유연한 추론을 위한 기호 - 연결주의 통합 시스템
페이지 정보
작성일 22-09-28 04:40본문
Download : 유연한 추론을 위한 기호 - 연결주의 통합 시스템.hwp
또한 본 논문에서 제안한 지식 표현 구조가 기호주의적 접근방식이 가지는 경직성 문제와 연결주의적 접근방식이 상위개념(槪念)간의 구조화되고 복잡한 관계를 표현하기 어려웠던 drawback(걸점)을 해결할 수 있음을 보이고, 어의의 모호성문제를 예로 다룬다.
기존의 기호주의적 인공지능 시스템은 추론 과정에 있어서 기호체계가 표현하고자 하는 의미구조를 반영하고 있지 못하기 때문에 발생하는 경직성 문제(brittleness problem)로 유연성이 크게 결여되어 있다.
,인문사회,레포트
레포트/인문사회
순서
다. 마지막으로 5장에서는 제안한 지식 표현 구조의 특성에 대한 고찰과 향후의 연구방향을 검토한다.
유연한 추론을 위한 기호 - 연결주의 통합 시스템
기존의 기호주의적 인공지능 시스템은 추론 과정에 있어서 기호체계가 표현하고자 하는 의미구조를 반영하고 있지 못하기 때문에 발생하는 경직성 문제(brittleness problem)로 유연성이 크게 결여되어 있다아 이런 경직성 문제는 기호주의적 지식기반 시스템의 응용성을 크게 감소시키는 요인이 된다.본 논문의 2장에서는 유연한 추론을 위한 기존의 대표적 모델인 CSN, 3장에서는 유연한 추론을 위해 본 논문에서 제안한 지식 표현 구조 및 기호-연결주의 통합 시스템(SymCSN)의 수행단계, 4장에서는 어의의 모호성 문제에 대한 실험 결과에 대해서 살펴본다.
3. 기호-연결주의 통합 시스템(SymCSN)
3.1 지식 표현 구조
본 논문에서 제안하는 지식 표현 구조는 CSN과 유사하게 상위관념을 표현하는 CL, 각 상위관념에 대한 하위 관념을 포함하는 SL, 지식베이스와 추론 엔진으로 이루어진 SLM(Symbolic Logic Module), 그리고 CL노드의 활성화 값을 SLM로 전파하는 뉴럴 링크(Neural Link)로 구성된다(그림 3).
CSN이 CL에서 전향 신경망을 이용하여 상위관념간의 관계를 규칙의 형태로…(skip)
기존의 기호주의적 접근방법의 drawback(걸점)을 해결하기 위해 신경망에 기반한 추론 시스템들이 연구되고 있고[1, 2, 3, 4], 신경망을 이용하여 기호체계를 표현하고 기호체계 안에 의미구조를 반영함으로써 보다 유연한 추론 시스템 구성을 목적으로 한다. 또한 본 논문에서 제안한 지식 표현 구조가 기호주의적 접근방식이 가지는 경직성 문제와 연결주의적 접근방식이 상위개념간의 구조화되고 복잡한 관계를 표현하기 어려웠던 문제점을 해결할 수 있음을 보이고, 어의의 모호성문제를 예로 다룬다. 예를 들어 ‘깃털을 가지고 있고(has-feathers), 날수 있고(can-fly), 알을 낳으면(lay-eggs) 새이다’라는 규칙을 CSN의 CL에서 표현한다면 그림 2와 같다. 마지막으로 5장에서는 제안한 지식 표현 구조의 property(특성)에 대한 고찰과 향후의 연구방향을 검토한다. 따라서 본 논문에서는 신경망에 기반한 유사성과 연관성을 이용한 유연한 추론 메커니즘과 상위개념(槪念)간의 복잡하고 구조적인 지식 표현과 추론이 용이한 기호주의적 접근방식을 결합한 기호-연결주의 통합시스템(SymCSN; Symbolic CSN)을 제안한다.
설명
1. 서론
2. CSN
3. 기호-연결주의 통합 시스템(SymCSN)
3.1 지식 표현 구조
3.2 SymCSN의 수행 단계
4. test(실험) 및 결과
CSN 모델은 상위단계(macro level)의 지식 표현을 위한 이질적(heterogeneous) 메커니즘인 기호주의적 접근방법과 하위단계(micro level)의 지식 표현을 위한 동질적(homogeneous) 메커니즘인 연결주의적 접근방법간의 유기적인 상호작용을 통해 인간의 유연한 추론 과정을 모델링하고 있따 하지만 CSN은 상위단계의 지식 표현을 위해 전향 신경망을 사용한다.기존의 기호주의적 접근방법의 문제점을 해결하기 위해 신경망에 기반한 추론 시스템들이 연구되고 있고[1, 2, 3, 4], 신경망을 이용하여 기호체계를 표현하고 기호체계 안에 의미구조를 반영함으로써 보다 유연한 추론 시스템 구성을 목적으로 한다. , 유연한 추론을 위한 기호 - 연결주의 통합 시스템인문사회레포트 ,
Download : 유연한 추론을 위한 기호 - 연결주의 통합 시스템.hwp( 57 )
본 논문의 2장에서는 유연한 추론을 위한 기존의 대표적 모델인 CSN, 3장에서는 유연한 추론을 위해 본 논문에서 제안한 지식 표현 구조 및 기호-연결주의 통합 시스템(SymCSN)의 수행단계, 4장에서는 어의의 모호성 문제에 대한 實驗 결과에 관련되어 살펴본다. 반면에 인간의 추론 과정은 이러한 경직성 문제를 드러내지 않으며, 본질적으로 상황에 의존적(situation dependent)이며 매우 유연하다. 반면에 인간의 추론 과정은 이러한 경직성 문제를 드러내지 않으며, 본질적으로 상황에 의존적(situation dependent)이며 매우 유연하다. 규칙은 변수(variable)를 포함할 수 없는 명제 논리(propositional logic) 정형식(well formed formula)으로 표현되기 때문에 일반적이거나 구조화된 관념간의 관계를 표현하고 추론하기에 어려운 점이 있따 또한 추론 과정 중 동적으로 새로운 지식의 추가나 삭제의 경우 전향 신경망의 노드나 연결 가중치를 동적으로 다시 설정해야하는 어려움이 있따
이러한 문제가되는점 의 근본적인 Cause 은 상위단계 지식 표현과 추론을 위한 기호 처리과정(symbolic processing)이 연결주의적 틀(framework)안에서 이루어지고 있기 때문이다 따라서 본 논문에서는 CSN이 상위단계의 지식 표현 및 추론 과정을 기호주의적 메커니즘으로 처리함으로서 이러한 문제가되는점 을 해결할 수 있는 지식 표현 구조를 제안한다. 이런 경직성 문제는 기호주의적 지식기반 시스템의 응용성을 크게 감소시키는 원인이 된다. 따라서 본 논문에서는 신경망에 기반한 유사성과 연관성을 이용한 유연한 추론 메커니즘과 상위개념간의 복잡하고 구조적인 지식 표현과 추론이 용이한 기호주의적 접근방식을 결합한 기호-연결주의 통합시스템(SymCSN; Symbolic CSN)을 제안한다.