• Communications for Statistical Applications and Methods
• /
• 제4권2호
• /
• pp.327-332
• /
• 1997

다층 신경망은 비모수 회귀함수 추정의 한 방법이다. 다충 신경망을 학습시키기 위해 역전파 알고리즘이 널리 사용되고 있다. 그러나 이 알고리즘은 이상치에 매우 민감하여 이상치를 포함하고 있는 자료에 대하여 원하지 않는 회귀함수를 추정한다. 본 논문에서는 통계물리에서 자주 사용하는 방법을 이용하여 로버스트 역전파 알고리즘을 제안하고 수학적으로 신경망과 매우 유사한 PRP(projection pursuit regression) 방법, 일반적인 역전파 알고리즘과 모의실험을 통해 비교 분석한다.

• Journal of the Korean Data and Information Science Society
• /
• 제11권1호
• /
• pp.1-18
• /
• 2000

본 논문에서는 가장 많이 사용되는 시계열 모형중의 하나인 자기회귀모형에서 모수를 추정하는 방법으로 최소 절대 편차 추정법(least absolute deviation estimation)을 포함한 로버스트한 추정방법 (robust estimation)의 사용을 제안하고 모의 실험을 통하여 이러한 방법들을 기존의 최소 제곱 추정 방법과 예측의 관점에서 비교 검토하여 시계열 자료분석에서의 로버스트한 모수 추정 방법의 유효성을 확인해 보고자 한다.

• 대한토목학회논문집
• /
• 제35권3호
• /
• pp.725-735
• /
• 2015

본 연구는 부산지역 오피스텔의 가격을 결정하는데 있어서 영향을 주는 요인들이 어떤 것들이 있는지에 대해 실증적 분석을 하여 오피스텔 시장을 구체적으로 이해하는데 목적이 있다. 시세가를 통해 오피스텔 가격 결정요인을 분석하는 것은 오피스텔 공급자로 하여금 적절한 규모와 입지선택에 도움을 줄 수 있고, 수요자들에게는 목적에 따른 오피스텔 선택에 도움이 되리라 판단하여 본 연구를 실시하였다. 부산지역 오피스텔의 실거래가를 종속변수로 하고 물리적 특성과 입지적 특성, 그리고 지역적 특성을 나타내는 요인들을 독립변수로 하여 OLS선형회귀분석(Ordinary Least Square)과 준로그모형분석(Semi-log model), 그리고 로버스트회귀분석(Robust regression)을 이용하여 오피스텔의 가격결정요인을 분석하였다.

• 응용통계연구
• /
• 제19권2호
• /
• pp.305-317
• /
• 2006

시계열 자료에서의 특이치, 특히 이 가운데 가법적 특이치가 모형의 식별, 모수의 추정 및 예측과 관련된 분석 전과정을 왜곡하는 것은 잘 알려져 있다. 그러나 특이치가 다수 발생하는 경우, 특히 연속적으로 집단을 이루어 발생할 때 대부분 특이치 검출방법은 가면화효과와 수렁화효과때문에 이들을 정확히 판별하지 못한다. 본 논문에서는 p차 자기상관회귀모형에 대한 고붕괴점 회귀추정량을 이용한 양방향 로버스트 필터방법을 제안했다. 실제 사례와 모의실험을 통해 제안한 방법이 매우 정확하게 시계열 자료에 포함된 특이치들을 검출하고 있음을 확인할 수 있다.

• 응용통계연구
• /
• 제22권3호
• /
• pp.531-539
• /
• 2009

로지스틱회귀분석은 고객관계관리를 위한 데이터마이닝 분야에서 많이 사용되는 기법인데, 이 분야의 모형설정 과정에서는 연관성이 매우 높은 설명변수들이 모형에 함께 포함되어 다중공선성의 문제를 유발하며, 더욱이 회귀자료에 이상점들이 포함되면 최우추정량은 심각한 결함을 갖게 된다. 두 가지 문제점을 동시에 해결하기 위하여 로버스트주성분로지스틱회귀를 적용할 수 있는데, 본 논문에서는 주성분의 선정기준을 결정하는 모형을 개발하고, 주성분모형에서의 추정치에 미치는 이상점의 영향을 축소하기 위한 로버스트추정법을 제안하였다. 제안된 추정법은 다중공선성과 이상점이 유발하는 문제들을 적절히 해결해 준다는 사실이 모의실험을 통하여 확인되었다.

• Journal of the Korean Data and Information Science Society
• /
• 제9권2호
• /
• pp.345-355
• /
• 1998

다층전방향 신경망을 학습시키기 위해 역전파 알고리즘이 널리 사용되고 있으나 이 알고리즘은 긴 훈련시간, 극소점 문제, 이상치에 민감하다는 단점을 가지고 있다. 한편 실제문제에서는 많은 경우에 자료에 과대오차와 이상치가 포함되게 된다. 따라서 과대 오차에 민감하지 않고, 이상치의 영향을 최소화시키는 로버스트 역전파 알고리즘의 필요성이 대두되었다. 본 논문에서는 기존의 두종류의 로버스트 역전파 알고리즘을 이론적으로 비교하고 비선형 회귀 함수추정과 문자인식과 같은 패턴인식 문제에 적용하여 실험결과를 분석한다. 그리고 향후 연구과제로 신경망 학습을 위해 베이지안 기법의 사용을 제안한다.

• 응용통계연구
• /
• 제32권6호
• /
• pp.889-898
• /
• 2019

항목 무응답(item missing)이 발생한 설문조사에서 결측이 포함된 변수에 이상치(outlier)의 존재와 다른 설문문항 항목과의 논리적 한계(boundary) 조건들이 유의미하다면 결측치 대체문제는 매우 복잡해진다. 한계가 있는 결측값들을 포함한 변수에 이상치가 존재하는 경우, 기존의 회귀분석에 근거한 결측치 대체방법은 편향된 대체값 그리고 한계를 만족하지 않은 대체값을 제시할 가능성이 있다. 이에 본 논문은 회귀모형에 기반을 두고 결측치들을 대체를 함에 있어 이상치와 논리적 한계조건이 자료에 존재하는 경우, 다양한 로버스트 회귀모형과 다중대체 방법의 조합을 통해 해결점을 모색하고자 한다. 이를 위해 이들 방법들의 최적의 조합을 다양한 시나리오별로 모의실험을 통하여 찾아보고 이에 대하여 논의하였다.

• 응용통계연구
• /
• 제1권2호
• /
• pp.10-26
• /
• 1987

미래의 한 관측값이 여러 방법으로 예측되었을 때, 이들 예측값들을 적절한 방법으로 결합 시키면 더 좋은 예측값을 얻을수 있게 된다. 본 논문에서는 결합예측을 위한 기존의 방법들을 간략히 소개하고, 결합 가중치의 추정을 위한 몇가지 대안적 절차를 제시한 후, 국내의 여러 자료들을 이용한 실증적 분석을 통하여 결합방법들에 대한 예측력을 비교 $\cdot$ 검토하게 된다. 실증적 분석 결과에 의하면, 제한 회귀가중치, 제한 로버스트 회귀가중치 및 혼합 회귀 가중치에 의한 결합방법들이 로버스트했다. 그러나 모든 경우에서 항상 가장 우수한 결합 방법은 발견될 수 없으므로 사전적으로 개별예측들의 특성을 분석하여, 대응되는 결합방법을 선책한다면 보다 유용한 예측결과를 얻을수 있게 된다.

• 응용통계연구
• /
• 제28권5호
• /
• pp.991-1001
• /
• 2015

영상은 렌즈를 통하여 형성된 이미지로 많은 응용 분야에서 사용된다. 디지털 기기로 획득한 디지털 영상은 수치화된 자료로 통계분석이 가능하며, 신속하고 효율적인 작업이 가능하게 한다. 영상처리 분야에서는 화질의 개선을 위해서 잡음을 제거하는 방법들이 연구되고 있다. 본 논문은 영상 잡음을 효과적으로 제거하는 방법으로 통계적 방법들을 사용하여, 에지의 방향과 크기를 적용한 새로운 잡음 제거 방법을 제안한다. 이 방법은 동일한 방향에 위치한 화소들에 대하여 로버스트 회귀모형을 적용하고 해당 화소의 밝기 값을 추정한다. 추정된 화소의 밝기 값은 에지의 크기가 가중값으로 사용되어 평균필터의 성능을 개선한다. 모의실험의 결과, 제안한 방법은 특징을 포함하는 화소를 잘 유지하며, 잡음 제거 성능도 기존의 방법보다 개선되는 것을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제8권2호
• /
• pp.163-171
• /
• 1997

공학 분야에서 신경망에 대한 관심은 신호처리, 로보틱스, 컨트롤, 문자인식, 패턴인식 그리고 컴퓨터 그래픽 분야등에서 연구되고 있으며, 이들은 함수근사응용과 밀접한 관련이있다. 통계학 분야에서는 패턴인식의 판별분석, 주성분분석, 회귀분석 그리고 군집분석을 위한 신경망등에 대한 연구가 활발히 이루어지고 있다. 문자인식을 위한 다층 신경망을 학습시키기 위해 역전파 알고리즘이 널리 사용되고 있으나 이 알고리즘은 긴 훈련기간, 극소점 문제, 이상치(outlier)에 민감하다는 단점을 지니고 있다. 이상치에 민감한 일반적인 역전파 알고리즘의 단점을 극복하기 위해 이상치에 민감하지 않은 로버스트 알고리즘의 필요성이 대두되었다. 본 논문에서는 통계물리에서 자주 사용하는 방법을 이용하여 제안한 로버스트 역전파 알고리즘을 문자인식에 적용하여 일반적인 역전파 알고리즘의 문자인식 성능과 비교하였다.