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 논문은 주어진 논리 함수를 최소 수의 설비로 구현하도록 하는 논리 단순화 도구인 ESPRESSO를 규칙 획득의 도구로 적용할 때 발생하는 DC(Don′t Care) 집합의 방대함의 문제점을 해결하기 위하여 ESPRESSO의 컴플리먼트 과정 시에 On 집합과 Off 집합을 입력으로 받아들여 DC 집합을 생성해 낼 때 DC 집합의 범위를 줄이는 방안을 제시했으며, 귀납적 학습을 통한 규칙 획득 도구로 적용할 때 ESPRESSO는 DC 집합을 사용하는 알고리즘들이 너무나 많은 시간을 요구하므로 이러한 DC 집합을 사용하는 알고리즘들을 DC 집합을 사용하지 않는 알고리즘들로 변형시켰고, 적용성 있는 학습 시스템을 개발하기 위해서 규칙만을 유지하고 있다가 새로운 예제 데이터가 입력되면 이 예제 데이터가 제공하는 정보를 포함하도록 규칙을 변형할 수 있는 능력을 갖춘 AR-ESPRESSO(Adaptive Rule ESPRESSO)를 제안했다. 또한 귀납적 학습 시스템인 Version Space, 다중값 논리의 간략화에서부터 발전된 R-MINI, 그리고 정보 이론에서 출발한 ID3와 같은 기계 학습 시스템들과도 비교하여 AR-ESPRESSO가 시간과 성능 면에서 상당히 뛰어난 규칙 획득 도구임을 입증했다.

목차

요약

Ⅰ. 개요

Ⅱ. ESPRESSO의 개요

Ⅲ. 규칙 획득 도구로서 ESPRESSO의 변환

Ⅳ. 비교 및 평가

Ⅴ. 적응성 있는 AR - ESPRESSO

Ⅵ. 결과

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017971876