메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 기존의 기호주의적 인공지능이 가지는 기호체계와 의미체계의 구조 차이에 의한 brittleness문제를 해결하기 위하여, Roman Jakobson이 정의한 유사성(similarity)과 인접성(contiguity)에 기반한 추론을 수행할 수 있는 연결주의적 의미공간 모델 CSN(Connectionist Semantic Network)을 제안한다. CSN은 상위개념과 그 개념을 구성하는 구체적 하위개념의 구조를 가지고 이들의 상호 연결 부분을 학습함으로써 의미의 기본적인 두 측면 즉, 유사성과 인접성에 기반한 추론을 수행할 수 있는 모델이다. 본 논문에서는 유사성과 인접성을 사용한 추론 예제를 가지고 실험하여 제안한 모델의 타당성을 검증하며, 신경망을 사용한 정보처리가 기호주의적 방법에 비하여 유연함을 고찰한다.

목차

요약

1. 서론

2. 언어의 두 측면 및 다층 구조의 적합성

3. CSN(Connectionist Semantic Network)의 구조 및 학습

4. 실험 및 결과

5. 결론

6. 참고 문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017958379