기존 컴퓨터 객체의 행위와의 차별성을 밝혀내고, 컴퓨터 객체가 향상된 전략을 구사할 수 있게 하는 것이 주된 목표다.