• The Korean Journal of Applied Statistics
• /
• v.22 no.4
• /
• pp.793-804
• /
• 2009

The hypotheses of difference, ratio and odds ratio between two proportions are used for the non-inferiority trial. The approximate unconditional test suggested by Kang and Chen (2000) based on difference and ratio have the potential problem against the failure rate. When the sample size is small, the type I errors of the asymptotic test using the normal approximation suggested by Chen et al. (2000) tends to exceed the nominal level. Therefore, we propose the approximate unconditional test based on odds ratio and compare the test with the asymptotic test. And we compare the three hypotheses used in the approximate unconditional tests of two proportions with respect to the type I errors and power.

• The Journal of the Acoustical Society of Korea
• /
• v.25 no.5
• /
• pp.229-238
• /
• 2006

This paper shows the analytic error caused by the inconsistency of the approximation order between the non local boundary condition (NLBC) and the parabolic governing equation. To obtain the analytic error, we first transform the NLBC to the half space domain using plane wave analysis. Then, the analytic error is derived on the boundary between the true numerical domain and the half space domain equivalent to the NLBC. The derived analytic error is physically expressed as the artificial reflection. We examine the characteristic of the analytic error for the grazing angle, the approximation order of the PE or the NLBC. Our main contribution is to present the analytic method of error estimation and the application limit for the high order parabolic equation and the NLBC.

• Proceedings of the KSEEG Conference
• /
• 1999.04a
• /
• pp.327-329
• /
• 1999

• The Journal of the Korea Contents Association
• /
• v.21 no.3
• /
• pp.616-625
• /
• 2021

Deep neural networks are an approximation method that approximates an arbitrary function to a linear model and then repeats additional approximation using a nonlinear active function. In this process, the method of evaluating the performance of approximation uses the loss function. Existing in-depth learning methods implement approximation that takes into account loss functions in the linear approximation process, but non-linear approximation phases that use active functions use non-linear transformation that is not related to reduction of loss functions of loss. This study proposes parametric activation functions that introduce scale parameters that can change the scale of activation functions and location parameters that can change the location of activation functions. By introducing parametric activation functions based on scale and location parameters, the performance of nonlinear approximation using activation functions can be improved. The scale and location parameters in each hidden layer can improve the performance of the deep neural network by determining parameters that minimize the loss function value through the learning process using the primary differential coefficient of the loss function for the parameters in the backpropagation. Through MNIST classification problems and XOR problems, parametric activation functions have been found to have superior performance over existing activation functions.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.317-323
• /
• 1998

이 논문에서는 웨이브렛 신경회로망을 사용하여 알려지지 않은 비선형 시스템을 안정하게 적응제어하는 문제를 다룬다. 비선형 시스템의 정확한 제어는 함수를 근사화하는 데 사용된 함수 근사화기의 정확성과 효율성에 의존한다. 이에 비선형 시스템 제어에 기준 함수의 선택이 자유롭고 함수 근사화 능력이 뛰어난 웨브렛 신경회로망을 사용한다. 초기 웨이브렛 신경회로망 제어기 설정은 웨이브렛 신경회로망 변수인 신축과 이동 값을 제어기 입력의 시-주파수 특성을 분석해서 구하고, 연결강도는 Lyapunov 안정성 이론에 기초한 적응 법칙을 사용하여 조절한다. 이를 비선형 시스템인 역 진자 시스템에 적용한다.

• Bulletin of the Korean Space Science Society
• /
• 2010.04a
• /
• pp.28.1-28.1
• /
• 2010

이 연구에서는 기존 선형 상대운동방정식에 차등중력, 주위성의 이심율, J2 섭동 등의 비선형항을 추가하여 보다 정확한 상대운동방정식을 만든 후 섭동이론을 적용하여 위성편대 연료최적화 재배치 문제에 대한 근사 해석해를 구하고자 한다. 먼저, 비선형 섭동항을 테일러 급수를 이용하여 2차항까지 전개한 후, 이를 기존 선형상대운동방정식에 추가하여 새로운 비선형 상대운동방정식을 만든다. 이 때 사용된 선형상대운동방정식은 힐스 방정식으로 주위성의 궤도가 일반적인 타원이고 위성 간 상대거리가 충분히 가깝다고 가정한다. 최적화 조건으로부터 상태벡터와 라그랑지 곱수로 이루어진 연립 미분방정식이 만들어 지는데, 이 식은 힐스 방정식에 기인한 선형부분과 2차 비선형항에 기인한 섭동부분으로 나뉜다. 이 때, 이 연립미분방정식의 해는 선형부분의 해와 섭동으로 인한 변화량의 합으로 근사할 수 있으며 그 변화량은 섭동이론을 적용하여 얻을 수 있다. 이와 같이 얻어진 해는 여러 섭동의 비선형항을 2차까지 포함한 상대운동방정식을 사용했기 때문에, 기존 선형상대운동방정식을 사용하여 구한 최적해 보다 더 정확한 결과를 얻을 것이라 예상한다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2002.05a
• /
• pp.159-163
• /
• 2002

직교성은 실험계획에서 중요한 성질이다. 직교계획을 이용할 수 없는 경우 우리는 이러한 근사직교배열에 대하여 직교성의 정도를 평가할 수 있는 측도가 필요하다. 본 논문에서 는 근사직교배열에 대하여 직교성의 정도를 평가할 수 있는 그래픽방법들을 제안하고자 한다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2006.05a
• /
• pp.1034-1035
• /
• 2006

본 논문에서는 기존의 노드 단절 문제와 관련이 있는 k-서버 단절 문제를 정의하고, 계산 복잡도 및 근사해성에 대해 규명하였다. k-서버 단절 문제는 비근사성(inapproximaton)을 갖으며, 우리는 k가 고정됐을 때 0.5-근사해법을 갖는다는 것을 보였다.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.35 no.8
• /
• pp.921-931
• /
• 2011

This paper presents a data-fitting technique in which a B-spline hypervolume is used to approximate a given data set of scattered data samples. We describe the implementation of the data structure of a B-spline hypervolume, and we measure its memory size to show that the representation is compact. The proposed technique includes two algorithms. One is for the determination of the knot vectors of a B-spline hypervolume. The other is for the control points, which are determined by solving a linear least-squares minimization problem where the solution is independent of the data-set complexity. The proposed approach is demonstrated with various data-set configurations to reveal its performance in terms of approximation accuracy, memory use, and running time. In addition, we compare our approach with existing methods and present unconstrained optimization examples to show the potential for various applications.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.38 no.6
• /
• pp.557-563
• /
• 2010

This paper addresses the issue of adaptive global optimization using Kriging metamodel known as EGO(Efficient Global Optimization). The algorithm adaptively chooses where to generate subsequent samples based on an explicit trade-off between reduction of global uncertainty and exploration of the region of the interest. A strategy that saves the computational cost by using expectations derived from probabilistic nature of approximate model is proposed. At every iteration, a candidate test point that seems to be feasible/inactive or has little possibility to improve for minimum is identified and excluded from updating approximate models. By doing that the computational cost is saved without loss of accuracy.