• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.628-630
• /
• 2005

베이지안 네트워크는 확률이론에 기초해 불확실성이 존재하는 실세계 문제를 해결하는데 많은 기여를 하고 있다. 최근 네트워크 구조를 데이터로부터 자동으로 학습하는 많은 연구가 이루어져 보다 손쉽게 많은 사람들이 사용할 수 있게 되었다. 하지만 한번 학습하여 고정된 네트워크의 구조는 새롭게 수집되는 데이터의 특성을 잘 반영하지 못하는 문제를 지니고 있다. 환경의 변화에 맞게 지속적으로 네트워크 구조를 갱신하기 위한 연구가 진행되고 있으며 본 연구에서는 Lam이 제안한 MDL기반 평가함수를 이용한 진화적 갱신 방법을 제안하여 갱신 성능을 향상시키고자 한다. 벤치마크 네트워크인 ASIA에 대한 실험 결과 제안한 방법이 기존의 지역적 탐색 방법에 비해 향상된 성능을 제공함을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제14권11호
• /
• pp.159-167
• /
• 2009

경제가 성장함에 따라 자동차는 현대인의 생활에 많은 영향을 끼치고 있다. 차량항법장치는 운전자에게 목적지까지의 경로를 안내해 주기 때문에 많은 편의를 제공하고 있다. 그러나 개인의 차량 소유가 대중화됨에 따라 교통혼잡이 발생하지만 차량항법장치는 환경을 고려하지 않는 일방적인 경로를 계획한다. 기존의 차량항법장치는 시간대와 상관없이 출발지와 목적지만 같으면 항상 동일한 경로와 소요시간을 제공하는 한계를 가지고 있다. 본 논문에서는 누적된 과거의 주행정보를 퍼지이론과 베이지안 갱신에 적용하여 교통상황을 예측하고 경로 계획에 반영하는 방법을 제안한다. 퍼지 이론을 통해 과거 주행정보의 출발 시간대와 속도율로 분류하고 베이지안 갱신을 사용하여 각 시간대에서 벌어질 교통상황을 확률로 계산한다. 전자지도에서 출발지와 목적지를 포함한 타원관심영역을 설정하고 Dijkstra와 $A^*$ 알고리즘을 융합하여 교통상황을 고려한 최적의 경로를 계획한다. 제안한 알고리즘의 성능과 정확성은 계획된 경로를 실제 주행함으로써 예측된 소요시간과 실제 주행시간을 비교하여 검증하였다.

• 논리연구
• /
• 제14권3호
• /
• pp.27-59
• /
• 2011

본 논문은 대표적인 믿음의 정도 갱신 규칙인 조건화를 다룬다. 지금껏 조건화는 다양한 형태로 제시되었다. 그 중 가장 단순한 것이 베이지안 조건화다. 하지만 베이지안 조건화는 그 적용 범위가 넓지 않기 때문에, 여러 방식으로 일반화되었다. 본 논문은 그 중에서 제프리 조건화와 이차 조건화라고 불리는 것을 고차 믿음의 정도와 관련해 비교 평가한다. 우선 2절에서 제프리 조건화와 이차 조건화가 명시적으로 제시된다. 3절과 4절에서 고차 믿음의 정도의 갱신과 관련해 제프리 조건화와 이차 조건화 중요한 차이점 두 가지가 언급된다. 나는 3절에서 제프리 조건화는 반영 원리와 충돌하지만, 이차 조건화는 그렇지 않다는 것을 보일 것이다. 그리고 4절에서 제프리 조건화는 무어의 부조리를 야기할 수 있지만, 이차 조건화는 그렇지 않다는 것을 증명한다. 결과적으로 나는 고차 믿음의 정도와 관련해 이차 조건화가 제프리 조건화보다 더 훌륭한 규칙이라고 주장할 것이다.

• Journal of the Korean Data and Information Science Society
• /
• 제12권2호
• /
• pp.11-25
• /
• 2001

자료들 사이에 존재하는 관계, 패턴, 규칙등을 찾아내서 모형화 하는 통계적인 분류기법은 여러가지가 있다. 그러나 우리가 얻게 되는 지식은 어떤 일련의 분류규칙에 의해서가 아닌 관찰과 학습을 통한 훈련으로부터 얻게 된다. 본 베이지안 학습은 모든 형태의 불확실성을 표현하는 확률로써 우리의 믿음의 정도를 표현하는 것으로 해석될 수 있으며, 확실한 결과가 알려짐에 따라 확률이론 법칙을 사용하여 이러한 확률들을 갱신한다. 또한 신경망 모형은 이미 알고 있는 속성들에 근거하여 아직 알지 못하는 집단이나 특질들을 예측하게 해준다. 본 논문에서는 이러한 두 가지 방법을 결합한 베이지안 신경망과 기존의 CHAID, CART, QUBST 분류 알고리즘에 있어서 각각 오분류율을 비교연구하였다.

• 한국콘텐츠학회논문지
• /
• 제20권6호
• /
• pp.1-8
• /
• 2020

빅데이터 분석에서 텍스트 데이터의 활용이 증가하고 있다. 따라서 텍스트 데이터의 분석 기법에 관한 많은 연구가 이루어지고 있다. 본 논문에서는 텍스트 데이터로부터 추출된 키워드 데이터의 분석을 위하여 공액사전분포 기반의 베이지안 학습 방법이 연구된다. 베이지안 통계학은 기존의 데이터에 새로운 데이터가 추가될 때마다 모수를 갱신하는 데이터 학습을 제공하기 때문에 시간에 따라 대용량의 데이터가 생성 및 추가되는 빅데이터 환경에서 효율적인 방법을 제공한다. 제안 방법의 성능과 적용 가능성을 보이기 위하여 실제 특허 빅데이터를 전처리하여 구축된 정형화된 키워드 데이터를 분석하는 사례연구를 수행한다.

• Journal of the Korean Data and Information Science Society
• /
• 제12권1호
• /
• pp.61-69
• /
• 2001

본 논문은 논리문장으로 표현된 지식을 처리하는 정리증명 과정에서 증명이 완료되기 전에 잠정적 결론을 유도하는 확률추론 기법을 제시한다. 정리증명 과정 중에 베이지안 해석을 이용하여 지식을 갱신하는 방법을 제시하고, 의사결정 방법을 사용하여 시간에 민감한 사안에 대해 신속하게 대처할 것인지 아니면 고의로 미룰 것인지를 결정하는 방법을 밝힌다.

• 한국지반공학회논문집
• /
• 제26권7호
• /
• pp.161-170
• /
• 2010

기초구조물의 저항계수 산정 및 하중저항계수설계법의 개발을 위해서는 충분한 양의 데이터베이스 구축을 바탕으로 정확한 신뢰성 분석이 수행되어야 한다. 기존 국내외 말뚝기초의 신뢰성 분석 연구에서는 말뚝의 측정지지력 확인이 가능한 재하시험 자료만을 이용하여 저항편향계수의 분포특성을 산정하였다. 따라서, 파괴에 이르지 않은 말뚝재하시험 자료는 신뢰성 분석에서 제외되었다. 본 연구에서는 베이지안 이론을 이용하여 타입강관말뚝 저항편향계수의 사전 분포특성에 측정지지력을 확인할 수 없는 재하시험 결과를 추가하여 현장 특성을 반영한 저항편향계수의 사후분포특성을 산정하였다. 그리고 저항편향계수의 사후분포특성을 이용하여 말뚝의 신뢰성 평가를 수행하고 신뢰도수준을 갱신하였다. 국내 전역에서 수행된 양질의 정재하시험 자료를 수집, 분석하여 57개의 자료에 대한 측정지지력을 확인하였고, 이들 자료에 대해서 구조물기초설계기준에서 제안하고 있는 Meyerhof 공식을 이용하여 설계지지력을 산정하였다. 이를 통해 저항편향계수의 사전분포 특성을 정량화 하였으며, 베이지안 기법을 적용하여 다양한 현장재하시험 결과에 따라 저항편향계수의 사후분포를 산정하였다. 갱신된 저항편향계수 통계특성을 적용하여 일차신뢰도법을 이용하여 강도 높은 신뢰성 해석을 수행하고 시험결과에 따른 신뢰도 수준을 평가하였다. 본 연구에서 제시된 방법을 통해 양질의 측정지지력 데이터가 부족한 경우 베이지안 기법을 이용하여 신뢰성 분석이 가능함을 확인하였다.

• 정보처리학회논문지B
• /
• 제8B권3호
• /
• pp.231-236
• /
• 2001

일반적인 다층 신경망에서 가중치의 갱신 알고리즘으로 사용하는 오류 역전과 방식은 가중치 갱신 결과를 고정된(fixed) 한 개의 값으로 결정한다. 이는 여러 갱신의 가능성을 오직 한 개의 값으로 고정하기 때문에 다양한 가능성들을 모두 수용하지 못하는 면이 있다. 하지만 모든 가능성을 확률적 분포로 표현하는 갱신 알고리즘을 도입하면 이런 문제는 해결된다. 이러한 알고리즘을 사용한 베이지안 신경망 모형(Bayesian Neural Networks Models)은 주어진 입력값(Input)에 대해 블랙 박스(Black-Box)와같은 신경망 구조의 각 층(Layer)을 거친 출력값(Out put)을 계산한다. 이 때 주어진 입력 데이터에 대한 결과의 예측값은 사후분포(posterior distribution)의 기댓값(mean)에 의해 계산할 수 있다. 주어진 사전분포(prior distribution)와 학습데이터에 의한 우도함수(likelihood functions)에 의해 계산한 사후확률의 함수는 매우 복잡한 구조를 가짐으로 기댓값의 적분계산에 대한 어려움이 발생한다. 따라서 수치해석적인 방법보다는 확률적 추정에 의한 근사 방법인 몬테 칼로 시뮬레이션을 이용할 수 있다. 이러한 방법으로서 Hybrid Monte Carlo 알고리즘은 좋은 결과를 제공하여준다(Neal 1996). 본 논문에서는 Hybrid Monte Carlo 알고리즘을 적용한 신경망이 기존의 CHAID, CART 그리고 QUEST와 같은 여러 가지 분류 알고리즘에 비해서 우수한 결과를 제공하는 것을 나타내고 있다.

• 한국전산구조공학회논문집
• /
• 제25권4호
• /
• pp.355-362
• /
• 2012

건전성 예측은 구조물의 고장이 발생될 때까지 남은 시간인 잔존유효수명을 예측하는 것으로, 이는 안전 및 정비 계획과 직접적으로 연관되기 때문에 매우 중요하다. 건전성 예측방법에는 물리모델 기반방법, 데이터 기반방법과 두 방법의 장점을 통합하는 방법이 있으며, 본 연구에서는 잔존수명 예측의 정확도가 모델변수 추정과 직접적으로 관련되는 물리모델 기반 건전성 예측에 초점을 맞춘다. 물리모델기반 건전성 예측에서는 모델변수 추정을 통해 시스템 상태의 장기 예측이 가능하지만, 대부분의 실제 구조물들의 상태모델은 여러 개의 모델변수를 포함함은 물론이고, 그 변수들이 서로 상관되어 있기 때문에 모델변수를 추정하는 일은 간단한 문제가 아니다. 본 연구에서는 물리모델 기반 건전성 예측을 위한 세 가지 변수 추정방법들의 차이를 논한다. 이 세 가지 방법들은 파티클 필터, 전반적인 베이지안 접근법, 그리고 순차적인 베이지안 접근법으로 모두 베이지안 추론이라는 하나의 이론적 바탕에 기반하지만, 샘플링 방법이나 갱신 절차 등에서 차이가 있다. 균열성장을 표현하는 Paris 모델의 변수 추정을 통해 세 가지 방법의 차이점이 논해지고, 건전성 예측 메트릭을 이용하여 정량적 차이를 표현한다. 파티클 필터방법이 건전성 예측 메트릭 측면에서 가장 높은 성능을 나타내었지만, 전반적인 베이지안 방법은 파티클 필터방법과 근소한 차이를 보이면서도 데이터가 집단으로 존재할 때에는 가장 효율적인 방법으로 나타났다.

• 한국지능시스템학회논문지
• /
• 제12권5호
• /
• pp.385-392
• /
• 2002

기존의 동적 추천 시스템에서 사용하는 개인화 기법은 주로 혈업 필터링 방식으로서 다른 사용자들에 대한 평가 정보를 이용하여 동적 링크를 제공하기 때문에 사용자가 고려하지 못한 아이템들을 추천한다는 장점을 갖고 있다. 그러나 협업필터링 과정은 현재 사용자와 가장 유사한 패턴을 보이는 사용자를 선택하기 위해 전체 사용자와의 유사도를 재 계산해야 한다는 계산의 복잡성과 사용자 프로화일의 정보가 현 사용자의 키워드 입력 시점에서 동적으로 갱신되지 않기 때문에 오류정보가 포함될 수 있다는 문제점이 있다. 보 논문에서는 유사한 선호도를 보이는 사용자를 대상으로 군집분석을 수행함으로서, 이웃 사용자를 선택하는 과정을 단순화할 수 있고 또한 베이지안 학습을 이용하여 사용자의 선호도를 동적으로 갱신할 수 있는 알고리즘을 설계하고 구현하였다. 사용자의 키워드가 입력되는 순간 사전 데이터와 사후 데이터가 선호도 확률에 동적으로 반영됨으로써 오류정보를 최소화한다. 이렇게 설계된 시스템은 실험을 통해 웹 도서 추천시스템에 적용되어 사용자의 만족도를 증가시킬 수 있음을 보인다.