신경회로망을 이용한 개념구조의 인식 및 처리에 관한 연구

Abstract

연결주의 지식표현을 위한 개념구조의 인식 및 처리에 있어서 신경망 모델들은 병렬처리로 인한 실시간 연산 수행과 오류 내인성(fault tolerance)에는 큰 장점이 있는 반면 주소 개념의 부재로 인하여 기호주의에 비해 변수의 바인딩, 구조적 표현 , 지식 승계, 참조기능의 구현, 순차적 제어등의 어려음이 있다. 본 논문에서는 개념 그래프와 프레인으로 표현되는 개념구조를 학습하고 인식할 수 있는 신경회로망 모델인 개념 신경 회로망(CPNN : Conceptual Processing Neural Network) 모델을 제안하였다. 제안된 신경망은 개졈 그래프로 표현된 단일 개념구조에 대한 처리와 그로 인해 야기되는 참조기능 및 변수의 바인딩 등의 문제를 망의확장을 통해 프레임 구조와 같은 상이한 개념구조를 처리하는 과정을 도입함을써 해결하고 있다. 따라서, 연결주의 지식표현이 지닌 다양한 개념구조의 처리에 대한 문제점을 해결하며, 개념 신경망이 다양한 지식을 습득하고 처리함에 있어서 융통성있는 인공지능 모델임을 보였다.

Neural network models for connectionism knowledge representation have advantages of fault tolerance and real-time operation due to parallel processing but have difficulties in variable binding, structured representation, knowledge inheritance, imprementation fo reference and sequential processing owing to wickness of addressing concept. In this paper, we suggest a CPNN(Conceptual Processing Neural Network) model that is able to train and recognize a conceptual structure shich is represented a conceptual graph and frame structure. For solving problems with a variable binding and implementation of reference in single conceptual structure, the proposed neural network model extends a network and accepts another conceptual structure as a frame structure, Therefore, we show that CPNN is adaptable AI model in knowledge acuqirement and processing.

Neural network models for connectionism knowledge representation have advantages of fault tolerance and real-time operation due to parallel processing but have difficulties in variable binding, structured representation, knowledge inheritance, imprementation fo reference and sequential processing owing to wickness of addressing concept. In this paper, we suggest a CPNN(Conceptual Processing Neural Network) model that is able to train and recognize a conceptual structure shich is represented a conceptual graph and frame structure. For solving problems with a variable binding and implementation of reference in single conceptual structure, the proposed neural network model extends a network and accepts another conceptual structure as a frame structure, Therefore, we show that CPNN is adaptable AI model in knowledge acuqirement and processing.