개념 구조 인식을 위한 순차적 신경회로망

Abstract

인간의 인지 과정에서는 특정 사물이나 사실들이 그것들에 대한 특수한 기호 형태로 기억되는 것이 아니라, 그것을 사이의 관계를 설정하여 그 관계들을 통하여 두되 속에 기억된다. 따라서, 이런 인간의 인지과정과 유사한 행동을 하는 신경망의 우너리를 이용하여 개념그래프를 수용 할 수 있는 모델을 본 논문에서는 제시하고 있다.

본 논문에서 제시하는 모델은 개념 그래프를 인식하기 위하여 전처리 과정에서 개념 그래프로 만들고 이를 트리 구조를 이용하여 중복되는 개념과 관계들 사이에 서로 다른 입력값을 가지도록 한 후, 이를 학습하게 함으로써 학습되는 과정에서 같은 개념과 관계를 가진 노드를 처리하도록 하고 있다. 위와 같은 전처리 단계를 도입함으로써, 연결 주의만으로 해결할 수 없는 개념 그래프의 모호함을 처리할 수 있도록 하였다. 따라서, 자료 구조를 이용한 기호 주의와 신경망을 이용한 연결 주의를 이용하여 주어진 문제에 대하여 복합적으로 해결함으로써,연결 주의와 기호 주의가 결합된 신경망을 제안하고, 여기에 개념 그래프로 표현된 개졈과 관계들을 인식시킴으로써 제안된 신경망이 주어진 노드들에 대하여 인식함을 보이고 있다.

In the processing of human perception, a memory is not accumulated the tolal image or the special symbol of things, but the memory is accumulated the spreaded characteristics of them. After he connects special relation fo things, as the use of principle of Neural Network which do similar action fo human's brain, Pre-CPNN (Preprocessing Conceptual Processing NN) can ge trained and recognized the conceptual structure.

In this paper, for training and recognition of conceptual structure, this model consist of three phases : PSDNN (A Pattern-Sensitive Dynamic NN), tree, CPNN(Conceptual Processing NN). At first, a character of the given structure is recognized by PSDNN. Secondly, because of avoiding of duplicated structure, we make tree by use of source concept and relation. As the result, inserting of preprocessing step is solved the difficulty of connectionism. For the last time, a node of tree is trained. As adapting sysbolism which use data structure and connectionism which use NN, proposed model can be trained and recognized the conceptral structure.

In the processing of human perception, a memory is not accumulated the tolal image or the special symbol of things, but the memory is accumulated the spreaded characteristics of them. After he connects special relation fo things, as the use of principle of Neural Network which do similar action fo human's brain, Pre-CPNN (Preprocessing Conceptual Processing NN) can ge trained and recognized the conceptual structure.

In this paper, for training and recognition of conceptual structure, this model consist of three phases : PSDNN (A Pattern-Sensitive Dynamic NN), tree, CPNN(Conceptual Processing NN). At first, a character of the given structure is recognized by PSDNN. Secondly, because of avoiding of duplicated structure, we make tree by use of source concept and relation. As the result, inserting of preprocessing step is solved the difficulty of connectionism. For the last time, a node of tree is trained. As adapting sysbolism which use data structure and connectionism which use NN, proposed model can be trained and recognized the conceptral structure.