최근 IT 기술을 전통 산업 등 다양한 분야에 적용하려는 연구가 많이 진행되고 있다. 교육 분야에서는 기술을 이용하여 학습을 개선시키는 방법에 대한 관심이 높아지고 있으며, 교육에 IT 기술을 접목하는 자기주도적 학습에 대한 연구가 활발하게 진행되고 있다. 자동차 정비 훈련 분야에서도 이-러닝 형태의 교육이 이루어지고 있지만, 자기주도형 학습을 하기에는 어려움이 많다. 기존에 만들어진 자동차 정비 훈련 프로그램은 개발자에 의해 정해진 훈련 시나리오에 따라 미리 정해진 동작만을 차례로 수행하게 되어있다. 그러나 훈련자가 자기주도적으로 정비 훈련을 수행하기 위해서는 훈련자 스스로 여러가지 정비 동작을 수행하고 다양한 상황을 경험할 수 있어야 한다. 그러한 기능을 제공하기 위해서는 훈련자의 다양한 동작에 대해서 실제와 같은 결과가 나오도록 프로그램이 개발되어야 하지만, 그러려면 자동차의 여러가지 복잡한 전기적, 기계적 동작에 관한 매우 복잡한 계산이 수행되어야 한다. 본 논문에서는 자동차 정비 훈련에서 복잡한 물리적 시뮬레이션 없이 훈련자의 다양한 동작에 따라 자동차의 동작을 시뮬레이션 함으로써 자기주도적인 학습을 할 수 있는 JESS 추론 엔진을 이용한 논리 시뮬레이션 에이전트를 구현한다.
최근 IT 기술을 전통 산업 등 다양한 분야에 적용하려는 연구가 많이 진행되고 있다. 교육 분야에서는 기술을 이용하여 학습을 개선시키는 방법에 대한 관심이 높아지고 있으며, 교육에 IT 기술을 접목하는 자기주도적 학습에 대한 연구가 활발하게 진행되고 있다. 자동차 정비 훈련 분야에서도 이-러닝 형태의 교육이 이루어지고 있지만, 자기주도형 학습을 하기에는 어려움이 많다. 기존에 만들어진 자동차 정비 훈련 프로그램은 개발자에 의해 정해진 훈련 시나리오에 따라 미리 정해진 동작만을 차례로 수행하게 되어있다. 그러나 훈련자가 자기주도적으로 정비 훈련을 수행하기 위해서는 훈련자 스스로 여러가지 정비 동작을 수행하고 다양한 상황을 경험할 수 있어야 한다. 그러한 기능을 제공하기 위해서는 훈련자의 다양한 동작에 대해서 실제와 같은 결과가 나오도록 프로그램이 개발되어야 하지만, 그러려면 자동차의 여러가지 복잡한 전기적, 기계적 동작에 관한 매우 복잡한 계산이 수행되어야 한다. 본 논문에서는 자동차 정비 훈련에서 복잡한 물리적 시뮬레이션 없이 훈련자의 다양한 동작에 따라 자동차의 동작을 시뮬레이션 함으로써 자기주도적인 학습을 할 수 있는 JESS 추론 엔진을 이용한 논리 시뮬레이션 에이전트를 구현한다.
Recently, researches on the application of IT technology to various fields including traditional industries are becoming more popular. One challenge in the field of education is to understand the way how technology may support learning, and research on self-directed learning has been accelerated by ...
Recently, researches on the application of IT technology to various fields including traditional industries are becoming more popular. One challenge in the field of education is to understand the way how technology may support learning, and research on self-directed learning has been accelerated by integrating education and IT technology. The process of self-directed learning in e-learning applications such as Car Maintenance Training is very difficult and complicated. Previous studies on car maintenance training applications provided simple training scenarios with predetermined action sequences. To incorporate self-directed learning in car maintenance training, however, trainees must be able to perform various maintenance operations himself and experience various situations. To provide such functionality, it is necessary to obtain an accurate response for various operations of trainees, but it requires complicated calculations with respect to varieties in the electrical and mechanical processes of a car. In this paper, we develop a logic simulation agent using JESS inference engine in which self-directed learning is achieved by capturing the behavior of trainees and simulating car operations without complicated physical simulations in car maintenance training.
Recently, researches on the application of IT technology to various fields including traditional industries are becoming more popular. One challenge in the field of education is to understand the way how technology may support learning, and research on self-directed learning has been accelerated by integrating education and IT technology. The process of self-directed learning in e-learning applications such as Car Maintenance Training is very difficult and complicated. Previous studies on car maintenance training applications provided simple training scenarios with predetermined action sequences. To incorporate self-directed learning in car maintenance training, however, trainees must be able to perform various maintenance operations himself and experience various situations. To provide such functionality, it is necessary to obtain an accurate response for various operations of trainees, but it requires complicated calculations with respect to varieties in the electrical and mechanical processes of a car. In this paper, we develop a logic simulation agent using JESS inference engine in which self-directed learning is achieved by capturing the behavior of trainees and simulating car operations without complicated physical simulations in car maintenance training.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 복잡하고 방대한 차량 시스템과 정비 훈련 과정을 어떻게 표현하며, JESS를 이용하여 어떻게 규칙을 작성하는지에 대해 다룬다. 그리하여 현재 차량의 상태를 파악하고 추론을 통해 다음 차량의 상태 변화를 유추해 낼 수 있는 지능형 에이전트를 설계하고 구현한다.
본 논문에서는 자동차 정비 훈련 교육을 수행하는데 있어, 훈련 시나리오에 포함되어 있는 동작뿐만 아니라 포함되어 있지 않은 훈련자의 다양한 동작에 대해서도 시뮬레이션 결과를 도출해 낼 수 있도록 지능형 논리 시뮬레이터를 설계하고 구현하였다. 훈련 시나리오에 포함되어 있지 않은 훈련자의 다양한 동작은 추론을 통해 인식하고 결과를 도출할 수 있는데, 이를 위해 JESS(Java Expert System Shell) 추론 엔진을 사용하였다.
가설 설정
시동 꺼짐, 4. 출력 가속 성능 불량, 5. 연비 불량으로 나눠진다.
제안 방법
소화기 질환을 진단하기 위하여 지식베이스를 환자가 나타나는 증상들을 결정트리형태로 표현하여 룰을 설계했다. 그 다음 Java Servlet 모듈을 이용하여 웹상으로 사용자에게 아픈 부위와 증상에 대해 물어본 다음 추론하여 진단하였다. 이 논문은 JESS로 작성된 전문가 시스템을 웹 플랫폼에 접목하여 활용했다는 점을 보여주고 있다.
본 논문에서는 복잡하고 방대한 차량 시스템과 정비 훈련 과정을 어떻게 표현하며, JESS를 이용하여 어떻게 규칙을 작성하는지에 대해 다룬다. 그리하여 현재 차량의 상태를 파악하고 추론을 통해 다음 차량의 상태 변화를 유추해 낼 수 있는 지능형 에이전트를 설계하고 구현한다.
이러한 시뮬레이션을 하기 위해 Internal Model이라는 계층적 형태의 변수들을 설계하였고, Java 기반의 어플리케이션에서 테스트 해 보았다. 또한 이 시뮬레이터를 가지고 훈련자의 행동들을 분석하여 추론 결과를 알려주는 시스템을 구축하였다. 본 논문에서는 지능형 시뮬레이터를 구현하여 자동차 정비를 위한 훈련 시스템에 접목시켰지만, 이러한 논리 모델은 자동차 뿐만 아니라 선박, 항공, 미사일 등 다른 분야에도 충분히 응용 할 수 있을 것이다.
또한, 훈련자의 행위에 대해 연쇄적으로 일어날 수 있는 모든 반응 결과들에 대한 변수들을 정의하고 구현하는 것은 복잡하고 어려워질 수 있어서, 중간 반응 결과를 저장하는 중간상태 변수를 두었다. 예를 들면 자동차 내부의 어느 전선 하나를 실수로 잘라버렸다면, 시동이 걸리지 않을 수도 있으며 시동뿐만 아니라 에어컨이나 조명도 들어오지 않을 수 있다.
본 논문에서는 JESS를 이용한 지능형 시뮬레이터를 설계· 구현하였고, 이 지능형 시뮬레이터를 체험형 자동차 정비 훈련 시스템에 적용하였다.
이 시스템에선 기존의 자동차 키를 이용한 시동 시스템과 달리 입력 값으로 ‘버튼을 누른다’라는 행위만 발생하게 되며, 이 행위만으로 룰을 구현하기 위해서는 현재 시동 모드가 어떠한 상태에 놓여 있는지를 기억하여야 한다. 본 논문에서는 LS_IGMODE 라는 시뮬레이터 내부 변수를 정의하여 Fig. 8과 같이 시동 시퀀스를 설계하였다.
[28]은 JESS를 이용한 소화기 질환 진단용 의료 전문가 시스템을 구현하였다. 소화기 질환을 진단하기 위하여 지식베이스를 환자가 나타나는 증상들을 결정트리형태로 표현하여 룰을 설계했다. 그 다음 Java Servlet 모듈을 이용하여 웹상으로 사용자에게 아픈 부위와 증상에 대해 물어본 다음 추론하여 진단하였다.
시뮬레이터에서 전달된 자동차 정비 과정 변수 값들에 대한 추론결과가 올바른지에 대한 여부를 확인하기 위해 시동 불량 현상에 대한 훈련자의 정비 과정을 테스트하였다. 자동차 시뮬레이터에 시동을 걸어보기 위해 풋브레이크 변수를 TRUE로 설정한다.
[19, 22]은 가스절연변전소에 설치되어 있는 피뢰설비의 감시와 진단이 가능한 전문가 시스템의 설계 및 구현에 대하여 기술하였다. 이 논문에서 제안한 전문가 시스템은 마이크로프로세서 기반의 데이터 취득 모듈과 진단 알고리즘으로 구성되며, 피뢰기 진단에 필요한 계통 전압, 누설전류성분 및 온도 등을 검출하고 분석한다. 전문가 시스템에서 피뢰기의 진단은 지식 베이스와 추론 엔진, 그리고 그래픽 사용자 인터페이스로 구성된 JESS를 이용하여 결정하였다.
은 작업장의 유해가스 정보를 모니터링하기 위한 추론 규칙을 JESS로 작성하여 상황에 따른 의사결정이 가능하도록 상황인식 시스템을 설계하였다. 이 논문에서는 밀폐된 공간에서 발생되는 유해가스 정보를 작업장 내의 센서를 통해 실시간으로 모니터링하고, 위험으로부터 작업자의 안전을 보장할 수 있도록 상황에 맞는 의사결정이 가능한 모니터링 시스템을 JESS 기반으로 설계하였다.
[2]은 JESS를 사용하여 e-learning 환경의 학습관리시스템(Learning Management System, LMS)에서 학생들의 프로파일을 토대로 학습 정보를 개인화하는 방법을 제안하였다. 이 논문에서는 학생들의 수준을 파악하기 위한 문제를 템플릿(template)으로 정의하였고, 학생들의 문제에 대한 정답 및 오답의 수에 따라 추천되는 학습 시나리오로 진행되도록 설계되었다. Rai et al.
[27]은 차량의 상태 진단을 위해 차량 내부의 장치와 센서들의 연결 관계를 파악하여 온톨로지를 구성하며 JESS를 이용하여 결과를 실험하고 있다. 이 연구에서는 차량의 센서를 온톨로지로 구현하고 그 온톨로지를 테스트하기 위하여 JESS를 사용하였다. 이 연구에서는 차량의 센서를 온톨로지로 구현하고 그 온톨로지를 테스트하기 위하여 JESS를 사용하였다.
JESS를 이용한 소규모의 전문가 시스템 구축에 대한 연구는 진행 되었으나, 본 연구처럼 훈련자의 다양한 동작과 예외적 행위에 대한 처리를 수행할 수 있는 체험형 훈련 시스템을 시뮬레이션하는 연구는 기존에 없었다. 이러한 시뮬레이션을 하기 위해 Internal Model이라는 계층적 형태의 변수들을 설계하였고, Java 기반의 어플리케이션에서 테스트 해 보았다. 또한 이 시뮬레이터를 가지고 훈련자의 행동들을 분석하여 추론 결과를 알려주는 시스템을 구축하였다.
자동차 정비 훈련은 훈련 교사에 의해 미리 설정된 자동차 고장 상황에 따라 훈련자가 그 원인을 찾아내고 그에 상응하는 적절한 조치를 취하는 과정이다. 이를 위하여 제안한 e-training 시스템은 훈련 과정에 정의된 정비 동작에 대한 시뮬레이션 이외에도 자동차의 일반적인 동작인 시동을 걸거나, 기어를 변속하는 등의 자동차 조작과 관련된 기본 동작들과, 멀티미터나 스캔툴 등 다양한 정비 도구들에 대한 시뮬레이션도 구현하였다. 자동차 정비 훈련 과정을 크게 분류하게 되면 엔진과 차체로 나눌 수 있으며, 엔진에서 발생하는 현상을 다시 세분화 시키면 시동 불량, 엔진 부조, 시동 꺼짐, 출력 가속 성능 불량, 연비 불량으로 나누어 질 수 있다.
이 논문에서 제안한 전문가 시스템은 마이크로프로세서 기반의 데이터 취득 모듈과 진단 알고리즘으로 구성되며, 피뢰기 진단에 필요한 계통 전압, 누설전류성분 및 온도 등을 검출하고 분석한다. 전문가 시스템에서 피뢰기의 진단은 지식 베이스와 추론 엔진, 그리고 그래픽 사용자 인터페이스로 구성된 JESS를 이용하여 결정하였다.
이론/모형
본 논문에서는 자동차 정비 훈련 교육을 수행하는데 있어, 훈련 시나리오에 포함되어 있는 동작뿐만 아니라 포함되어 있지 않은 훈련자의 다양한 동작에 대해서도 시뮬레이션 결과를 도출해 낼 수 있도록 지능형 논리 시뮬레이터를 설계하고 구현하였다. 훈련 시나리오에 포함되어 있지 않은 훈련자의 다양한 동작은 추론을 통해 인식하고 결과를 도출할 수 있는데, 이를 위해 JESS(Java Expert System Shell) 추론 엔진을 사용하였다. JESS 추론 엔진은 훈련자의 동작들이 입력되는 즉시, 지식베이스(Knowledge Base)에 저장되어있는 규칙(rule)들에 의해 다양한 동작에 대한 새로운 결과를 사실(fact)형태로 도출해 낼 수 있고, 이 사실들은 다시 입력되어 저장되어 있는 규칙(rule)들에 의해 또 다른 사실들을 연쇄적으로 도출해낸다.
성능/효과
그 다음 Java Servlet 모듈을 이용하여 웹상으로 사용자에게 아픈 부위와 증상에 대해 물어본 다음 추론하여 진단하였다. 이 논문은 JESS로 작성된 전문가 시스템을 웹 플랫폼에 접목하여 활용했다는 점을 보여주고 있다.
이와 같은 문제를 해결하기 위해 시동 여부에 대한 상태를 저장하는 중간 변수를 만들게 되면 히터를 켜는 동작엔 시동여부 변수와 히터를 켜는 동작 조건 2가지만 비교하면 되므로 조건 비교가 간결해지고 유지보수에도 용이해진다. 이처럼 중간단계에서 상태를 저장하는 구조를 본 논문에서는 Internal Model이라 부르며, 이 Internal Model은 연속적으로 상태를 추론하는 추론모델에 적합하다고 할 수 있다. Fig.
후속연구
향 후 다른 다양한 개인화 기법을 대해 연구하고 접목 시키면 더 나은 정비 훈련 시스템을 구축 할 수 있으리라 기대 되며, 전문가가 직접 룰-지식베이스를 손쉽게 구축할 수 있도록 전문가 시스템 도구의 개발이 이루어져야 한다. JESS 룰을 작성해주는 전문가 시스템 도구가 개발되면 차량 전문가가 시스템 전문가나 프로그램 개발자의 도움 없이도 시뮬레이터의 동작을 수정하고, 유지보수하며, 새로운 기능을 추가하는 일이 가능해 질 것이다.
14는 (주)테크빌에서 제작된 자동차 정비 훈련 시스템에 본 논문의 지능형 에이전트와 데이터 교환 방식을 맞춰 시뮬레이션을 수행하는 화면을 보여준다. 본 논문에서 구현한 논리 시뮬레이션 모델은 3D 가상현실, 동작 인식 등과 같은 여러 가지 다양한 기술과 함께 체험형 훈련 시스템 구축에 활용될 수 있다.
또한 이 시뮬레이터를 가지고 훈련자의 행동들을 분석하여 추론 결과를 알려주는 시스템을 구축하였다. 본 논문에서는 지능형 시뮬레이터를 구현하여 자동차 정비를 위한 훈련 시스템에 접목시켰지만, 이러한 논리 모델은 자동차 뿐만 아니라 선박, 항공, 미사일 등 다른 분야에도 충분히 응용 할 수 있을 것이다.
3을 보면 Simulation Agent는 HashMap의 Key(훈련자 동작 또는 교사의 고장 설정을 저장하는 변수)에 대한 Value(훈련자의 동작)에 따라 지식베이스(Knowledge Base)에 저장된 사실(fact)과 규칙(rule)을 적용하여 추론을 수행하게 된다. 추론 결과는 해쉬맵 형태로 구성된 객체로 변환하여 훈련 플랫폼으로 전달되게 되고, 최종적으로 시뮬레이션 결과가 제시된다.
향 후 다른 다양한 개인화 기법을 대해 연구하고 접목 시키면 더 나은 정비 훈련 시스템을 구축 할 수 있으리라 기대 되며, 전문가가 직접 룰-지식베이스를 손쉽게 구축할 수 있도록 전문가 시스템 도구의 개발이 이루어져야 한다. JESS 룰을 작성해주는 전문가 시스템 도구가 개발되면 차량 전문가가 시스템 전문가나 프로그램 개발자의 도움 없이도 시뮬레이터의 동작을 수정하고, 유지보수하며, 새로운 기능을 추가하는 일이 가능해 질 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
이-러닝은 무엇인가?
이-러닝은 전자적 수단에 의한 학습, 훈련, 교육의 전달을 위해 가상공간에서 이루어지는 데이터, 정보, 기술, 혹은 지식을 획득하기 위해 사용되는 모든 가상적 행위나 프로세스로서, 학습을 촉진하고 강화하기 위한 방식을 의미한다[15-17]. 이-러닝은 더 이상 선택이 아닌 필수가 되어 가고 있으며, 교육의 효율성과 효과성을 높일 수 있다는 기대 속에서 미래 교육의 대안이 되고 있다.
JESS는 무엇인가?
JESS는 Java Expert System Shell의 약자로서 JAVA 플랫폼에서 동작하는 규칙 기반 추론 엔진으로 1995년 미국의 Sandia National Laboratories에서 개발되었으며, 추론 엔진이자 지식 기반 시스템 개발 환경이다[10]. 규칙 기반 전문가 시스템(rule-based expert systems)인 CLIPS의 개념을 이어받고 있으며, LISP와 유사한 규칙 기반 시스템의 개념을 갖는 언어이나, 규칙을 정의하거나 코딩하기에 간단하며 이러한 규칙은 룰이라고 부른다.
이-러닝은 체험형 학습으로 발전하였는데, 체험형 학습의 장점은 무엇인가?
이에 따라 이-러닝은 기존 동영상 위주의 이론 강의에서 탈피하여 훈련자가 마치 산업 현장과도 같은 가상 환경에서 기술 훈련을 하는 체험형 학습(e-training)으로 발전했다[4, 7]. 체험형 학습은 훈련자의 흥미를 이끌어 낼 뿐만 아니라, 고위험 장비에 대한 안전 문제, 비용 문제, 공간 및 장소의 문제, 장비 고장의 우려 등을 해소할 수 있는 많은 장점이 있다.
참고문헌 (28)
Adsavakulchai, S, Ngamdumrongkiat N, Chuchirdkiatskul E(2011), "E-Learning for Car Faulty Diagnosis", International Journal of Information and Communication Technology Research(IJICT), Vol. 1. No. 1. pp. 20-26.
AlHamad, A.Q., Al-Omari, F. Yaacob, N(2012), "Applying JESS Rules to Personalized Learning Management System (LMS) Using./ Online Quizzes", Interactive Collaborative Learning (ICL). pp. 1-4
AlHamad, A.Q., Mohammed Ali Akour, Farouq Al-Omari (2012), "Personalizing Student's Profiles Using JESS in A Learning Management System(LMS)", International Conference on Interative Mobile and Computer Aided Learning(IMCL), IEEE. pp. 109-112
Andries van Dam, David H. Laidlaw, Rosemary Michelle Simplson(2002), "Experiments in Immersive Virtual Reality for Scientific Visualization", Computers & Graphics 26, p.535-555.
Arun N Nambiar, Anish K. Dutta(2010), "Expert System for Student Advising using JESS", International Conference on Educational and Information Technology(ICEIT), Vol.1, pp 312-315.
Brett E. Shelton(2003), "How Augmented Reality Helps Students Learn Dynamic Spatial Relationships", Unpublished doctorial dissertation, University of Washington, 2003.
Dede, C(1995), "The evolution of constructivist learning environments : Immersion in distributed", virtual worlds, Educational Technology.
en.wikipedia.org/wiki/elearning
Fernando A. Mikic Fonte, Juan C. Burguillo, Martin Llamas Nistal(2012), "An intelligent tutoring module controlled by BDI agents for an e-learning platform", Expert Systems with Applications, Volume 39, Issue 8, Pages 7546-7554.
Khumukcham Robindro, Shikhar Kr. Sarma(2013), "JESS Based Expert System Architecture For Diagnosis Of Rice Plant Diseases: Design And Prototype Developement", International Conference on Intelligent Systems Modelling & Simulation (ISMS), pp 674-676.
Laxmisha Rai, Nongliang Sun, Fasheng Liu(2013), "Jess based On-demand Multimedia Player with Data Retrieval and Streaming Service", International Conference on Image and Graphics. pp 628-633
Lina Chen(2008), "About e-Learning Application in Communication Teaching", International Conference on Web-based Learning, IEEE. pp 87-92
McLuhan, M.(2011), "Understanding Media: The Extensions of Man, Cambridge", USA: MIT Press, 1994.
Minhong Wang(2011), "Integrating organizational, social, and individual perspectives in Web 2.0-based workplace e-learning", Information Systems Frontiers, Springer. Vol. 13. pp 191-205
Nora Houari, Behrouz Homayun Far(2004), "Application of Intelligent Agent Technology for Knowledge Management Integration", International Conference on Cognitive Informatics, IEEE, pp 240-249.
Yin-Ho Yao, Amy J.C. Trappey, C.C. Ku, Gilbert Y.P. Lin, J.P. Tsai, P.-S. Ho, Benson Hung(2005), "Develop an Intelligent Equipment Maintenance System Using Cyber-enabled JESS Technology", International Conference on Mcchatronics, IEEE, pp 927-932.
Sungho Kwon, Jungeun Lee(2010),A Development Study of Learner Profile Model for u-Learning, Hanyang University Institute of Educational Technology, pp. 1-26
Gyungsuk Kil, Jaeyong Song, Ilkwon Kim, Seungbo Moon, Jangwoo Kwon(2007), "Implementation of an Expert System to Supervise GIS Arrester Facilities", Journal of the Korean of Illuminating and Electrical Installation Engineers, Vol. 21, No. 1, pp 75-81.
JeongSeok Kim Bonghoi Kim Hoiyoung Jung, Euiin Choi (2008), "Ontology Reasoning in Intelligent U-learning for adaptation of learning contents", Korean Society for Internet Information, Vol. 9, No. 2, pp. 267-270.
Jung-Hwa KIm, Young-Hee Kang(2011), "A Study on Designing and Developing a Personalized e-Tutor to Facilitate e-Learning", THE JOURNAL OF KOREAN ASSOCIATION OF COMPUTER EDUCATION, Vol. 14, No. 1, pp 91-109
Tai-Jin Kim, Keel-Soo Rhyu, Gyung-Suk Kil, Chang-Gyu Seong, Il-Kwon Kim, Jong-Il Park, La-Kyoung Weong(2006), "Design Methodology of Expert System for aging dianosis of Arrester", The Korean Society of Marine Engineering, pp. 69-70.
Gilsik Park, Sungchul Park, Daesung Park, Juntae Kim (2012), "Ontology-based logic simulator design for car diagnosis e-training system", Korea Intelligent Information System Society, pp 218-222.
Daesung Park, Juntae Kim(2013), "Jess-based Simulator for Automobile Maintenance Training", Korean Institute of Information Scientists and Engineers, pp 634-636.
Soyoun Park, Viet Tran Hoang, Anh Nguyen Hoang, Gyohwa Bae, Jaewoon Lee, Dongho Kim(2013), "Automobile Maintenance Training System using Phased Learning based on Virtual Reality", Journal of KISS, Vol. 19, No. 12, pp 663-667.
Yoon-ae Ahn(2010), "Design of JESS-based Inference Rule for the Monitoring of Harmful Gas", International Conference on Convergence Content, Vol. 8, No. 1, pp 396-398.
Hyogap Lee, Junho Choi, Taejin Ha, Pankoo Kim(2012), "The Design of Vehicle Diagnosis Support System Using Ontology",Journal of , Vol 10, No 3, pp. 133-140
Sangho Ha, Ildae You, In-Gook Chun, Sang-Heum Park, Sun-Joo Kim(2003), "The Internet based Expert System for Gastroenteritis", Journal of Korea Multimedia Society, Vol. 6, No. 6, pp.1079-1087.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.