최적의 학습 및 추론, 시스템의 개발을 위해서 본 연구그룹에서 다룰 구체적 연구내용을 열거하면 아래와 같다.
혼합변수 망모형에서 모수추정이론 연구
-Conditional
Gaussian 모형의 특성 분석
-Conditional Gaussian 모형에서의
정보처리(information
processing) 기법 개발
-Conditional Gaussian
모형 이외의 혼합변수 망모형에 관한 연구
거대 망모형의 개발에 관한 연구
-모형분할 알고리즘 개발
-모형분할에
의한 모형개발에 있어서 정보손실의 최소화 방법 연구
-모형분할에
의한 모수추정 알고리즘 개발
-희소자료에 의한 모형적합도
문제 연구
-지식상태 추론을 위한 망모형의 실용화
망모형의 결합에 관한 연구
-독립구조 그래프(independence graph)들의
결합에 관한 이론
-그래프 결합을 위한 알고리즘 개발
-복잡한 지식구조(knowledge structure)의 표현을 위한 망모형
-결합의
적용
-복잡한 체제(complex system)를 위한 진단 및 의사결정보조장치
에의
적용
혼합형 망모형에 관한 연구
-통계적 망모형과 신경망모형의 혼합에
의한 망모형 기능의 확대에
관한 연구
-혼합형 망모형에서의
모수추정과 정보처리 기법에 관한 연구
-혼합형 망모형의 모형적합도
문제 연구
-혼합형 망모형의 인공지능에의 활용
-지능형
자기학습체제(intelligent tutoring system)에의 활용
학습시스템(learning system)의 이론에 관한 연구
-병렬분산처리(parallel distributed
processing) 학습모형 및
알고리즘 개발
-학습 알고리즘의
복잡도 및 학습의 오차에 따른 자료 복잡도 추정
-학습오차와
일반오차와의 통계적 상관관계 분석
-학습모형에 따른 사상능력
분석 및 모형의 최적화
학습시스템의 응용에 관한 연구
-음성 및 시각정보의 특징추출(feature
extraction) : 음성 혹은 시각
정보를 인식 혹은
자료압축을 위하여 자료의 양은 최소한으로 줄이면
서 자료에 내재된
특징을 최대한 보존하는 방법을 학습을 통하여
결정한다.
-패턴인식
: 청각, 시각, 생체정보, 플랜트,
금융 등 각종 자료에
대하여 주어진 문제에 따라 기준함수(criterion
function)를 결정
하고, 패턴을 분류하는 시스템을 학습시킨다.
-시계열분석 및 예측
: 시계열 자료로부터 시계열을 발생시키는
동역학을 분석하고 이를 파악하는 학습방법을 개발한다.
-Data Mining
: 의료, 신용평가 등의 여러 가지 자료기반(database)
으로부터
자료들간의 규칙성을 찾아내는 학습방법을 개발한다.