심볼릭 인공지능을 위한 R 심볼릭 데이터분석

국문 초록 (Abstract)

컴퓨터와 인간은 분명 다르지만 기본적으로 데이터를 저장하고 처리하는 개념적 측면에서는 서로 유사한 구조를 갖는다. 하지만 수집된 전체 데이터를 처리하고 분석하는 컴퓨터와는 달리 인간은 요약된 패턴 단위로 데이터를 처리한다. 즉 인간은 전체 데이터를 다루기보다는 요약된 정보를 통해 최적의 의사결정을 한다. 전체 데이터보다 요약된 정보만을 관리하면 시간과 비용 면에서 더 효율적인 시스템을 구축할 수 있다. 특히 빅데이터 환경에서 인공지능의 학습을 위한 대용량 데이터의 처리 및 분석을 위하여 요약된 정보에 기반 한 데이터학습에 대한 필요성이 제기되고 있다. 본 연구에서는 이와 같이 요약된 정보에 기반 한 심볼릭 인공지능 시스템의 효율적인 구축을 위하여 통계학의 심볼릭 데이터분석에 대하여 연구한다. 특히 대표적인 데이터언어인 R에서 제공하는 심볼릭 데이터분석 함수를 이용한 심볼릭 인공지능에 대한 방법을 소개한다. 제안방법의 성능평가를 위하여 객관적인 기계학습 데이터 사례를 이용하였다.

다국어 초록 (Multilingual Abstract)

Computers and humans are different, but basically they have a similar structure in conceptual aspects of data storing and processing. However, unlike computers that process and analyze the entire data collected, humans process the data in a summarized pattern. In other words, humans make the best decisions through summarized information rather than whole data. By managing only summarized information, you can build a more efficient system in terms of time and cost. In particular, there is a need for learning from data based on summarized information for processing and analyzing large amounts of data for artificial intelligence learning in a big data environment. In this paper, symbolic data analysis of statistics is studied for efficient construction of symbolic artificial intelligence system based on the information summarized in this way. We introduce a method for symbolic artificial intelligence using symbolic data analysis functions provided by R data language. In order to evaluate the performance of proposed method, objective machine learning data were used.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 심볼릭 인공지능
• 3. R을 이용한 심볼릭 인공지능
• 4. 실험 및 결과
• 5. 결론 및 향후 연구
• References

참고문헌 (Reference)

1 김동연, "풍속 예측을 위한 선형회귀분석과 비선형회귀분석 기법의 비교 및 인자분석" 한국지능시스템학회 25 (25): 477-482, 2015

2 노석범, "영상 분할을 위한 Context Fuzzy c-Means 알고리즘을 이용한 공간 분할" 한국지능시스템학회 20 (20): 368-374, 2010

3 김재광, "시간 가중치와 가변형 -means 기법을 이용한 개인화된 음악 추천 시스템" 한국지능시스템학회 19 (19): 504-510, 2009

4 오승준, "비대칭적 유사도 기반의 심볼릭 객체의 계층적 클러스터링" 한국지능시스템학회 22 (22): 729-734, 2012

5 UCI ML Repository, "The UC Irvine Machine Learning Repository"

6 Xu, W, "Symbolic data analysis: interval-valued data regression" University of Georgia 2010

7 Doux, A. C, "Symbolic data analysis with the K-means algorithm for user profiling" Springer, Vienna 359-361, 1997

8 Billard, L, "Symbolic Data Analysis: Conceptual Statistics and Data Mining" John Wiley & Sons Ltd 2006

9 R Development Core Team, "R: A language and environment for statistical computing, R Foundation for Statistical Computing"

10 Akritas, M, "Probability and Statistics with R for Engineers and Scientists" Pearson 2016

11 Rodriguez, "O. R to Symbolic Data Analysis - Package ‘RSDA’"

12 Mitchell, T, "Machine Learning" McGraw-Hill 1997

13 Diday, E, "Introduction àl'approche symbolique en analyse des données" 23 (23): 193-236, 1989

14 Ross, S. M, "Introduction to Probability and Statistics for Engineers and Scientists" Elsevier 2012

15 Flasiński, M, "Introduction to Artificial Intelligence" Springer 15-22, 2016

16 Billard, L, "From the statistics of data to the statistics of knowledge: symbolic data analysis" 98 (98): 470-487, 2003

17 전성해, "Frequentist and Bayesian Learning Approaches to Artificial Intelligence" 한국지능시스템학회 16 (16): 111-118, 2016

18 LeCun, Y, "Deep learning" 521 (521): 436-444, 2015

19 Han, J, "Data Mining: Concepts and Techniques" Morgan Kaufmann 2012

20 Billard, L, "Data Analysis, Classification, and Related Methods" Springer 369-374, 2000

21 Russell, S, "Artificial Intelligence: A Modern Approach" Pearson 2014

22 De Carvalho, F. D. A, "Adaptive Hausdorff distances and dynamic clustering of symbolic interval data" 27 (27): 167-179, 2006