선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 있다[1]. 따라서 본 논문에서는 이러한 SOM의 문제점을 해결하여 효율적인 지식 베이스의 관리에 적용하기 위하여 Hybrid SOM 모형을 제안한다. 이 모형은 기존의 SOM 모형의 초기 가중치 결정과 가중치 갱신에 확률 분포(pro bability distribution)를 적용한다.
- 따라서 프로젝트에 문제가 발생하였을때 이를 해결하기 위한 유사 사례가 없어 이를 해결하는데 많은 어려움을 겪게된다. 본 논문에서는 과거 프로젝트의 경험 데이터로부터 프로젝트 계획 및 스케줄링에 필요한 기준자료(통계자료, 템플릿 등), 규모예측, 위험 관리방안 등에 대한 데이터를 추출하고 활용하여 보다 효율적인 프로젝트 관리를 위하여 Hybrid SOM을 이용한 지식베이스의 구축 및 활용에 대해 설계하고 구현하였다.
- 만약, 프로젝트 관리가 잘못된다면 일정지연, 비용초과, 인력 부족, 노력의 낭비, 기능 명세의 비효율적 이용 등의 현상이 발생하며 이는 소프트웨어 위기의 원인이 될수 있다. 본 논문에서는 이러한 문제들을 해결하기 위하여 선행 프로젝트 수행 사례를 통한 관리 요소를 찾아내고자 하였다. 프로젝트를 수행해본 정보기술 분야의 종사자들을 대상으로 설문 조사한 결과 프로젝트의 특성을 27개의 변수로 분류할 수 있었으며, 이들 변수들을 이용하여 기존의 프로젝트 사례들을 유형별로 군집화한 후, 이를 바탕으로 지식 베이스를 구축한다.
- 있다[4]. 본 논문에서는 이러한 지식 베이스(knowl- edge base)의 효율적 관리를 위하여 Kohonen이 제안한 자기조직 화 지도(SOM ; Self Organizing Maps)를 확률적 모델(probabilistic model)로 변환시킨 Hybrid SOM을 제안하고, 이를 바탕으로 지식 베이스의 효율적 관리 방안을 연구한다. 특히 크고 작은 프로젝트의 관리를 위하여 프로젝트 사례에 기반한 지식 베이스를 구축하고 이를 효율적으로 관리하는 방안에 대해서 연구한다.
- 본 논문에서는 이처럼 기존에 수행된 프로젝트 결과들에 대한 지식 베이스를 구축, 갱신하여 새로이 발생하는 프로젝트에 대한 예측관리를 위하여 자율적 데이터 마이닝 기법 (unsupervised data mkiing technique)으로 분류할 수 있는 하이브리드 SOM을 제안하고 적용한다.
- 본 논문에서는 지식 베이스의 효율적 관리를 위하여 자율학습 신경망과 확률적 분포를 결합한 Hybrid SOM 알고리즘을 제안하였다. 이 방법은 기존의 SOM 모형의 장점은 유지하고 단점을 통계적 분포이론으로 보완한 방법이다.
- 본 논문에서는 이러한 지식 베이스(knowl- edge base)의 효율적 관리를 위하여 Kohonen이 제안한 자기조직 화 지도(SOM ; Self Organizing Maps)를 확률적 모델(probabilistic model)로 변환시킨 Hybrid SOM을 제안하고, 이를 바탕으로 지식 베이스의 효율적 관리 방안을 연구한다. 특히 크고 작은 프로젝트의 관리를 위하여 프로젝트 사례에 기반한 지식 베이스를 구축하고 이를 효율적으로 관리하는 방안에 대해서 연구한다. 프로젝트의 효율적 관리는 프로젝트의 과정을 계획하고, 향후 발생할 수 있는 문제점을 예측하여 예상되는 해결책에 대해 과거의 경험을 얼마나 활용하느냐에 달려있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.