$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

개념학습을 위한 논리적 진화방식
Logical Evolution for Concept Learning 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. CI, 컴퓨터, v.40 no.3 = no.291, 2003년, pp.144 - 154  

박명수 (서울대학교 전기공학부) ,  최진영 (서울대학교 전기공학부)

초록
AI-Helper 아이콘AI-Helper

이 논문에서는, 이진 논리 함수(binary logic function)로 표현되는 개념들에 대한 새로운 학습방법인 논리적 진화방식(Logical Evolution)을 제안하였다. 그리고 이 방법을 통해 기존 귀납학습의 문제점들을 해결하고자 시도하였다. 사용하는 특징이 사전지식의 영향을 적게 받도록, 학습과정에서 얻어진 정보를 이용하여 특징을 생성하고 동시에 이를 이용하여 학습한다. 그리고 전체 자료가 아니라 개별 자료를 이용하여 특징생성 및 학습을 수행한다. 그 결과 새로운 문제가 주어지거나 입출력이 변경되는 경우에도, 이전의 특징을 재사용할 수 있으며 겨우에 따라서는 보다 효율적인 학습이 가능하다. 논리적 진화방식은 5가지 연산으로 구성되며, 이러한 연산들은 특징생성 및 학습 과정에서 논리적 평가방식(logical evaluation)에 의해 적절하게 선택되고 실행된다. 제안된 방법의 성능을 평가하기 위해서 MONK 문제와 새로 정의한 다른 문제를 이용하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper we present Logical Evolution method which is a new teaming algorithm for the concepts expressed as binary logic function. We try to solve some problems of Inductive Learning algorithms through Logical Evolution. First, to be less affected from limited prior knowledge, it generates feat...

주제어

#Logical Evolution   #binary logic concept   #inductive teaming   #constructive induction   #feature generation  

참고문헌 (12)

  1. Mitchell, T., Machine Learning, MacGraw-Hill, 1997 

  2. Usama M. Fayyad, Gregory Piatesky-Shaprio, Padhraic Smyth and Ramasamy Uthurusamy, Advances in Knowledge Discovery and Data Mining, MIT Press, 1996 

  3. Koza, John R., Genetic Programming, MIT Press, 1992 

  4. Simon Haykin, Neural Networks, 2th ed, Prentice-Hall, 1999 

  5. Quinlan, J.R., 'Discovering rules by induction from large collections of examples,' in Expert systems in the micro electronic age, Edinburg University Press, 1979 

  6. P. Clark and T. Niblett, 'The CN2 Induction algorithm,' Machine Learning Journal, Vol.3, No.4, pp.261-283, 1989 

    상세보기 crossref

  7. Rumelhart, D.E., J.K. McClelland, eds., Parallel Distributed Processing : Exploration in the Microstructure of Cognition, vol.1, Cambridge, MA: MIT Press 

  8. Michalski, R.S., 'A Review of Machine Learning Methods' in Machine Learning and Data Mining : Methods and Applications, John Wiley & Sons, 1996 

  9. Bleodorn, E. and Michalski, R.S., 'Data-driven Constructive Induction in AQ17-DCI : A Method and Experiments,' Reports of Machine Learning and Inference Laboratory, Center for Artificial Intelligence, George Mason University, 1991 

  10. Pagallo, G., and Haussler, D., 'Boolean feature discovery in empirical learning,' Machine Learning, 5., pp. 71-99, 1990 

    상세보기 crossref

  11. Yang, D-S., Rendell, L. A., and Blix, G., 'A Scheme For Feature Construction and a Comparision of Empirical Learning Method,' Proceedings of the 12th International Joint Conference on Artificial Intelligence, pp. 699-704, 1991 

  12. Thrun, S.B. et al., 'The MONK's Problems : A Performance Comparison of Different Learning Algorithms,' Technical Report CMU-CS-91:197, Carnegie Mellon University, Pittsburgh, 1991 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로