http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
경험적 분류 모형에 기초한 전문가 시스템 개발 도구의 설계
전영표(Y.P.Jun),김영훈(Y.H.Kim),한상기(S.Han),맹승렬(S.R.Maeng),김성수(S.S.Kim),황시영(S.Y.Hwang) 한국정보과학회 1988 한국정보과학회 학술발표논문집 Vol.15 No.1
경험적 분류(Heuristic Classification) 모형은 진단 분야에서처럼 미리 나열된 해의 영역에서 특정한 얻는 분류 문제(Classification Problem)를 처리하는 방법론의 하나로 매우 유용하고 효과적인 기법이다. 경험적 분류 모형에서는 주어진 자료로부터 해를 찾아내는 방법을 지식 수준에서 분석하여 자료 추상화(Data Abstraction), 경험적 연상(Heuristic Association), 그리고 정제(Refinement)의 세 단계로 구분하고 있다. 본 논문에서는 이들 세개의 단계들에 대해서 자료 추상화는 틀(Frame) 구조로, 경험적 연상은 전문가의 경험적 지식을 포함하는 규칙(Heuristic Rule) 표현, 그리고 정제 단계는 가설 구조(Hypothesis Structure)로 표현하고 이들을 상위 수준에서 전략적 또는 추상적 제어 지식(Abstract or Strategic Control Knowledge)을 이용하여 전문가의 문제 해결 절차를 모형화 할 수 있는 전문가 시스템 개발 도구를 설계하였다.
논리 프로그램의 병렬 수행을 위한 X - WAM의 구현에 관한 연구
박승운(S.W.Park),류기열(K.Y.Ryu),이헌길(H.G.Lee),김승범(S.B.Kim),맹승렬(S.R.Maeng),조정완(J.W.Cho) 한국정보과학회 1987 한국정보과학회 학술발표논문집 Vol.14 No.1
본 논문에서는 기존의 von-Neumann식 머신에서의 Prolog의 순차 (sequential) 처리 방식을 유지하면서, AND 병렬 처리 기능을 추가시킨 X-WAM (eXtended Warren Abstract Machine)을 제시한다. X-WAM에서는 각각의 PE (Processing element)가 WAM의 구조를 가지고 있어 논리 프로그램이 순차 수행 방식으로 처리되고, AND 병렬성은 동시에 수행되는 PE에 의해 실현된다. X-WAM의 하드웨어는 VME 버스 시스템으로 구현하였으며, 호스트인 Sun 워크스테이션으로부터 X-WAM 코드가 적재되어 수행되는 back-end 머신의 형태를 취한다.
신성엽(S Y Shin),김승범(S. B Kim),맹승렬(S. R Maeng) 한국정보과학회 1988 한국정보과학회 학술발표논문집 Vol.15 No.1
RAP-WAM의 입력으로 사용되고 있는 RAP 코드는 효율적인 전방향 수행만 제시할 뿐, 인텔리전트 백트랙킹을 제공하지 못한다. 본 논문은 RAP 코드에 within-clause-backtracking과 across-the clause-backtracking을 위한 정보를 첨가시킨 X-RAP 코드를 제시한다. 비록 X-RAP 코드를 생성하는데 따른 컴파일시 부담은 증가하였지만, RAP 코드에 비해 후방향 수행을 효율적으로 할 수 있다. 그리고 제안한 기법의 성능 향상을 시뮬레이션을 통해 평가하였다.
Heuristic 탐색 기법을 지원하는 확장된 Warren Abstract Machine
류기열(K Y Ryu),맹승렬(S R Maeng) 한국정보과학회 1987 한국정보과학회 학술발표논문집 Vol.14 No.2
본 논문에서는 Prolog 프로그램을 depth-first 뿐만 아니라 heuristic 탐색을 통하여 수행 할 수 있는 한가지 모델을 제시하고 Warren Abstract Machine을 확장하여, 이 수행 모델을 위한 abstract machine(HWAM)을 설계하였다. 이 모델에서는 사용자가 제공하는 heuristic 정보를 이용하여 시스템 predicate에 의해 명시된 위치에서 heuristic 탐색을 하며 그외의 경우에 있어서는 depth-first 탐색을 한다. HWAM에서는 논리 프로그램을 heuristic 탐색에 의해 수행함으로써 탐색공간을 크게 줄일 수 있으며 또한, 프로그램의 수행을 제어하는데 큰 융통성을 얻을 수 있다. HWAM은 WAM의 효율을 저하 시키지 않고 heuristic 탐색 기법을 지원할 수 있도록 설계되었다.
그래픽 RISC 프로세서를 위한 C 컴파일러와 그래픽 라이브러리의 최적화 기법의 설계 및 구현
이은재(E.J Lee),길아라(A R. Khil),정재훈(J H Chung),정내훈(N H Jung),맹승렬(S R. Maeng),윤현수(H Yoon) 한국정보과학회 1992 한국정보과학회 학술발표논문집 Vol.19 No.1
GISC(Graphics Instruction Set Computer) 프로세서는 현재 KAIST에서 개발 중인 RISC 형태의 그래픽 프로세서이다. 본 논문에서는 GISC 프로세서를 위한 C 언어의 컴파일러와 그래픽 라이브러리의 최적화 기법을 설계하고 구현한다. C 언어 컴파일러는 출력 코드 생성 시의 최적화를 지원하며 사용자 응용 프로그램의 개발이 용이하도록 프로그래밍 환경을 제공한다. 또한, 제안된 그래픽 라이브러리의 최적화 기법은 메모리 참조 명령문의 수행을 지연하여 그 횟수를 감소시킴으로써 수행 시의 효율성을 높일 수 있다. 본 논문에서 제안한 C 언어 컴파일러와 그래픽 라이브러리 최적화 기법은 GISC 인스트럭션 시뮬레이터를 사용한 시뮬레이션 결과를 분석함으로써 그 성능을 효율성을 검증한다.
논리 프로그램의 병렬 수행을 위한 Abstract Machine
이헌길(H.G.Lee),신성엽(S.Y.Shin),김형철(H.C.Kim),낭종호(J.H.Nang),김승범(S.B.Kim),맹승렬(S.R.Maeng),조정완(J.W.Cho) 한국정보과학회 1987 한국정보과학회 학술발표논문집 Vol.14 No.1
본 논문에서는 논리 언어를 병렬로 수행하기 위한 Parallel Abstract Machine(PAM)을 제시한다. PAM은 프로세스 사이에 메시지 교환에 의해 논리 프로그램을 수행하는 AND/OR 프로세스 모델을 기반으로 하고 있으며, 수행시에 생기는 수행 부담(run time overhead)을 줄이기 위해 자동 컴파일 기법을 사용한다. PAM에서는 논리 언어의 AND 병렬성과 OR 병렬성을 동시에 추구하며, 논리 프로그램을 Degroot의 RAP 코드로 변환하고 이를 다시 PAM의 기계어로 컴파일하여 수행시킨다.
정제훈(J. H. Chung),김승범(S B. Kim),맹승렬(S. R. Maeng) 한국정보과학회 1988 한국정보과학회 학술발표논문집 Vol.15 No.1
본 논문에서는 Prolog 프로그램의 고속 수행을 위한 전용 프로세서 APP를 제시하고 성능을 분석한다. APP는 WAM (Warren Abstract Machine)에 기반을 둔 back-end 프로세서의 형태로 설계되었으며 Processing Unit과 μ-Controller, 그리고 Prolog의 수행시 가장 빈번히 사용되는 연산인 unification의 수행 속도를 높이기 위한 여러 가지 하드웨어로 구성된다. 설계된 APP는 ISPS 하드웨어 기술 언어를 사용하여 기능적으로 동작함을 보였다. 시뮬레이션을 통하여 분석한 APP의 수행 속도는 append 프로그램에 대하여 최대 800 KLIPS(Kilo Logical Inferences Per Second)이었으며 unification을 위한 하드웨어가 전체적인 성능을 크게 향상시켰음을 알 수 있었다.
낭종호(J H Nang),최선민(S M Choe),이상훈(S H Lee),윤현수(Hyunsoo Yoon),맹승렬(S R Maeng) 한국정보과학회 1990 한국정보과학회 학술발표논문집 Vol.17 No.1
신경망 모델은 학습 기능을 가지고 있기 때문에 기존의 계산 방식으로는 처리하기 어려운 많은 문제들에 대하여 해결 방법을 제공하지만, 신경망의 특성을 결정하는 여러 파라메터의 설정이 어렵기 때문에 try-and-error 방식의 시뮬레이션을 통하여 원하는 구조를 만들어야 하며, 또한 많은 뉴론과 연결선을 가진 신경망의 경우 학습 자체에도 많은 시간이 걸린다는 문제점을 가지고 있다. 본 논문에서는 이런 문제점을 해결하기 위하여 완전히 연결된 다단계 신경망 모델을 분산 메모리 다중 처리기 시스템에 사상시키는 방법과, 이 시상 방법에 기초한 분산 역전도 학습 알고리즘을 제안하고 그 성능을 분석하였다. 또한 이런 병렬 시뮬레이션 방법에 바탕을 두어 빠른 학습 속도를 제공하며, 신경망 모델의 여러 파라메터를 대화형으로 쉽게 바꿀 수 있는 신경망 모델 병렬 시뮬레이션 시스템 PANSi를 개발하였다.