• 한국산업정보학회논문지
• /
• 제3권1호
• /
• pp.13-21
• /
• 1998

와이블분포의 척도모수와 형상모수를 베이지안 방법을 이용하여 추정한다. 깁스표본법을 사용하여 모수들에 대한 추정, 결합사후확률분포와 주변사후확률분포를 구한다. 9개의 열 전달기기자료와 10개의 인위적인 자료를 이용하여 제안된 방법을 적용하여 사례를 연구한다.

• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 1997년도 추계학술대회 발표논문집:21세기를 향한 정보통신 기술의 전망
• /
• pp.521-533
• /
• 1997

와이블분포에서 척도모수와 형상모수를 베이지안 방법을 이용하여 추정한다. 깁스표본법을 사용하여 모수들에 대한 추정, 결합사후확률분포 와 주변사후확률분포를 구한다. 9개의 열 전달기기자료와 10개의 인위적인 자료를 이용하여 제안된 방법을 적용하여 사례를 연구한다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2006년도 춘계학술대회
• /
• pp.195-202
• /
• 2006

본 연구에서는 보다 효과적인 기업부도예측을 위하여, 동계적 방법과 인공지능 방법을 결합한 통합모형을 제시하였다. 이를 위하여 통계적인 모형 중에서 가장 널리 활용되고 있는 다변량 판별분석, 로지스틱 회귀분석과 인공 지능적인 방법으로서 최근 널리 사용되고 있는 인공신경망, 규칙유도기법, 베이지안 망의 5가지 방법론을 통합한 Voting with Performance & Weights from ANN(WP-ANN) 통합모형을 제시하였다. 실험결과, 본 연구에서 제안한 WP-ANN 통합모형은 다변량 판별분석, 로지스탁 회귀분석, 인공신경망, 규칙유도기법, 베이지안 망 등의 단일모형과 비교한 결과 가장 예측정확성이 유수한 것으로 나타났다. 따라서 본 연구를 통해 기업부도예측에 있어서 WP-ANN 통합모형이 기존의 모형들에 비해 우수한 예측정확성을 나타냄을 알 수 있었다.

• 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.

• 한국지구과학회지
• /
• 제24권5호
• /
• pp.428-439
• /
• 2003

여러 지질재해 중에서 산사태로부터 피해를 최소화하기 위해서는 미래의 산사태에 대해 취약한 지역의 추정이 필요하다. 산사태 위험성의 정량적 분석을 목적으로, 본 논문에서는 확률론적 공간통합 방법인 베이지안 기법의 적용가능성에 대해서 논의하고자 한다. 우선 산사태 발생과 관련이 있는 여러 공간자료의 확률론적 표현을 위해 우도비 함수를 사용하였으며, 베이지안 결합 규칙을 이용하여 최종적으로 통합된 검증을 수행하였다. 이러한 방법의 적용가능성을 검토하기 위하여 1998년 여름 산사태 공간 분포의 분할을 통한 검증을 수행하였다. 이러한 방법의 적용가능성을 검토하기 위하여 1998년 여름 산사태로 피해를 입은 경기도 장흥지역을 대상으로 사례연구를 수행하였다. 사례연구 수행 결과, 우도비에 기반한 베이지안 공간 통합 기법은 효율적으로 다양한 공간 자료를 통합할 수 있었으며, 검증결과는 해석과 의사결정 보조자료로 이용될 수 있을 것으로 기대된다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.569-573
• /
• 2008

패턴인식 문제를 다루는 연구에서 인식 성능을 향상시키고자 베이스 에러율의 상한인 조건부 엔트로피를 응용하는 시도가 있었다. 본 논문에서는 다수의 인식기로 구성된 다수 인식기 시스템이 우수한 성능을 보이도록 인식기의 집합을 결정하는 문제에서 이러한 조건부 엔트로피의 최소화를 통하여 시도한 방법과 다른 방법들을 간단하고 분명한 예제를 통하여 비교, 분석해 보았다. 다수 인식기의 결합 방법으로 대표적인 투표 기법과 조건부 독립 가정의 베이지안 기법을 사용하였으며, 조건부 엔트로피의 최소화를 통하여 인식기의 집합을 결정하는 방법에 대한 유용성을 확인할 수 있었다.

• Communications for Statistical Applications and Methods
• /
• 제1권1호
• /
• pp.192-205
• /
• 1994

본 논문에서는 피험자의 능력과 검사문항에 정답할 확률과의 관계에 기초한 문항반응 이론의 기본 가정과 통계적 모형을 소개하였다. 또한 검사의 목적상 필요한 피험자의 능력을 정확히 추정하는 방법과, 검사에 사용되는 각 문항을 특성지우는 문항모수의 여러가지 통계적 추정 방법에 대하여 정리하였다. 그 방법들은 결합 최우추정법, 조건부 최우추정법, 주변 최우추정법, 베이지안 추정법 및 이들의 혼합에 의한 방법이다. 문항반응이론의 적용의 한 예로서 93년도 대입학력고사의 수학 시험문항을 BILOG 라는 컴퓨터 프로그램을 이용하여 분석하였다.

• 한국통신학회논문지
• /
• 제35권6B호
• /
• pp.888-894
• /
• 2010

무선 네트워크 기반 실내 측위는 측위를 위한 특수 장비를 필요로 하지 않고, Fingerprinting 방식은 무선 네트워크 기반 측위를 위한 기술 중에서 가장 정확도가 높기 때문에 무선 네트워크 fingerprinting 방식이 가장 적당한 실내 측위 방법이다. Fingerprinting 방식은 준비 단계와 실시간 측위 단계로 구성되고 정확한 위치 측정을 위해 보다 효율적이고 정확해야 한다. 본 논문에서는 Fingerprinting 방식에 대한 베이지안 알고리즘으로 강력한 통계적 학습 이론인 베이지안 학습을 결합한 퍼지 군집화를 이용하여 실내 측위를 결정하는 알고리즘을 제안하였다.

• 한국수자원학회논문집
• /
• 제54권10호
• /
• pp.747-757
• /
• 2021

극한 강우의 정량화는 홍수방어계획의 수립에 대단히 중요하며 극한 강우의 일반적인 척도는 T-년 재현기간으로 표현된다. 본 연구에서는 기후정보와 지리정보가 결합된 계층적 베이지안 모형을 이용하여 재현기간별 일 강우량의 공간 분포 및 불확실성을 추정하는 방법을 제시하고 이를 서울-인천-경기 지역에 적용하였다. 한국 기상청에서 운영 중인 서울-인천-경기 지역의 6개 종관기상관측소의 연 최대 일 강우량이 일반화된 극치 분포에 적합되었다. 지점 빈도해석과 지수 홍수법을 이용한 지역 빈도해석으로부터 도출된 재현기간별 일 강우량과의 비교를 통하여 제안된 방법의 적용성 및 신뢰도를 살펴보았다. 모든 지점과 모든 재현기간에서 지수홍수법에 의한 지역 빈도해석의 불확실성이 가장 큰 것으로 나타났으며, 계층적 베이지안 모형에 의한 지역 빈도해석의 신뢰도가 가장 높은 것을 확인하였다. 제안된 방법은 서울-인천-경기 지역 및 공간적인 크기가 유사한 다른 지역에서 다양한 지속기간에 대한 확률강우량 지도를 생성하는데 사용될 수 있을 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.46-48
• /
• 2003

본 논문에서는 실제환경에서와 같이 예측할 수 없는 상황에서 에이전트의 인지와 자동 행동 생성 방법을 제안한다. 전통적인 에이전트의 지능제어 방법은 환경에 대해 알고 있는 정보를 이용한다는 제약 때문에 다양하고 복잡한 환경에 적응할 수 없었다. 최근, 미리 알려지지 않은 환경에서 자동으로 행동을 생성할 수 있는 센서와 행동을 연결하는 행동 기반의 방법과 추론, 학습 및 계획 기능의 부여를 위한 하이브리드 방법이 연구되고 있다. 본 논문에서는 다양한 환경조건으로 움직이는 장애물을 인지하고 피할 수 있는 행동을 생성하기 위해 행동 네트워크에 Bayesian 네트워크를 결합한 방법을 제안한다. 행동 네트워크는 입력된 센서 정보와 미리 정의된 목적 정보를 가지고 다음에 수행할 가장 높은 우선순위의 행동을 선택한다. 그리고 Bayesian 네트워크는 센서 정보들로부터 상황을 미리 추론하고 이 확률 값을 행동 네트워크의 가중치로 주어 행동 선택을 조정하도록 한다. 로봇 시뮬레이터를 이용한 실험을 통해 제안한 행동 네트워크와 Bayesian 네트워크의 결합 방법으로 움직이는 장애물을 피하고 목적지를 찾아가는 것을 확인할 수 있었다.