http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김영분(Youngboon Kim) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
김영분(Youngboon Kim),민창우(Changwoo Min),김명원(Myung Won Kim) 한국정보과학회 1997 정보과학회논문지(B) Vol.24 No.10
기존의 기호주의적 인공지능 시스템이 추론을 하는데 있어서 유연성이 부족하다는 것은 잘 알려진 사실이다. 이러한 문제점을 해결하기 위하여 유연한 지식 표현과 추론을 할 수 있는 연결주의적 의미망인 CSN(Connectionist Semantic Network)을 이미 제안하였다. CSN은 프라이밍 현상과 실어증에 관한 논의에서 볼 수 있듯이 인간의 유연한 추론에 영향을 주는 중요한 요소인 유사성(similarity)과 연관성(association)을 기반으로 하여 근사추론 및 상식추론을 할 수 있는 모델이다. 그러나 CSN을 비롯한 신경망을 이용한 시스템들은 정보를 분산적으로 가지고 있으므로 추론한 결과를 설명하기가 어렵다는 단점을 가지고 있다. 본 논문에서는 CSN을 기반으로 하여 추론결과를 설명할 수 있는 설명 알고리즘(explanation algorithm)을 제안한다. 이 알고리즘은 먼저 개념층의 가중치를 분석함으로써 추론에 중요하게 영향을 끼친 개념들을 추출한다. 이 개념들과 초기에 입력된 개념들이 공유하고 있는 하위개념의 정도에 따라서 유사정도를 계산하고 각 개념간의 하위개념들의 연결정도와 공유된 하위개념의 정도에 따라서 연관정도를 계산한다. 이러한 유사정도와 연관정도를 이용하여 추론 결과를 설명함으로써 유사성과 연관성을 이용한 CSN의 유연한 추론과정을 잘 설명할 수 있다. 본 논문에서는 실험을 통하여 제안된 설명 알고리즘의 수행과정을 보이고 타당성을 검토한다. It is well known that the conventional symbolic approach suffers from lacking flexibility in representing knowledge and inference. For solving this problem, we have recently proposed the Connectionist Semantic Network(CSN) as a model for flexible knowledge representation and inference based on neural networks. CSN is capable of carrying out both approximate reasoning and commonsense reasoning based on similarity and association which are important factors for human-like flexible inference as evidenced by priming phenomena and aphasia. However, it is the case that neural networks lack transparency in knowledge representation and reasoning, which causes difficulties in understanding and explaining reasoning process. In this paper, we propose an explanation algorithm for CSN using conceptual similarity and association. Our method, first, extracts important concepts relevant to the inference results by analyzing weights in concept level and then calculate similarity and association. While the similarity is calculated in terms of the degree in which two concepts share their subconcepts, the association is calculated in terms of the degree in which two concepts are correlated. Using similarity and association, we can better explain the flexible inference based on CSN. Simulation results show that our method is powerful and flexible in explaining connectionist inference.
-
유연한 지식 표현과 추론을 위한 연결주의적 의미구조의 모델
김영분(Youngboon Kim),민창우(Changwoo Min),김명원(Myung Won Kim) 한국정보과학회 1996 한국정보과학회 학술발표논문집 Vol.23 No.1A
본 논문에서는 기존의 기호주의적 인공지능이 가지는 기호체계와 의미체계의 구조 차이에 의한 brittleness문제를 해결하기 위하여, Roman Jakobson이 정의한 유사성(similarity)과 인접성(contiguity)에 기반한 추론을 수행할 수 있는 연결주의적 의미공간 모델 CSN(Connectionist Semantic Network)을 제안한다. CSN은 상위개념과 그 개념을 구성하는 구체적 하위개념의 구조를 가지고 이들의 상호 연결 부분을 학습함으로써 의미의 기본적인 두 측면 즉, 유사성과 인접성에 기반한 추론을 수행할 수 있는 모델이다. 본 논문에서는 유사성과 인접성을 사용한 추론 예제를 가지고 실험하여 제안한 모델의 타당성을 검증하며, 신경망을 사용한 정보처리가 기호주의적 방법에 비하여 유연함을 고찰한다.
-
민창우(Changwoo Min),김영분(Youngboon Kim),김명원(Myung Won Kim) 한국정보과학회 1997 정보과학회논문지(B) Vol.24 No.6
기존의 기호주의적 인공지능 시스템이 지식을 표현하고 추론하는데 있어서 유연성을 결여하고 있다는 것은 잘 알려진 사실이다. 이것은 기호주의적 지식표현 방법이 표현하고자 하는 의미구조를 반영하고 있지 않기 때문이다. 본 논문에서는 유연한 지식표현과 추론을 위한 연결주의적 접근방법으로써 신경망에 기반한 새로운 지식표현과 추론체계인 Connectionist Semantic Network(CSN)을 제안한다. CSN에서 지식은 개념을 나타내는 상호연결된 노드로써 표현된다. 각 상위개념은 그것과 연관이 있는 하위개념의 네트워크 형태로 표현된다. 각 개념들 사이의 연결은 유연한 추론에 있어서 중요한 역할을 하는 유사성과 연관성을 나타낸다. 이와 같은 구조를 가지는 CSN에서, 추론은 관련된 개념들의 활성화를 네트워크를 통하여 전파함으로써 이루어진다. 본 논문에서는 실험을 통하여 CSN이 유연한 지식표현과 추론에 효율적인 구조라는 것을 보인다. It is well known that the conventional symbolic approach suffers from lacking flexibility in representing knowledge and inference. It mainly attributes to the fact that symbolic knowledge representation does not well reflect semantic structure to be represented. In this paper we investigate a connectionist approach to flexible knowledge representation and reasoning. We propose the Connectionist Semantic Network (CSN), a new knowledge representation and reasoning system based on neural networks. In the CSN we represent knowledge as a network of interconnected nodes representing concepts, Each high level concept is, in turn, represented by its semantic structure, a network of its associated subconceptual components. Connections incoporate similarity and association between concepts, which are important for flexible inference. In the CSN inference can be done by propagating the activations of pertinent conceptual nodes through the network. Our simulation results demonstrate that the CSN is an efficient structure for flexible knowledge representation and inference.
-
시뮬레이티드 어닐링의 생성 메카니즘이 최적화 성증에 미치는 영향의 실험적 분석
김영분,김명원 崇實大學校 生産技術硏究所 1995 論文集 Vol.25 No.2
시뮬레이티드 어닐링 (simulated annealing)은 고체를 고온으로 가열하였다가 서서히 냉각시킴으로써 그 고체의 강도나 결정성을 향상시키는 어닐링이라는 물리적 과정을 모방한 최적화 알고리즘으로 쿨링 스케줄(cooling schedule)에따라 최적화 성능이 영향을 받는다. 본 논문에서는 쿨링 스케줄뿐만 아니라 생성 메카니즘(generation mechanism)이 시뮬레이티드 어닐링의 성능에 미치는 영향을 실험적으로 분석하고 효율적인 생성 메카니즘의 특성을 제안한다. 대표적 최적화 문제인 TSP에 대하여 시뮬레이티드 어닐링을 적용함에 있어서 다양한 생성 메카니즘을 정의하고, 각각의 생성 메카니즘에 대한 최적화 성능을 비교, 분석하여 제안된 특성의 타당성을 고찰한다. Simulated annealing is an algorithm which is useful for solving combinatorial optimization problems since it allows to find near-optimal solutions. In simulated annealing the performance largely depends on its cooling schedule which describes how to reduce temperature and at any given temperature how many state transitions are made to reach thermal equilibrium. In this paper we investigate the effect of a generation mechanism on optimization performance in simulated annealing. We experiment with TSP(Travelling Salesman Problem) by defining various generation mechanisms and analyze their performances. From the analysis of the experimental results we derive some of important characteristics required for a good generation mechanism.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
