소프트웨어 오류 탐지를 위한 아키텍처 기반의 다계층적 자가적응형 모니터링 방법

윤현지(HyunJi Youn),박수용(SooYong Park) 한국정보과학회 2010 정보과학회논문지 : 소프트웨어 및 응용 Vol.37 No.7

Mission-critical 시스템의 경우 자가 치유는 신뢰성을 보장하기 위한 기술 중 하나이다. 자가치유는 오류 탐지와 오류 회복으로 이루어져 있으며 오류 탐지는 오류 회복을 가능하게 하는 자가 치유의 중요한 첫 단계이지만 시스템에 과부하를 주는 문제가 있다. 모델 기반의 방법 등으로 오류를 탐지할 수 있는데 시스템의 모든 행위를 통지하고 정상 행위 모델과 통지된 시스템의 행위를 비교하여야 하므로 그양이 많고 부하가 크기 때문이다. 본 논문에서는 모델 기반의 오류 탐지 방법을 보완하는 아키텍처 기반의 다계층적 자가적응형 모니터링 방법을 제안한다. 소프트웨어 아키텍처 상에서 오류 탐지의 중요도는 컴포넌트 마다 다르다. 각 컴포넌트마다 발생하는 오류의 심각도와 빈도가 다르기 때문이다. 모니터링 중요도가 높은 컴포넌트에는 강도가 높고 모니터링 중요도가 낮은 컴포넌트에는 강도가 낮도록 모니터가 적응한다면 오류 탐지의 부하는 줄이고 효율은 유지시킬 수 있다. 또한 소프트웨어의 환경 변화 및 아키텍처상의 변화 등에 따라 오류 발생 빈도가 변화하여 컴포넌트의 오류 탐지 중요도가 변화하기 때문에 학습을 통해 이를 추적하여 자가적응적으로 중요도가 높은 컴포넌트를 집중 모니터링 한다. Self-healing is one of the techniques that assure dependability of mission-critical system. Self-healing consists of fault detection and fault recovery and fault detection is important first step that enables fault recovery but it causes overhead. We can detect fault based on model, the detection tasks that notify system’s behavior and compare normal behavior model and system’s behavior are heavy jobs. In this paper, we propose architecture-based multi-level self-adaptive monitoring method that complements model-based fault detection. The priority of fault detection per component is different in the software architecture. Because the seriousness and the frequency of fault per component are different. If the monitor is adapted to intensive to the component that has high priority of monitoring and loose to the component that has low priority of monitoring, the overhead can be decreased and the efficiency can be maintained. Because the environmental changes of software and the architectural changes bring the changes at the priority of fault detection, the monitor learns the changes of fault frequency and that is adapted to intensive to the component that has high priority of fault detection.

일차방정식에서 오류 탐지-교정 학습법의 교수학적 효과 분석

이종희,김부미 이화여자대학교 교과교육연구소 2006 교과교육학연구 Vol.10 No.2

본 연구는 중학교 2학년 학생들을 대상으로 일차방정식 단원에서 오류 탐지-교정 학습법을 실시한 후 그 교수학적 효과를 분석하였다. 오류 탐지-교정 학습법은 학생들이 문제해결 과정에서 스스로 오류를 탐지하고 교정하는 교수-학습법으로, 실제 수업에서 학습해야할 개념을 이해하고 습득할 때 자기주도적 학습 능력을 향상시켜 교수학적 효과를 극대화시킴으로써 학습에 도움이 되는 방법이다. 연구 결과, 일차방정식에 대한 학생들의 오개념은 구조적 오류와 실행적 오류로 크게 분류되고, 구조적 오류는 다시 논리적 오류, 개념상 오류로 범주화되었으며, 실행적 오류는 주어진 연산의 우선성 선택 오류, 생략 오류, 수치 연산의 오류로 범주화되었다. 이 때, 학생들이 선택한 문제 풀이 방법을 조사한 결과, 자동화, 공식 적용, 추측-대입, 유사 규칙 적용 방법으로 방정식을 풀 때 오류 발생 비율이 높았으며, 특히 구조적 오류에서 논리적 오류, 개념상 오류를 범할 때 학생들은 공식 적용의 방법을 선호하였고 실행적 오류를 범할 때는 유사 규칙의 적용 방법을 선호하였다. 오류 탐지-교정 학습법이 학생들의 오류 교정 학습에 유의적인 효과가 있으며, 그 교수학적 효과가 지속적이라는 결과가 입증되었다. Investigation of the students' mathematical misconceptions and error is very important to the improvement in the school mathematics teaching and basis of curriculum. In this study, we analyze students' error of solving linear equations and investigate how to advance students' self-diagnosis and the misconceptions through the error-detection instruction The error-detection instruction is the method of teaching-learning, which helps students reflect their solving process through discussing errors and detecting error. Also, the error-detection instruction improves students' methods and awareness of error-detection and helps student revise or correct errors in the solving linear equations. Students detect errors mainly through perplexed problems which was rarely taken a correct process. As a result, we categorize structural error and executional error. The Structural error contains logical error and conceptional error. Executional error includes operational error, omission error of symbol or code. The error-detection instruction increase capacity, variety of methods and efficiency in finding and correcting errors.

XGBoost와 교차검증을 이용한 품사부착말뭉치에서의 오류 탐지

최민석,김창현,박호민,천민아,윤호,남궁영,김재균,김재훈 한국정보처리학회 2020 정보처리학회 논문지 Vol.9 No.7

Part-of-Speech (POS) tagged corpus is a collection of electronic text in which each word is annotated with a tag as the corresponding POS and is widely used for various training data for natural language processing. The training data generally assumes that there are no errors, but in reality they include various types of errors, which cause performance degradation of systems trained using the data. To alleviate this problem, we propose a novel method for detecting errors in the existing POS tagged corpus using the classifier of XGBoost and cross-validation as evaluation techniques. We first train a classifier of a POS tagger using the POS-tagged corpus with some errors and then detect errors from the POS-tagged corpus using cross-validation, but the classifier cannot detect errors because there is no training data for detecting POS tagged errors. We thus detect errors by comparing the outputs (probabilities of POS) of the classifier, adjusting hyperparameters. The hyperparameters is estimated by a small scale error-tagged corpus, in which text is sampled from a POS-tagged corpus and which is marked up POS errors by experts. In this paper, we use recall and precision as evaluation metrics which are widely used in information retrieval. We have shown that the proposed method is valid by comparing two distributions of the sample (the error-tagged corpus) and the population (the POS-tagged corpus) because all detected errors cannot be checked. In the near future, we will apply the proposed method to a dependency tree-tagged corpus and a semantic role tagged corpus. 품사부착말뭉치는 품사정보를 부착한 말뭉치를 말하며 자연언어처리 분야에서 다양한 학습말뭉치로 사용된다. 학습말뭉치는 일반적으로 오류가 없다고 가정하지만, 실상은 다양한 오류를 포함하고 있으며, 이러한 오류들은 학습된 시스템의 성능을 저하시키는 요인이 된다. 이러한 문제를 다소 완화시키기 위해서 본 논문에서는 XGBoost와 교차 검증을 이용하여 이미 구축된 품사부착말뭉치로부터 오류를 탐지하는 방법을 제안한다. 제안된 방법은 먼저 오류가 포함된 품사부착말뭉치와 XGBoost를 사용해서 품사부착기를 학습하고, 교차검증을 이용해서 품사오류를 검출한다. 그러나 오류가 부착된 학습말뭉치가 존재하지 않으므로 일반적인 분류기로서 오류를 검출할 수 없다. 따라서 본 논문에서는 매개변수를 조절하면서 학습된 품사부착기의 출력을 비교함으로써 오류를 검출한다. 매개변수를 조절하기 위해서 본 논문에서는 작은 규모의 오류부착말뭉치를 이용한다. 이 말뭉치는 오류 검출 대상의 전체 말뭉치로부터 임의로 추출된 것을 전문가에 의해서 오류가 부착된 것이다. 본 논문에서는 성능 평가의 척도로 정보검색에서 널리 사용되는 정밀도와 재현율을 사용하였다. 또한 모집단의 모든 오류 후보를 수작업으로 확인할 수 없으므로 표본 집단과 모집단의 오류 분포를 비교하여 본 논문의 타당성을 보였다. 앞으로 의존구조부착 말뭉치와 의미역 부착말뭉치에서 적용할 계획이다.

연관 규칙 마이닝을 이용한 영작문 형태-통사 오류 자동 탐지

김동성(Dongsung Kim) 한국정보과학회 2011 정보과학회논문지 : 소프트웨어 및 응용 Vol.38 No.3

본 연구에서는 일련의 연구에서 수집된 영작문 오류 유형의 정제된 자료를 토대로 연관 규칙을 생성하고, 학습을 통해서 효용성이 검증된 연관 규칙을 활용해서 영작문 데이터의 형태?통사 오류를 자동으로 탐지한다. 영작문 데이터에서 형태?통사 오류를 찾아내는 작업은 많은 시간과 자원이 소요되는 작업이므로 자동화가 필수적이다. 기존의 연구들이 통계적 모델을 활용한 어휘적 오류에 치중하거나 언어 이론적 틀에 근거한 통사 처리에 집중하는 반면에, 본 연구는 데이터 마이닝을 통해서 정제된 데이터에서 연관 규칙을 생성하고 이를 검증한 후 형태·통사 오류를 감지한다. 이전 연구들에서는 이론적 틀에 맞추어진 규칙 생성이나 언어 모델 생성을 위한 대량의 코퍼스 데이터와 같은 다량의 지식 베이스 생성이 필수적인데, 본 연구는 적은 양의 정제된 데이터를 활용한다. 영작문 오류 유형의 형태?통사 연관 규칙을 생성하기 위해서 Apriori 알고리즘을 활용하였다. 알고리즘을 통해서 생성된 연관 규칙 중 잘못된 규칙이 생성될 가능성이 있으므로, 상관성 검정, 코사인 유사도와 같은 규칙 효용성의 통계적 검증을 활용해서 타당한 규칙만을 학습하고 축적된 연관 규칙들을 영작문 오류를 자동으로 탐지하는 실험에 활용하였다. 연구 결과로 형태?통사적 문법 오류를 정확하게 탐지함을 알 수 있다. Since manual error detection of morpho-syntactic errors of English writing requires lots of time and resources, automation of error detection is essential in both Computer-Assisted Language Learning and English learning studies. This approach aims at automatic detection of morpho-syntactic errors of English writing using association rule mining, which needs three steps of procedures. As the first step, we generate association rules based on the refined data. Second, we statistically verify the generated rules. Third, we testify the verified rules on the test data. Previous studies have focused on either word errors based on the language models using large corpora, or the systems very specific to the complex grammatical theories. Meanwhile, this study uses relatively small amount of data. We used the Apriori algorithm for the rule mining task. Since rules generated by the algorithm can contains lots of noise to be reduced, we apply statistical machine learning methods using correlation coefficient and cosine similarity. This process sifts valid mal-rules for the automatic detection tasks from lots of noise.

초등 1학년 어휘발달지연 아동의 읽기이해 및 읽기이해 모니터링 능력

윤효진 한국언어청각임상학회 2024 Communication Sciences and Disorders Vol.29 No.2

배경 및 목적: 본 연구는 초등 1학년 학기 말 시기에 어휘발달지연 아동의 읽기이해와 읽기이해 모니터링 능력을 살펴보았다. 서로 일치하지 않는 정보인 내적 비일관성 오류가 포함된 짧은 이야기글을 제시하고 아동이 이를 적절하게 탐지하고 확인할 수 있는지를 통해 어휘발달지연 아동이 자신의 이해를 적절하게 모니터링할 수 있는지를 살펴보고자 하였다. 방법: 초등학교 1학년 말의 어휘발달지연 아동 14명과 일반 아동 15명이 참여하였다. 각 아동은 10개의 내적 비일관성 오류가 포함되지 않은 이야기글과 10개의 내적 비일관성 오류가 포함된 이야기글을 읽었다. 아동이 글을 읽은 후 오류가 있는지 없는지를 판단하는 오류 탐지 과제(error detection task)와 오류가 있다면어떤부분이이상한지찾고수정하도록요구하는오류수정과제(error correction task)를실시하였다. 결과: 어휘발달지연아동은일반 아동에 비해 읽기이해와 이해 모니터링 모두에서 어려움을 보였다. 어휘발달지연 아동은 내적 비일관성 오류가 포함된 모순된 글을 읽고 오류가 있다고 판단하는 오류탐지 과제와 오류수정 과제에서 또래 아동에 비해 통계적으로 유의하게 낮은 수행력을 보이는 것으로 나타났다. 일반 아동 집단에서만 읽기이해와 모니터링 간의 상관관계가 있는 것으로 나타났다. 논의 및 결론: 어휘발달지연 아동들은 읽기이해와 읽기이해 모니터링 모두에서 어려움이 있는 것으로 나타났다. 어휘지식의 부족은 텍스트에서 내용을 잘못 이해했을때 이를 인지하거나 효과적인 전략을 사용하여 해결하는 데 영향을 미치기 때문에 결국 읽기이해에 실패하게 된다. 이는 어휘발달을 포함한 언어발달장애 아동에게 읽기이해뿐 아니라 이해 모니터링 평가와 적절한 중재가 필요함을 시사한다. Objectives: This study investigated reading comprehension and reading comprehension monitoring abilities of children with vocabulary delay at the end of the first grade. Specifically, the study examined whether children with vocabulary delays could detect internal inconsistency errors, which are contradictory pieces of information in a short story, and whether they could correct those errors to make appropriate changes to the story at the beginning stage of reading. Methods: Fourteen children with vocabulary delay and 15 typically developing children participated in this study. Each child read 10 short stories without internal inconsistency errors and 10 stories with internal inconsistency errors. After reading the text, children were asked to find any inconsistent parts of the story and correct them. Results: The results showed that children with vocabulary delay performed worse on reading comprehension than their peers. They also scored statistically lower on both the error detection and error correction tasks in stories with internal inconsistency errors compared to typically developing children. For typically developing children only, there were significant correlations between reading comprehension and reading comprehension monitoring. Conclusion: Children with vocabulary delay exhibited difficulties in both reading comprehension and comprehension monitoring. Poor vocabulary knowledge can hinder their ability to recognize when a text is misunderstood or to apply effective strategies for resolving problems, ultimately leading to reading comprehension failure. This suggests that children with language disorders, including those with vocabulary delays, need to be assessed and provided with interventions for both reading comprehension and comprehension monitoring.

비대칭 오류 비용을 고려한 SVM 기반 지능형 침입탐지모형 개발

이현욱,안현철 한국지능정보시스템학회 2011 한국지능정보시스템학회 학술대회논문집 Vol.2011 No.5

최근 인터넷 사용의 증가에 따라 네트워크에 연결된 시스템에 대한 악의적인 해킹과 침입이 빈번하게 발생하고 있으며, 각종 시스템을 운영하는 정부기관, 관공서, 기업 등에서는 이러한 해킹 및 침입에 의해 치명적인 타격을 입을 수 있는 상황에 놓여 있다. 이에 따라 인가되지 않았거나 비정상적인 활동들을 탐지, 식별하여 적절하게 대응하는 침입탐지 시스템에 대한 관심과 수요가 높아지고 있으며, 침입탐지시스템의 예측성능을 개선하려는 연구 또한 활발하게 이루어지고 있다. 본 연구 역시 침입탐지시스템의 예측성능을 개선하기 위한 새로운 지능형 침입탐지모형을 제안한다. 본 연구의 제안모형은 비교적 높은 예측력을 나타내면서 동시에 일반화 능력이 우수한 것으로 알려진 Support Vector Machine(SVM)을 기반으로, 비대칭 오류비용을 함께 고려하여 침입을 효과적으로 차단할 수 있도록 설계되었다. 제안모형의 우수성을 확인하기 위해, 기존 기법인 로지스틱 회귀분석, 의사결정나무, 인공신경망과의 결과를 비교하였으며 그 결과 제안하는 SVM 모형이 다른 기법에 비해 상대적으로 우수한 성과를 보임을 확인할 수 있었다.

중학생 영작문 실력 향상을 위한 자동 문법 채점 시스템 구축

김지은,이공주 한국콘텐츠학회 2007 한국콘텐츠학회논문지 Vol.7 No.5

This paper presents an automated English scoring system designed to help non-native speakers of English, Korean-speaking learners in particular. The system is developed to help the 3rd grade students in junior high school improve their English grammar skills. Without human's efforts, the system identifies grammar errors in English sentences, provides feedback on the detected errors, and scores the sentences. Detecting grammar errors in the system requires implementing a special type of rules in addition to the rules to parse grammatical sentences. Error production rules are implemented to analyze ungrammatical sentences and recognize syntactic errors. The rules are collected from the junior high school textbooks and real student test data. By firing those rules, the errors are detected followed by setting corresponding error flags, and the system continues the parsing process without a failure. As the final step of the process, the system scores the student sentences based on the errors detected. The system is evaluated with real English test data produced by the students and the answers provided by human teachers. 본 논문에서는 중학생이 작성한 영작문에서 자동으로 문법오류를 검색하고 채점하는 시스템을 소개한다. 학생의 문장이 입력되면 형태소 및 구문 분석을 하고 오류를 검색한다. 문장 분석이 완료되면 교사들이 제공한 채점기준에 의해 자동으로 채점한다. 문법오류를 탐지하기 위해서 정문을 처리하는 규칙은 물론 오류를 포함하고 있는 문장도 처리하는 규칙을 구현하였다. 본 시스템에서는 영어를 제2외국어로 사용하는 학생들이 한국어의 영향으로 인해 발생시키는 영어 구문오류를 집중적으로 처리하고자 하였다. 이와 같이 영작문에 대한 자동 채점은 학생들에게 오류에 대한 즉각적인 피드백을 제공하여 스스로 자신의 영어실력을 모니터할 수 있게 해 준다. 이러한 시스템을 활용함으로써 학생들은 언제 어디서나 혼자서 영작문 공부를 할 수 있으며, 이는 학생들의 실력 향상에 많은 도움이 될 것이다.

양궁지도자의 오류탐지 및 교정 행동 분석

최원석,박상범 한국체육교육학회 2024 한국체육교육학회지 Vol.29 No.5

목적: 본 연구의 목적은 전문성에 따른 양궁지도자의 오류탐지 및 교정 행동 차이를 분석함으로써 지도자의전문성을 특징짓는 요인을 파악하는 것이다. 방법: 연구참여자는 남자 양궁지도자 10명으로 유목적 표집에 따라 숙련 지도자 5명, 초보 지도자 5명을 각각 선정하였다. 자료수집은 고등학교 선수의 양궁수행장면 촬영 및 제시하고 시선추적장치를 통해 연구참여자의 시각적 탐색패턴을 측정하는 것으로 이루어졌다. 또, gRTA 프로토콜을 통해 시각적 탐색에 대한 진술을 요청하여 그 이유와 근본적인 인지 과정을 유도하였다. 자료분석은 시각적 탐색에 대한 삼원 분산분석과gRTA 자료에 대한 내용분석, 메모, 패턴분석을 통해 이루어졌다. 결과: 지도자의 수준에 따라 시선고정 기간 및 빈도의 차이가 나타나 숙련 지도자와 초보 지도자의 시각적탐색의 차이를 알 수 있었으나, 선수의 수준에 따른 시각적 탐색의 차이는 나타나지 않았다. 또, 지도자의 수준에 따른 수행오류의 지각과 그 근거 및 교정방안의 제시에 있어 차이가 나타났으며, 이는 곧 양궁지도자의전문성에 따른 오류탐지와 교정 행동의 세 가지 하위요소의 정확성 측면, 그리고 이러한 요소 간 연결의 차이를 시사한다. 결론: 결과적으로 스포츠 지도자의 전문성은 풍부한 경험과 학습을 통한 지식 기반에 의해 결정될 수 있으며, 지도의 효율성과 직접적인 관계를 가진다고 볼 수 있다. Purpose: This study aimed to identify factors that characterize archery coaches' expertise by analyzing differences in archery instructors' error detection and correction behaviors according to their expertise. Methods: Ten male archery coaches, including five experienced and five novices, were selected as participants using the purposeful sampling method. Data were collected by filming and presenting archery performance videos of high school athletes and measuring their visual search patterns using eye-tracking devices. Participants were also asked to make statements about their visual search using a gaze-cued retrospective think-aloud (gRTA) protocol to elicit the reasons and underlying cognitive processes. Data were analyzed using a three-way analysis of variance for visual search patterns, and content analysis, memoing, and pattern analysis were performed to analyze gRTA data. Results: The results showed differences in the duration and frequency of gaze fixation according to the level of the coaches' expertise, indicating differences in visual search patterns between experienced and novice coaches but no differences according to the level of the athlete's performance. In addition, there were differences in the perception of performance errors, rationales, and correction methods according to the level of the coaches, suggesting differences in the accuracy of the three subcomponents of error detection and correction behavior and the connections between these components according to the archery coaches' expertise. Conclusion: Sports instructors' expertise can be determined by their knowledge base through rich experience and learning and is directly related to their teaching effectiveness.

고안전도 차량을 위한 자율주행 시스템

신영근,전현치,최광모,박상성,장동식 한국콘텐츠학회 2007 한국콘텐츠학회논문지 Vol.7 No.2

This paper is concerned with development of system to detect an obstructive vehicle which is an essential prerequisite for autonomous driving system of ASV(Advanced Safety Vehicle). First, the boundary of driving lanes is detected by a Kalman filter through the front image obtained by a CCD camera. Then, lanes are recognized by regression analysis of the detected boundary. Second, parameters of road curvature within the detected lane are used as input in error-BP algorithm to recognize the driving direction. Finally, an obstructive vehicle that enters into the detection region can be detected through setting detection fields of the front and lateral side. The experimental results showed that the proposed system has high accuracy more than 90% in the recognition rate of driving direction and the detection rate of an obstructive vehicle. 본 연구는 고안전도 차량의 자율주행을 위해 필수적인 장애물 차량 탐지를 위한 시스템 개발에 관한 것이다. 먼저 칼만필터를 이용해 차량에 부착된 CCD 카메라에 의해서 획득한 전방 영상으로부터 주행차선의 경계를 탐지한다. 그리고 탐지된 경계의 회귀분석을 통해 차선을 인식한다. 다음으로 주행 방향을 인식하기 위해 탐지된 차선내의 도로 굴곡 파라미터를 오류 역전파 알고리즘의 입력값으로 사용한다. 마지막으로 전방과 측방에 탐지영역을 설정함으로써 탐지영역으로 들어오는 장애물 차량을 탐지할 수 있다. 제안한 방법으로 실험한 결과 주행방향 인식과 장애물 차량의 인식 모두 90% 이상의 높은 정확도를 보였다.

머신러닝을 이용한 내장형 소프트웨어의 동시성 오류 탐지 방안 설계 및 구현

이동언,김지원,진정훈,조규태 한국정보과학회 2022 정보과학회논문지 Vol.49 No.5

Unlike general-purpose software, embedded software is designed by optimizing hardware for a specific purpose, so it is important to satisfy the target performance in a limited environment. Embedded software is increasing significantly in scale and complexity compared to the past. As the scale and complexity increase, the types of errors that occur in the software also diversify. Among them, there are many issues regarding concurrency errors that may occur between complex software modules. To detect concurrency errors in such embedded software, we have previously relied on manual input from the user. However, in this study, we propose a machine learning-based concurrency error detection tool (MCED) using SVM and deep learning. 내장형 소프트웨어(embedded software)는 범용 소프트웨어와는 다르게 특정 목적에 맞게 하드웨어를 최적화하여 설계하기 때문에 제한된 환경에서의 목표하는 성능을 만족시키는 것이 중요하다. 오늘날 내장형 소프트웨어는 규모와 복잡도가 과거에 비해 크게 증가하고 있다. 규모와 복잡도가 커짐에 따라 소프트웨어에 발생하는 오류의 형태도 다양해지는데 그 중 복잡해진 소프트웨어 모듈 사이에서 발생가능한 동시성 오류(concurrency error)에 대한 이슈가 많다. 이러한 내장형 소프트웨어의 동시성 오류를 검출하기 위해 기존에는 사용자의 수동 입력에 의존하였으나, 본 논문에서는 SVM과 딥러닝을 활용한 머신 러닝 기반의 동시성 오류 탐지 도구(MCED)를 제안한다.