표제지
요약
목차
제1장 서론 11
1.1. 연구 배경 및 목적 11
1.2. 연구 내용 및 방법 14
1.3. 논문의 구성 15
제2장 기반 연구 16
2.1. 상식 추론 16
2.1.1. 규칙기반 추론 17
2.1.2. 근사 추론 19
2.2. 연결주의 27
2.3. 기호주의와 연결주의 32
2.3.1. 기호주의의 문제점 34
2.3.2. 연결주의의 문제점 36
2.3.3. 기호주의와 연결주의의 통합 40
제3장 증거기반 퍼지 논리 43
3.1. 기본 개념 43
3.1.1. 사실 43
3.1.2. 규칙 45
3.1.3. 가중치 프레임 46
3.1.4. 결론 49
3.2. 증거기반 퍼지 논리 52
3.2.1. 증거기반 퍼지 논리 1 57
3.2.2. 증거기반 퍼지 논리 2 58
제4장 연결주의 네트워크 모델 61
4.1. 네트워크의 구성 및 추론 메카니즘 61
4.1.1. 노드의 구성 61
4.1.2. 링크와 가중치 62
4.1.3. 추론 메카니즘 64
4.1.4. 네트워크 구성과 추론 예 67
4.2. 학습 70
4.2.1. 백프로퍼게이션 71
4.2.2. 백프로퍼게이션의 적용 73
제5장 근사 추론 시스템의 구성 및 평가 76
5.1. 근사 추론 시스템의 구성 76
(1) 규칙 편집기 76
(2) 네트워크베이스 76
(3) 추론 모듈 77
(4) 학습 모듈 78
5.2. 사례 적용과 실행 과정 78
5.3. 평가 84
5.3.1. 추론 효과의 분석 84
5.3.2. 관련 연구와의 비교 89
제6장 결론 92
ABSTRACT 94
참고문헌 96
〈표 2-1〉 폰 노이만 컴퓨터와 신경망의 비교 31
〈표 5-1〉 관련 연구와의 비교 91
〈그림 2-1〉 신경세포의 구조 27
〈그림 2-2〉 처리기의 구성 28
〈그림 2-3〉 활성 함수 : (가) 선형 함수 (나) 계단 함수 (다) 시그모이드 함수 (라) 램프 함수 30
〈그림 2-4〉 결합 모델 42
〈그림 4-1〉 노드의 구성 62
〈그림 4-2〉 링크와 가중치 64
〈그림 4-3〉 추론 메카니즘 66
〈그림 4-4〉 규칙의 네트워크 모델 68
〈그림 4-5〉 믿음값의 입력 69
〈그림 4-6〉 믿음값의 출력 69
〈그림 4-7〉 백프로퍼게이션 72
〈그림 4-8〉 항등 함수 73
〈그림 5-1〉 CONECT의 구조 77
〈그림 5-2〉 CONECT의 초기 화면 78
〈그림 5-3〉 CONECT의 네트워크베이스 모듈 실행 예 79
〈그림 5-4〉 CONECT의 규칙 편집기 실행 예 80
〈그림 5-5〉 규칙의 삭제에 대한 실행 예 81
〈그림 5-6〉 규칙의 수정에 대한 실행 예 81
〈그림 5-7〉 추론 모듈의 실행 예 82
〈그림 5-8〉 설명 기능의 실행 예 83
〈그림 5-9〉 학습 모듈의 실행 예 84
〈그림 5-10〉 실험 데이타 85
〈그림 5-11〉 조건의 수에 따른 결론의 활성값 변화 86
〈그림 5-12〉 가중치 분포 1에 대한 결론의 활성값 변화 87
〈그림 5-13〉 가중치 분포 2에 대한 결론의 활성값 변화 88
〈그림 5-14〉 가중치 분포 3에 대한 결론의 활성값 변화 89