Innovation Space, Product Space and National Economic Growth

WANG XIAOLONG 부경대학교 기술경영전문대학원 2022 국내박사

국가 경제 성장을 촉진하는 주요 요소로 혁신 공간과 상품 공간이 있다. 혁신 공간은 지역 기술과 경영혁신 역량을 정량화한 것이다. 혁신 공간 이론은 산업 기술, 경영, 혁신 집중 정도를 다룬다. 고전경제학의 노동분업을 핵심으로 산업클러스터를 설명한다. 수직적 노동분업과 산업조직간 관계가 상호보완적이라고 가정한다면 지역 산업클러스터는 생산과 노동의 분업을 촉진하게 된다. 새로운 기술, 특히 유연한 생산 기술은 기업과 소재 지역 노동 시장 간의 교류를 더욱 증진시킨다. 혁신 공간은 특허권 사용, 특허 이전소득, 생산비용 절감, 생산능력 향상 등을 통해 국민경제 성장에 직접 영향을 준다. 혁신 공간은 산업구조 최적화와 상품 공간 능력 향상을 통해 경제성장을 더욱 촉진한다. 예를 들어 국가산업구조가 가치사슬의 로우엔드(Low End)에서 하이엔드(High-end)로 이동하면 상품의 복잡성이 증가하고, 이는 상품의 비교우위와 저탄소 녹색산업경제 실현 등으로 이어진다. 상품 공간 이론은 하버드대 교수들이 처음 제안한 것으로 먼저 혁신에 나선 기업이나 기술혁신 산업을 키운 국가는 비교우위와 핵심경쟁력을 가질 수 있지만, 일부 산업은 다른 산업으로 이전할 수 없는 '자원의 저주'를 갖고 있다고 강조한다. 산업 이주 경로는 정부의 자원배분 능력 등 자원 수준에 영향을 받는다. 정부는 국가 경제를 키우기 위해서는 혁신 공간의 능력을 향상시킴으로써 상품 공간 구조를 최적화할 수 있다. 기존 국가경제 성장에 대한 연구는 주로 노동, 교육, 도시화, 투자, 국제 무역, 이민, 법률 환경, 국제화, 요소 생산성, 연구개발 보조금, 대출금리, 군비, 수출복잡성, 공명성, 탄소배출 등을 대상으로 이뤄져왔다. 정책 문서, 세계은행, 국내통계, 온라인 조사, IMF, 증권거래소, WIOD, CEIC 등에 담긴 데이터를 활용해왔다. 주로 사용된 분석 방법은 OLS, GMM, 개입 효과 모델, VAR 등이다. 하지만 이 같은 기존 연구는 혁신 공간과 상품 공간이 어떤 경로로 국가 경제 성장에 영향을 미치는 지에 대한 설명을 해주지 못했다. 특히 기존 연구의 데이터는 대부분 특정 지역의 '단기' 자료로 세계 경제의 성장을 전반적으로 설명할 수 없어 데이터 선택이 편향될 수 있는 문제가 있었다. 본 논문은 이 같은 문제들을 보완하기 위해1995년부터 2019년까지 세계은행 데이터베이스와 하버드대 아틀라스 데이터베이스 199개 경제 데이터를 바탕으로 실증분석을 하고 그 결과를 실제 사례와 맞는지 확인하는 과정을 거쳤다. 본 논문은 6장으로 이뤄져 있다. 1 장은 연구 배경과 방법을 비롯 연구의 독창성을 소개했다. 2 장에서는 혁신 공간 이론과 상품 공간 이론을 설명하고, 기존 선행연구를 분석해서 기존 연구의 한계점을 포함해 기존 연구와의 차별점을 도출했다. 3 장은 3가지 가설을 제안하고 이에 대한 실증분석을 했다. 4 장은 실증 결과 분석 및 강건성 점검을 실시했다. 동시에 주효과의 결과분석 외에도 조정효과의 결과분석을 체계적으로 구성하고, 혁신 공간, 생산공간, 국가 경제 성장의 연구결론과 정책적 시사점을 종합적으로 제시했다. 5장은 국가 경제 성장의 현황과 원인, 메커니즘에 관한 내용으로 1995년부터 2019년까지 전 세계 199개 경제의 경제성장을 대륙, 정부 형태, 발전 정도, 자원 종류 측면에서 종합적으로 소개했다. 6 장은 결론과 연구의 한계점 및 이후 연구의 방향성을 제시했다. Innovation space and product space are important factors in national economic growth. Innovation space is the sum of regional technology and management innovation capabilities. The theory concerning innovation space deals with industrial technology, management, and the degree of concentration or clustering of innovation. Innovation space can be reflected in the growth of the national economy, such as the use of patent rights, the income of patents transfer, the reduction of production costs, and the increase of production capacity. This promotes economic growth by optimizing industrial structure and improving product space capabilities. For example, when the national industrial structure moves from the low end to the high end of the value chain, the complexity of products increases, leading to the comparative advantage of products and the realization of a low-carbon green industrial economy. The government can optimize the product space structure by improving the capacity of the innovation space to grow the national economy. There has been a lot of attention given to innovation space, but existing studies do not explain how innovation space and product space affect national economic growth and an indicator framework system for analyzing national economic growth has not yet been formed. In other words, steps in the path between innovation space and national to economic growth have not yet been identified. Most studies use 'short-time' data for a specific region, which presents data selection bias problems. In order to overcome these problems, this study uses more comprehensive sample indicators and case analysis, covering data from 199 economies around the world from the World Bank database and the Harvard University Atlas database between 1995 and 2019. It overcomes the “short-time” period and “single-type” selection bias and is more accurate than previous studies. Finally, this paper presents a unified analysis framework for national economic growth, and comprehensively evaluates the comparative advantage of innovation space in product space exports, policy stability, and economic development. This thesis consists of 6 chapters. Chapter 1 introduces the study. Chapter 2 discusses innovation space theory and product space theory. Chapter 3 proposes three hypotheses and presents an empirical analysis. Chapter 4 presents a results analysis and a robustness check. Chapter 5 is about the current status, causes, and mechanisms of national economic growth, and comprehensively introduces the economic growth of economies around the world in terms of government forms, levels of development, and types of resources. Chapter 6 presented the conclusions, limitations of the study, and the directions for future research.

한·중 노여움「怒」관용어의 대조 연구 : 비유적 의미를 중심으로

WANG XIAOLONG 경희대학교 대학원 2016 국내석사

본고는 기본적 감정 유형 중의 “노여움(怒)”을 나타내는 한·중 관용어를 연구 대상으로 삼고자 한다. 일상에서 널리 퍼져 있는 비유적 의미(환유와 은유)가 그런 관용어에서 어떻게 나타나고 있는지에 대해 인지적으로 검토해 보며 대조 분석을 통해 이 두 언어 간에 비유적 의미의 유사점과 차이점을 밝히고자 한다. 게다가 이를 바탕으로 하여 인지의미론의 관점에서 “노여움(怒) 감정”에 대한 한·중의 인지 체계를 최대한 제시하는 데에 연구 목적을 둔다. 환유와 은유를 비롯한 비유적 의미가 관용어를 생성하는 데에 핵심적 역할을 하고 있다. 구체적으로 보면 감정과 같은 추상적인 것을 개념화하는 과정에서 환유가 감정에 따른 신체적 반응에 초점을 맞춘다고 말하면 은유는 바로 그런 반응과 관련된 사물의 속성에 대한 인지에 주안점을 두고 있다. 즉, 은유는 환유를 전제로 하여야 작용할 수 있다. 전통의미론의 관점에서 관용어를 의미 해석이 불가능한 사은유(死隱喩)로 보는 기존 견해와 달리 본고는 관용어에는 환유와 은유가 매우 생산적인 요소로 여전히 작용하고 있는 입장을 가지고 있다. 그리고 관용어 분야의 기존 연구를 살펴보면 전통의미론 관점에서 본 논의가 풍부하게 구성되어 왔으나 관용어에 대해 설명하지 못한 경우가 많아져서 설득하는 데에 제한점을 느끼게 되었다. 그런 이유로 전통의미론을 제외한 인지의미론 측면의 접근법도 매우 필요하다고 생각한다. (1.2 장)감정은 인간이 특유한 속성으로서 풍부하고 복잡한 체계를 가지고 있다. 똑같은 일을 당하여도 인간에 따라 완전히 다른 체험을 받게 될 수 있고 다양한 생리적 반응이 일어나게 된다. 노여움 감정을 예로 보면 그런 감정 중에 “미워함”, “억울함”, “질투”, “짜증”, “원통함”등 여러 가지 정서가 섞이는 경우가 보편적이다. 또한 어학 사전에 명시된 “노엽다”, “골나다”, “성내다” 등 “노여움”과 관련된 동의어의 의미가 아주 미묘해서 서로 차용하여 해석된 경우도 흔히 보인다. 이렇게 보면 똑같은 범주에 속한 동의어의 사전적 뜻풀이만 비교함으로써 노여움의 감정을 설명하는 데에 여전히 한계점을 많이 느끼고 설득력도 매우 부족하다. 감정을 주제로 한 연구들이 최초의 철학으로부터 현대의 심리학, 생리학, 의학 등 여러 분야에서 다양하게 축적되어 왔으나 인지언어학의 연구 대상이 된 것은 1980년 후반부터의 일이다. 그러나 감정이라는 추상적인 개념을 이해가 가능한 언어로 해석하거나 정의하는 일은 그리 쉽지 않다, 그래서 인간이 그러한 추상적 감정에 환유와 은유를 비롯한 비유적 의미를 부여함으로써 감정을 개념화하고 표현하는 경향이 있다. 즉, 인간이 감정과 같은 추상적 개념을 개념화하는 행동은 주로 환유과 은유 두 가지 방법에 의하여 활발히 이루어진다는 것이다. 한국과 중국의 기존 연구에서 감정 표현을 주제로 한 검토는 주로 한영 대조, 중영 대조, 한일 대조 등 다방면에서 이루어졌으며 관용어에서 나타나는 은유적, 환유적 의미가 관용어의 형성, 의미 확장 등 것과 밀접한 관계가 있다고 널리 인식하게 되었다. 한·중 분야의 대조 연구를 살펴보면 최근에 감정 표현 중의 감정 관용어를 주제로 한 논의가 점점 늘어나고 그 중에 신체어를 중심으로 하여 감정 표현을 검토한 경우가 주를 이루는 것으로 나타난다. 그러나 단독적으로 노여움이라는 감정에만 초점을 맞춰서 연구한 것은 별로 많지 않다. 또한 인지언어학 관점에서 본 한·중 노여움 관용어의 대조 연구는 아직 미미한 상황인 것으로 보인다. 한국인과 중국인은 다 유교문화권에 속하면서도 시간이 갈수록 각자 특유한 사회와 문화 환경을 갖게 되므로 노여움 감정을 이해하는 데에 유사한 것들이 많으나 사유 방식에 따른 차이성도 흔히 보인다. 이를테면 한국어를 공부하는 중국어권 학습자에게 “열을 받다”, “열이 뻗치다”와 같은 관용어는 글자 그대로의 의미만 보면 “기쁨”과 “노여움” 중에서 어느 쪽의 의미와 상관있는지 파악하기 굉장히 어렵다. 그래서 문화적 배경과 깊이 관련된 이 관용어에 대해 인지적으로 접근하면 두 언어의 관용어를 생성하는 경로, 그리고 한국인과 중국인의 노여움 감정에 대한 인지 체계를 밝히는 데에 큰 도움이 될 수 있다. 이상에서 기술한 연구 문제를 체계적으로 검토한다면 한·중 노여움 관용어에 어떤 비유적 의미가 함축되어 있는지, 그 비유적 의미 중에 공유하는 것과 특유하는 것은 무엇인지를 파악할 수 있다. 그래서 본고의 일차적 검토(2.1/2.2)는 우선 한·중 노여움 관용어에 그러한 비유적 의미가 담겨 있는 부분을 확인하는 데에서 시작하였다. 한국어와 중국어의 경우를 나누어 살펴보면 한국어 노여움 관용어가 “의미와 구조의 고정성(固定性)”이라는 기본적 특성이 있으므로 대치, 생략, 첨가 등의 언어적 현상이 매우 제한된 범주 안에서만 이루어져서 제약이 많다고 기술하였다. 이와 달리 중국어 노여움 관용어가 한국어보다 구조나 형태가 비교적으로 자유로우므로 그러한 대치, 첨가, 생략 등 언어 현상이 활발히 이루어진다고 볼 수 있다. 또한 중국어 노여움 관용어에서 “삼음절(三音節)”이라는 형태가 대표적인데 더 많은 음절로 이루어진 “다음절(多音節)”관용어도 특수적으로 나타나는 것이다. 그러한 “다음절(多音節)” 안에 두 개의 신체어가 있을 뿐만 아니라 때로는 노여움 관용어 안에“憋”, “不敢言”와 같은 인내를 뜻하는 표현들도 중요한 요소로 활용되기도 한다. 마지막으로 중국어에서 한국어에 거의 보이지 않는 명사류 관용어로 노여움 감정을 표현할 때도 있다. 이상 밝힌 것들은 한·중 노여움 관용어에서 비유적 의미가 함축되어 있는 부분을 판단하는 데에 중요한 의거가 될 것이다. (3)장에서 노여움에 관한 비유적 의미를 주로 환유와 은유 두 가지 측면에서 검토하고자 한다. (3.1.1/3.2.1)환유란 어떤 개체를 개념화하기 위해 그것과 특정한 관계가 있는 다른 개체로 지시하는 방식이다. 그러나 관용어의 경우는 차이성을 보인다. 관용어의 의미를 합성하는 과정에서 환유는 사물을 지시하기보다는 사건이나 상태를 표현하고 이해하는 방식으로 작용하는 일이 더 보편적이다. 한국어의 경우는 사건을 나타내는 관용어에 비해 심리 상태와 관련된 관용어가 더 큰 비중을 차지하고 있다. 이러한 심리 상태를 표현하는 데에 사용하는 관용어(감정 표현 관용어)는 주로 환유에 의하여 나타난다. 따라서 그러한 관용어를 이루는 근원은 대체로 생리적 반응과 동작 두 가지로 나눌 수 있다. 그러나 한국어에서 동작을 토대로 이루어진 것에 비해 생리적 반응에 의해 이루어진 관용어가 더 폭넓은 심리 상태를 나타내는 것으로 보인다. 생리적 반응이 일어나는 위치에 따라 생리적 반응은 다시 “내부적 생리적 반응”과 “외현적 생리 반응” 두 가지로 나눌 수 있다. 그러한 생리적 반응을 일으키는 근본적 원인이 “체열”이라서 “노여움은 체열이다”라는 환유적 의미를 이끌어 낸다. 그 환유적 의미를 그 두 가지 분류와 결합시키면 노여움 관용어에서 나타나는 환유적 의미를 다시 “노여움이 외현적 체열이다”와“노여움이 내부적 체열이다”두 가지로 분류할 수 있다. 동작의 경우는 “발을 둥둥 구르다”를 예시로 보면 따로 “노여움에 체열을 발산하는 동작”으로 해석되기도 한다. (3.1.2/3.2.2)은유란 인간의 개념화 체계와 정보화 체계를 구성하는 중요한 재료나 매체이면서 다양한 문화적 배경에 따른 특수한 사유 방식이다. 이를 테면 인간이 눈으로 직접 관찰하지 못하는 감정을 유사한 속성을 갖는 다른 실체로 대신하여 은유적으로 표현하는 경향을 보인다. 각 문화권에서만 나타나는 특수한 은유가 있어도 감정을 표현할 때 전 세계적으로 다 보편성이 있다고 말할 수 있다. 이를테면 영어에서 “노여움은 불이다”, “노여움은 액체이다”, “노여움은 무기이다”등의 대표적 은유가 널리 존재한다고 하였다. 그리고 인간이 세계를 이해할 때 지속적으로 이어지는 연상(연쇄적 개념화)에 의하여 세계에 대한 인지가 발달해지고 더 풍부한 은유 체계가 만들어진다. 그 은유가 더 심층적으로 도출됨에 따라 은유 자체도 원래 넓은 범주에서 벗어나고 더 세부적이고 구체적 은유로 변하게 된다. 은유의 연쇄적 개념화를 통해 “노여움은 열이다”라는 은유를 바탕으로 계속 “노여움은 색깔이다”, “노여움은 장기의 손상이다”, “노여움은 쓴맛의 음식이다”와 같은 풍부한 은유를 생성하므로 노여움 관용어의 은유 체계를 크게 발전시켰다. 이를 통해 연쇄적 개념화는 은유적 의미를 확장하고 새로운 은유를 생성하는 데에 적극적으로 역할하고 있음을 알 수 있다. 이상에서 논의한 노여움에 관한 비유적 의미에 의하여 한·중 노여움 관용어에서 어떤 사용 양상을 나타내는지에 대해 (4)장에서 대조·분석을 하고 살펴보왔다. (4.1)환유의 관점에서 보면 중국어에 비해 한국어에서 환유적 의미에 의하여 이루어진 노여움 관용어가 양적으로는 더 많은 것으로 나타난다. 또한 한·중 노여움 관용어에서 공통적으로 활용된 신체어가 다양한 사용 양상을 보인다. 그런 신체어 중에 인체의 상부, 특히 오관(五官)에 속한 “눈(眼睛)”과 “얼굴(脸)”은 다른 기관보다 가장 많은 비중을 차지하고 있다. 이를 통해 한국인과 중국인이 노여움으로 인한 생리적 반응이 일어나는 신체부위에 대해 유사한 인식을 가지고 있음을 알 수 있다. 주목할 만한 면은 한·중 노여움 관용어에서 함께 쓰이는 신체어가 머리부터 발끝까지 널리 분포되어 있으며 분노 상태를 표현하는 용언(用言)도 비슷하므로 유의 관계를 이루는 대응쌍도 많이 있다.그러한 공유하는 신체어를 제외하고 한국어와 중국어는 각자 특수한 신체어로 노여움 감정을 표현하는 예외도 있다. 이를테면 한국어 관용어에서 “비위가 상하다”라는 말을 이용하여 노여움 감정을 환유적으로 표현하는 일이 보편적이다. 반면에 중국어에는 “비위가 상하다”라는 표현이 존재하는데 일반적으로 소화 불량으로 인한 신체적 증상을 설명하는 데에서 더 흔히 사용된다. 또 다른 예를 보면 중국어 노여움 관용어에서 따로 “頭髮(머릿카락)”, “耳朵(귀)”, “胡須(수염)" 등의 특수한 신체어를 들 수 있다. 반대로 한국어에는 그러한 신체어로 만들어진 관용어가 존재하여도 노여움 감정과 큰 관련이 없는 것이다. 인간이 노여울 때 자신의 감정을 억제하기 어렵기 때문에 인간이 분노하면 일반적으로 타인에게 직접 보이는 생리적 반응(눈이 커지거나 얼굴빛이 바뀌게 됨)을 드러내는 경우가 대부분이다. 그런 이유로 한국어와 중국어에서는 “내부적 체열”로 구성된 관용어와 “외현적 체열”에 의하여 이루어진 관용어가 상당수가 있다. 한국어에 “노여움이 체열을 발산하는 동작”에 의하여 이루어진 노여움 관용어가 “발을 둥둥 구르다”하나 밖에 없으므로 풍부하지 않는 양상인 것으로 나타난다. 중국어의 경우가 비슷하지만 “捶胸顿足”,“敲桌子拍板凳”과 같은 다음절(多音節)관용어처럼 한 관용어 안에 두 개의 동작이 이어지는 경우도 주목할 만한 것이다. (4.2)은유의 관점에서 보면 한국어에 비해 중국어에서 은유적 의미에 의하여 이루어진 노여움 관용어가 더 많으며 한·중 노여움 관용어에서 공통적으로 활용된 은유적 의미가 다양한 사용 양상을 나타내기도 한다. 이를 통해 한국인과 중국인이 노여움에 관한 은유적 의미를 도출하는 과정에서 유사한 연쇄적 개념화를 가지고 있음을 알 수 있다. 그런 공유하는 신체어를 제외하고 한국어와 중국어는 특수한 은유로 노여움 감정을 표현하는 예외가 있다. 이를테면 한국어에 “열”로 구성되는 노여움 관용어가 널리 분포되어 있는 것과 달리 중국어의 경우는 노여움을 표현하는 관용어는 “火”라는 요소로 구성되는 경우가 대부분이다. “열”로 만들어진 한국어 관용어가 열의 정도에 따라 다시 “발열”, “가열”, “비등이나 분출”등 구체적 상황으로 세분되고 계속 “노여움은 액체이다”를 추출한다. 이와 달리 중국어의 관용어에서 “열”이라는 요소를 널리 활용하지 않고 한국어와 같은 열에 대한 세부적 분류도 존재하지 않는다. 중국어의 가장 대표적인 표현인“生氣”를 예로 보면 “노여움은 기(氣)이다”라는 은유적 의미가 중국어 노여움 관용어에서 아주 큰 비중을 차지하고 있다. 그런 반면에 한국어에서는 이와 관련된 표현으로 “기가 막히다”밖에 찾지 못한다. 한국어에서 일반적 은유로 분석하기 어려운 예가 존재한다. 예를 들어 “봉황의 눈을 뜨다”와 “가자미눈을 뜨다”에서 나타나는 동물이 “공격성이 있는 동물”과 특별한 상관이 없으므로 한국의 문화적 배경을 참조하여야 이해할 수 있다. 중국어에서도 문화적 차이로 인해 특별히 처리해야 하는 경우가 있다. 이를 테면 한국어와 마찬가지로 중국어에서도 “노여움은 불이다”라는 은유가 널리 활용되지만 이에 의하여 도출된 “노여움은 가연물이다”와 “노여움은 매운 음식이다”가 한국어에는 존재하지 않는 특유한 것이다. 중국 문화가 양보와 공손의 자세를 많이 주장하므로 중국어 노여움 관용어에서 한국어에 없는 “노여움은 인내를 주는 행동이다”, “노여움은 자아방어적 행동이다”와 같은 세부적 은유로 표현하는 경우도 있다. 그러나 더 이상 인내할 수 없는 경우라면 따로 “노여움은 사욕을 털어놓는 행동”, “질투하는 행동”등 인내의 뜻과 완전 상반된 것으로 해석되기도 한다. 은유적 의미가 작용한 한·중 노여움 관용어에서 양국어의 형태적 차이가 크기 때문에 완전한 유의 관계를 이루는 대응쌍이 “입이 쓰다”와 “嘴发苦” 두 개 밖에 거의 발견되지 않는다. “얼굴이 시빨개지다”와 “气得脸红脖子粗”처럼 부분적으로 대응 관계를 이루는 경우가 훨씬 더 보편적이다. 은유적 의미로 표현하는 관용어 중에 앞서 제시한 환유의 대응쌍과 겹치는 부분이 상당히 많다. 이 특별한 현상을 통해 그런 겹친 부분은 환유와 은유의 상호관계를 잘 반영하고 있음을 알 수 있다. 다시 말하면 한·중 노여움 관용어 중에 환유와 은유로 다 분석 가능한 관용어가 보편적으로 존재한다. 미각으로 노여움 감정을 표현할 때 한국어와 중국어가 다“노여움은 쓴맛의 음식이다”라는 은유적 의미를 공유하고 있다. 그러나 중국어에서 이 은유를 제외한 다른 음식과 관련된 은유도 존재한다. 아시다시피 중국은 옛날부터 음식을 중시하는 풍속이 있으므로 다른 나라보다 미각에 대한 이해도 다양하다. 그런 이유로 중국어에서 은유적 의미를 도출할 때 그 은유와 어떤 특정한 관련이 있는 음식을 연상하는 경향을 흔히 보인다. 이에 따라 “노여움은 질투하는 행동이다”로 표현하는 관용어에서 “醋(식초)”라는 요소를 널리 활용하므로 저절로 “노여움은 신맛의 음식이다”를 연상하게 된다. 이와 마찬가지로 “노여움은 색깔이다”로 나타나는 관용어에서 널리 퍼져 있는 火”라는 요소를 통해 불의 색깔과 비슷한 “辣椒(고추)”를 생각하게 되어 “노여움은 매운 음식이다”라는 새로운 은유를 이끌어 낸다.

Configuration and Motion Planning Using Graph Augmentation

Wang, Xiaolong ProQuest Dissertations & Theses Lehigh University 2022 해외박사(DDOD)

소속기관이 구독 중이 아닌 경우 오후 4시부터 익일 오전 9시까지 원문보기가 가능합니다.

Search-based techniques have been widely used in robot path planning for finding trajectories in configuration spaces. Despite advantages such as completeness, optimality, robustness, and efficiency, even in complex environments, under many circumstances, a search in the configuration space alone is not sufficient for solving problems with complex constraints. To solve such problems meaningfully, it may be required to augment the vertices of the search graph with additional information that represents specific traits of the solution itself, representing an abstraction of a larger configuration-space or state-space of a larger, more complex system. We refer to a configuration graph integrated with such additional information as an augmented graph. Once constructed, it is convenient to compute solutions due to the general nature of graph search algorithms. Depending on the specific problem, a variety of additional state information can be integrated to construct an augmented graph.Motivated by specific problems, in this thesis, we propose a few distinct constructions of augmented graphs and their corresponding applications. For a snake-like robot, a contact-augmented graph is proposed to facilitate the configuration planning that allows the robot to interact with static obstacles, plan stable configurations, and locomote itself. A topology-augmented graph is used for mobile robot systems. Building on this idea, we introduce algorithms for cable-driven robots in cluttered environments that enable them to plan and optimize their workspace, plan paths and execute tasks within that workspace using a task-augmented graph. A similar technique based on topology-augmented graphs is used to minimize traffic congestion for a coordination-free multi-robot system in an environment with uncertainties. Finally, a Reeb structure constructed from a configuration graph is shown to help reduce the dimensionality of search space for articulated robots, thus enabling faster motion planning than searching in a complete high-dimensional configuration space.

Probabilistic Latent Variable Models for Knowledge Discovery and Optimization

Wang, Xiaolong ProQuest Dissertations & Theses University of Illi 2017 해외박사(DDOD)

소속기관이 구독 중이 아닌 경우 오후 4시부터 익일 오전 9시까지 원문보기가 가능합니다.

I conduct a systematic study of probabilistic latent variable models (PLVMs) with applications to knowledge discovery and optimization. Probabilistic modeling is a principled means to gain insight of data. By assuming that the observed data are generated from a distribution, we can estimate its density, or the statistics of our interest, by either Maximum Likelihood Estimation or Bayesian inference, depending on whether there is a prior distribution for the parameters of the assumed data distribution. One of the primary goals of various machine learning/data mining models is to reveal the underlying knowledge of observed data. A common practice is to introduce latent variables, which are modeled together with the observations. Such latent variables compute, for example, the class assignments (labels), the cluster membership, as well as other unobserved measurements of the data. Besides, proper exploitation of latent variables facilities the optimization itself, which leads to computationally efficient inference algorithms. In this thesis, I describe a range of applications where latent variables can be leveraged for knowledge discovery and efficient optimization. Works in this thesis demonstrate that PLVMs are a powerful tool for modeling incomplete observations. Through incorporating latent variables and assuming that the observations such as citations, pairwise preferences as well as text are generated following tractable distributions parametrized by the latent variables, PLVMs are flexible and effective to discover knowledge in data mining problems, where the knowledge is mathematically modelled as continuous or discrete values, distributions or uncertainty. In addition, I also explore PLVMs for deriving efficient algorithms. It has been shown that latent variables can be employed as a means for model reduction and facilitates the computation/sampling of intractable distributions. Our results lead to algorithms which take advantage of latent variables in probabilistic models. We conduct experiments against state-of-the-art models and empirical evaluation shows that our proposed approaches improve both learning performance and computational efficiency.