• The KIPS Transactions:PartB
• /
• v.15B no.2
• /
• pp.137-146
• /
• 2008

Fault localization plays a significant role in enormous distributed system because it can identify root cause of observed faults automatically, supporting self-managing which remains an open topic in managing and controlling complex distributed systems to improve system reliability. Although many Artificial Intelligent techniques have been introduced in support of fault localization in recent research especially in increasing complex ubiquitous environment, the provided functions such as diagnosis and prediction are limited. In this paper, we propose fault localization for self-managing in performance evaluation in order to improve system reliability via learning and analyzing real-time streams of system performance events. We use probabilistic reasoning functions based on the basic Bayes' rule to provide effective mechanism for managing and evaluating system performance parameters automatically, and hence the system reliability is improved. Moreover, due to large number of considered factors in diverse and complex fault reasoning domains, we develop an efficient method which extracts relevant parameters having high relationships with observing problems and ranks them orderly. The selected node ordering lists will be used in network modeling, and hence improving learning efficiency. Using the approach enables us to diagnose the most probable causal factor with responsibility for the underlying performance problems and predict system situation to avoid potential abnormities via posting treatments or pretreatments respectively. The experimental application of system performance analysis by using the proposed approach and various estimations on efficiency and accuracy show that the availability of the proposed approach in performance evaluation domain is optimistic.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06c
• /
• pp.248-251
• /
• 2007

기존의 멀티 카메라 시스템은 넓은 영역을 커버하거나 이동 중인 물체를 트래킹 하기 위한 목적으로 주로 사용되어 왔다. 하지만 이러한 시스템은 하나의 카메라가 커버하는 영상이 가려지면 정보를 잃게 되는 단점이 있다. 멀티 카메라 시스템은 하나의 영역을 여러 카메라가 커버하도록 하여 이런 단점을 극복할 수 있다. 또한 다양한 시점의 카메라에서 수집되는 영상의 경우, 영상에 따라 담고 있는 정보가 다르므로 여러 카메라의 입력 정보를 함께 활용하여 보다 많은 정보를 얻을 수도 있다. 본 논문은 이런 장점을 활용하여 멀티 카메라 환경에서의 이벤트 인식 문제를 다룬다. 이를 위해 사무실 환경에 8대의 카메라를 설치하였으며, 시나리오에 따라 영상을 수집하였다. 수집된 영상은 전문가에 의해 어노테이션 된 후 인식 모델의 학습에 사용되며, 학습된 베이지안 네트워크 모델의 구조와 파라미터를 도메인 지식에 기반해서 수정하여 최종 이벤트 인식 모델을 설계하였다. 실험 결과 제안하는 이벤트 인식 모델의 인식률은 평균 87.0%로 Naive Bayes보다 우수한 성능을 보임을 확인하였다.

• Geophysics and Geophysical Exploration
• /
• v.23 no.3
• /
• pp.157-167
• /
• 2020

With the recent advancement of computer hardware and the contribution of open source libraries to facilitate access to artificial intelligence technology, the use of machine learning (ML) and deep learning (DL) technologies in various fields of exploration geophysics has increased. In addition, ML researchers have developed complex algorithms to improve the inference accuracy of various tasks such as image, video, voice, and natural language processing, and now they are expanding their interests into the field of automatic machine learning (AutoML). AutoML can be divided into three areas: feature engineering, architecture search, and hyperparameter search. Among them, this paper focuses on hyperparamter search with Bayesian optimization, and applies it to the problem of facies classification using seismic data and well logs. The effectiveness of the Bayesian optimization technique has been demonstrated using Vincent field data by comparing with the results of the random search technique.

• Proceedings of the Korean Statistical Society Conference
• /
• 2000.11a
• /
• pp.135-140
• /
• 2000

베이지안 신경망 모형(Bayesian Neural Networks Models)에서 주어진 입력값(input)은 블랙 박스(Black-Box)와 같은 신경망 구조의 각 층(layer)을 거쳐서 출력값(output)으로 계산된다. 새로운 입력 데이터에 대한 예측값은 사후분포(posterior distribution)의 기대값(mean)에 의해 계산된다. 주어진 사전분포(prior distribution)와 학습데이터에 의한 가능도함수(likelihood functions)를 통해 계산되어진 사후분포는 매우 복잡한 구조를 갖게 됨으로서 기대값의 적분계산에 대한 어려움이 발생한다. 이때 확률적 추정에 의한 근사 방법인 몬테칼로 적분을 이용한다. 이러한 방법으로서 Hybrid Monte Carlo 알고리즘은 우수한 결과를 제공하여준다(Neal 1996). 본 논문에서는 Hybrid Monte Carlo 알고리즘과 기존에 많이 사용되고 있는 Gibbs sampling, Metropolis algorithm, 그리고 Slice Sampling등의 몬테칼로 방법들을 비교한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.139-142
• /
• 2008

현대 산업의 발전에 따른 사회고령화, 장애인구 증가는 장애인을 위해 특화된 서비스를 제공할 유비쿼터스 컴퓨팅 기술의 개발이 필요함을 나타낸다. 이를 위해 사용자와 유비쿼터스 환경 간의 상호작용이 지원되는 상황인식 서비스 기술 개발이 필요하다. 상황인식 서비스 기술은 미들웨어와 응용서비스 개발로 분류 가능하며, 본 논문은 응용서비스 개발의 차원에서 장애인을 위한 서비스 Activity를 결정하고, 이것을 기반으로 온톨로지가 적용된 상황정보의 모델링을 구현한다. 상황정보 모델을 상황인식을 위한 베이지안 네트워크의 구조학습에 적용하여, 확률 기반 상황 추론이 가능한 상황인식 시스템을 개발한다.

• The Journal of the Acoustical Society of Korea
• /
• v.42 no.4
• /
• pp.329-344
• /
• 2023

In this study, we comprehensively analyze the generalization performance of various deep learning-based active sonar target classifiers when applied to small and imbalanced active sonar datasets. To generate the active sonar datasets, we use data from two different oceanic experiments conducted at different times and ocean. Each sample in the active sonar datasets is a time-frequency domain image, which is extracted from audio signal of contact after the detection process. For the comprehensive analysis, we utilize 22 Convolutional Neural Networks (CNN) models. Two datasets are used as train/validation datasets and test datasets, alternatively. To calculate the variance in the output of the target classifiers, the train/validation/test datasets are repeated 10 times. Hyperparameters for training are optimized using Bayesian optimization. The results demonstrate that shallow CNN models show superior robustness and generalization performance compared to most of deep CNN models. The results from this paper can serve as a valuable reference for future research directions in deep learning-based active sonar target classification.

• The KIPS Transactions:PartB
• /
• v.8B no.3
• /
• 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.

• Journal of The Korean Association of Information Education
• /
• v.5 no.2
• /
• pp.279-287
• /
• 2001

In this paper, we have defined and designed the structure of standardized XML content for supplying efficient e-Learning contents. We have also implemented the prototype of XML contents generator to create the educational contents easily. In addition, we have suggested the contents searching method using Case Base Reasoning and Bayesian belief network to supply XML contents suitable to learners request. The existing e-Learning system based on HTML could not customize and standardize, but XML contents can be reused and made an intelligent learning by supplying an adaptive content according to learners level. For evaluating the efficiency of designed XML content, we make the standard XML content for learning JAVA program in e-Learning system as well as discussing about the integrity and expanding the educational content. Finally, we have shown the architecture and effectiveness of the knowledge-based XML contents retrieval manager.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10a
• /
• pp.53-58
• /
• 2006

MicroRNA (miRNA)는 약 22 nt의 작은 RNA 조각으로 이루어져 있으며 stem-loop 구조의 precursor 형태에서 최종적으로 만들어 진다. miRNA는 mRNA의 3‘UTR에 상보적으로 결합하여 유전자의 발현을 억제하거나 mRNA의 분해를 촉진한다. miRNA를 동정하기 위한 실험적인 방법은 조직 특이적인 발현, 적은 발현양 때문에 방법상 한계를 가지고 있다. 이러한 한계는 컴퓨터를 이용한 방법으로 어느 정도 해결될 수 있다. 하지만 miRNA의 서열상의 낮은 보존성은 homology를 기반으로 한 예측을 어렵게 한다. 또한 기계학습 방법인 support vector machine (SVM) 이나 naive bayes가 적용되었지만, 생물학적인 의미를 해석할 수 있는 generative model을 제시해 주지 못했다. 본 연구에서는 우수한 miRNA 예측을 보일 뿐만 아니라 학습된 모델로부터 생물학적인 지식을 얻을 수 있는 Bayesian network을 적용한다. 이를 위해서는 생물학적으로 의미 있는 특질들의 선택이 중요하다. 여기서는 position weighted matrix (PWM)과 Markov chain probability (MCP), Loop 크기, Bulge 수, spectrum, free energy profile 등을 특질로서 선택한 후 Information gain의 특질 선택법을 통해 예측에 기여도가 높은 특질 25개 와 27개를 최종적으로 선택하였다. 이로부터 Bayesian network을 학습한 후 miRNA의 예측 성능을 10 fold cross-validation으로 확인하였다. 그 결과 pre-/mature miRNA 각 각에 대한 예측 accuracy가 99.99% 100.00%를 보여, SVM이나 naive bayes 방법보다 높은 결과를 보였으며, 학습된 Bayesian network으로부터 이전 연구 결과와 일치하는 pre-miRNA 상의 의존관계를 분석할 수 있었다.

• Journal of the Korea Institute of Construction Safety
• /
• v.6 no.1
• /
• pp.1-6
• /
• 2024

Existing safety education delivered to construction workers has limitations in concentration and immersion, so delivery power and interest are low. In order to improve the unstable behavior of construction workers and prevent safety accidents through education, a paradigm shift to hands-on education is necessary. Experiential safety education aims to contribute to the prevention of safety accidents and induce safe behavior by construction workers to recognize risks faster, select safe working methods suitable for the working environment, and improve emergency response and proactive response. Experiential education facilities have a follow-up learning effect in case of danger. The experience facility, which consists of the same working environment as the actual construction site, is designed to experience falls, equipment contraction, fire, and electric shock. In order to achieve the results of safety education that has invested a lot of time, construction workers must have motivation to participate, and "experiential safety education" through playful, deviant, and aesthetic experiences reduces serious accidents.