• 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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2016년도 제53차 동계학술대회논문집 24권1호
• /
• pp.71-72
• /
• 2016

베이지안 알고리즘은 추론 분야에서 오랜 기간 사용되어 왔다. 하지만 기본적인 베이지안 네트워크 이론만으로는 다양한 도메인에 적합한 추론 기능을 제공할 수 없기 때문에, 도메인의 특성에 맞는 알고리즘이 적용된 다양한 추론 기법들이 연구되어왔다. 본 논문에서는 실시간 지능화 서비스를 위하여 특정 도메인 영역에 대하여 자동으로 적합한 베이지안 네트워크 알고리즘을 선별하는 기법을 제안한며, 해당 기법의 적합도를 평가하기 위해서 수학적인 모델링과 추론 알고리즘 선택 기법에 대해 서술한다.

• 정보와 통신
• /
• 제31권11호
• /
• pp.27-34
• /
• 2014

본 리뷰 논문에서는 많은 데이터 환경에서 얻어진 k-최근접 이웃들(k-nearest neighbors)의 이론적 성질로부터 어떻게 분류를 위한 알고리즘을 만들어낼 것인가에 대한 여러 가지 방법들을 설명한다. 많은 데이터 환경에서의 최근접 이웃 데이터의 정보는 다양한 기계학습 문제를 푸는데 아주 좋은 이론적인 성질을 가지고 있다. 하지만, 이런 이론적인 특성들이 데이터가 많지 않은 환경에서는 전혀 나타나지 않을 뿐 아니라 오히려 다른 다양한 알고리즘들에 비해 성능이 많이 뒤쳐지는 결과를 보여주고 있다. 본 리뷰 논문에서는 많은 데이터 환경 하에서 k-최근접 이웃들의 정보가 어떤 이론적인 특성을 가지는지 설명하고, 특별히 이런 특성들을 가지고 k-최근접 이웃을 이용한 분류 문제를 어떻게 베이지안 추론(Baysian inference) 문제로 수식화 할 수 있는지 보인다. 마지막으로 현재의 빅데이터 환경에서 실용적으로 사용할 수 있는 알고리즘들을 소개한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.87-87
• /
• 2017

최근 이상기후로 인해 국내 가뭄피해가 증가하고 있는 추세이며, 미래 가뭄의 심도 및 지속시간은 증가할 것으로 예측되고 있다. 특히 우리나라는 용수공급의 56.5%를 댐에 의존하여 댐 유역의 가뭄은 생 공 농업용수 공급제한 등의 광범위한 피해를 발생시킬 수 있다. 다만 가뭄은 홍수와 달리 진행속도가 비교적 느리기 때문에 사전에 정확한 댐 유입량 예측이 가능하다면, 용수공급량 조정을 통해 피해를 최소화할 수 있다. 국내에서는 댐 유입량 예측에 ESP (Ensemble Streamflow Prediction) 기법을 활용하고 있으며, ESP 기법은 과거 기상자료를 기반으로 미래를 예측하기 때문에 기상자료, 초기수문조건, 매개변수 등에 불확실성을 가지고 있다. 본 연구에서는 베이지안 이론을 이용하여 댐 예측유입량의 정확도 향상기법을 개발하고 예측성을 평가하고자 하며, 강우유출모델은 ABCD를 활용하였다. 대상유역은 국내의 대표 다목적댐인 충주댐 유역을 선정하였으며, 기상자료는 기상청, 국토교통부 및 한국수자원공사의 지점자료를 수집하였다. 예측성 평가기법으로는 도시적 분석방법인 시계열 분석, 통계적 분석방법인 Skill Score (SS)를 활용하였다. 시계열 분석 결과 ESP 댐 예측유입량(ESP)은 매년 월별 전망값의 큰 차이가 없었으며, 다우년 및 과우년의 예측성이 떨어지는 것으로 나타났다. 베이지안 기반의 댐 예측유입량(BAYES-ESP)는 ESP의 과소모의하는 경향을 보정하였으며, 다우년에 예측성이 향상되었다. 월별 평균 댐 관측유입량과 ESP, BAYES-ESP의 SS 비교분석 결과 ESP는 유입량 값이 적은 1, 2, 3월에 SS가 양의 값을 가졌으며, 이외의 월에는 음의 값으로 나타났다. BAYES-ESP는 ESP와 관측값이 비교적 선형관계를 나타내는 1, 2, 3월에 ESP의 예측성을 개선시키는 것으로 나타났다. ESP 기법은 강수량의 월별, 계절별 변동성이 큰 우리나라에 적용하기에는 예측성의 한계가 있었으며, 이를 개선한 BAYES-ESP 기법은 댐 유입량 예측 연구에 가치가 있는 것으로 판단된다.

• 대한교통학회지
• /
• 제22권7호
• /
• pp.79-90
• /
• 2004

베이지안 망(Bayesian Networks)은 인공 신경망, 유전자 알고리즘, 전문가시스템 퍼지이론 등과 더불어 데이터마이닝의 중요한 기법 중의 하나로서, 베이지안 통계 이론(Bayesian Statistics Theory)을 적용하여 변수들간의 확률적인 관계를 기호화함으로써, 설명변수들과 종속변수들간의 인과관계를 파악할 수 있다. 이 연구는 2002년도 수도권 가구통행실태조사 자료의 가구, 개인 및 통행 특성(가구수입, 승용차 보유대수, 주택규모, 통행목적 등)을 반영하여, 베이지안 망을 이용한 통행발생 모형을 처음으로 설계 구축하여, 각 변수들간의 상관관계와 인과관계를 분석함으로써, 설명변수인 가구수입의 구성비가 변하였을 때 승용차 보유대수와 주택규모 구성비의 변화율(확률)을 예측한다. 그리고 승용차 보유대수와 주택규모의 구성비가 변하였을 때 통행목적 구성비의 확률을 예측한다. 또한 동행목적의 발생량이 변화였을 때, 가구 특성 구성비의 변화에 따른 발생량을 예측한다. 따라서, 이 연구는 현실에는 존재하지만 설명변수들간의 복잡한 상관성을 배제하고 설명변수와 통행목적간의 단순한 직선관계를 가정하는 기존 통행발생 모형의 한계를 극복할 수 있는 가능성을 제시한다. 또한 선택되지 않은 통행목적에 대한 정보의 부족으로 인한 통행발생 모형 구축의 어려움을 극복한다. 또한 통행목적의 변화를 실시간으로 모의실험(Simulation) 할 수 있는 방법론을 개발하여 다양한 교통정책에 확대 적용할 수 있을 것이다.

• KDI Journal of Economic Policy
• /
• 제31권1호
• /
• pp.1-25
• /
• 2009

본 논문은 일반적인 뉴 케인지언 이론의 주요 특징을 바탕으로 하는 동태적 확률 일반 균형 모형을 설정하고 이를 바탕으로 하여, 베이지안 추정법을 통해 한국의 자연 산출량과 자연 이자율의 추정을 시도하였다. 본 논문의 주요 결과는 다음과 같다. 첫째, 이러한 이론 모형에 의해 추정된 산출량 갭은 기존의 일반적인 접근법에 의한 추정치보다 변동 폭이 훨씬 작은 것으로 나타났다. 둘째, 다양한 모형 설정을 통해 결과의 민감도를 살펴본 경우, 필립스 커브에서의 과거 지향적 요인 및 소비 행태에서의 습관 형성 등이 한국 거시경제의 동태적 양상을 설명하는 데 중요한 요인일 수 있는 것으로 나타났다.

• 한국통신학회논문지
• /
• 제36권3B호
• /
• pp.248-253
• /
• 2011

선박의 충돌회피 알고리즘은 인적 요인에 의한 해난사고를 방지하고, 보다 효과적이고 안전한 운항을 위해 개발되어 왔다. 본 논문에서는 충돌사고의 위험성을 줄이고, 안전운항을 지원하기 위하여, 베이지안 추정 이론을 이용하여 충돌 위험도를 추정하는 알고리즘을 고안한다. 기존의 선박 충돌 회피를 시스템보다 안전한 충돌 회피를 위해서 베이지안 추정 이론을 이용하여 충돌 위험도를 계산하고 일정 시간 이후에 타선들의 위치 및 속도정보와 자선의 위치 및 속도정보를 이용하여 충돌 위험도를 예측함으로써 보다 안전하고 효율적인 충돌 위험도를 결정한다. 본 논문에서 타선박의 항해정보는 AIS 정보를 가정하였고, 기존의 DCPA와 TCPA를 이용한 퍼지 추론 방법보다 효율적으로 충돌 위험도를 추정할 수 있다.

• 지구물리
• /
• 제3권3호
• /
• pp.161-174
• /
• 2000

베이지안 역산(Bayesian inversion)은 불충분한 자료를 가지고 지하구조를 추정해야 하는 지구물리자료의 해석에 있어서 안정적이고 신뢰를 줄 수 있는 방법 중의 하나이다. 관측 자료가 측정 과정부터 불확실성을 함유하고 있으며, 역산에 이용되는 이론 자료 또한 모델의 매개변수화에 따른 각종 불확실성을 포함하고 있다. 따라서 지구물리 자료의 역산은 확률적으로 접근하는 것이 가장 바람직하며 베이지안 역산은 이에 대한 처리뿐만 아니라, 추정에 대한 신뢰도와 불확실성에 대한 이론적 근거를 제공한다. 그러나 대부분의 베이지안 역산이 고차원의 적분을 필요로 하므로 몬테 카를로 방법과 같은 대규모의 계산이 요구되는 방법에 의해 사후 확률분포가 구해지는 경우가 많다. 이는 특히 지구물리 자료와 같이 고도의 비선형 자료에 대하여 매우 적합한 접근 방법이기는 하지만, 점차 현장화, 고속화되어가는 자료의 해석 경향에 맞추어 간략하게 사후 확률분포를 근사한 수 있는 기법의 연구 또한 필요하다. 따라서 이 연구에서는 관측자료와 사전 확률분포가 정규분포에 의해 근사 될 수 있는 지구물리자료에 대한 베이지안 역산에 대해 논의 하고자 한다. 사전 확률분포의 작성을 위해 지구통계학적 기법이 이용되었으며, 관측자료의 통계적 불화실성을 추정하기 위해 교차 검사(cross-validation) 방법을 이용하여 공분산(covariance)을 유도하고 그것에 의한 우도 함수(likelihood function)를 작성하였다. 베이지안 해석을 위해 두 확률분포를 곱하여 근사적인 사후 확률분포를 얻을 수 있었으며, 이에 대해 최적화(optimization) 기법을 이용하여 최대 사후 확률(Maximum a Posterior)을 따르는 지하 구조를 얻을 수 있었다. 또한 사후 확률 분포의 공분산 항을 이용하여 지하 비저항 구조를 시뮬레이션 하여 불확실성분석을 수행하였다.

• 산업경영시스템학회지
• /
• 제22권52호
• /
• pp.181-189
• /
• 1999

사건 가지 상의 파라메터 추정을 위한 베이지안 접근방식이 제시된다. 먼저 일반적인 사건 가지를 따라 발생하는 사고를 예측하기 위한 모형에 대해 설명한다. 이 경우 이론적으로 베이지안 기법을 적용하는 방법에 대해 논하고 실제로 문제를 풀 경우에 발생하는 다차원 수치적분 문제를 다룬다. 감마 분포와 베타분포가 이용될 경우 위 문제를 쉽게 해결할 수 있는 근사적 방법에 대해 연구한다. 또한 사건가지상의 여러 경로가 같은 수준의 사고로 분류 될 수 있는 경우에 대해서도 위와 같은 방법에 관한 연구를 한다. 결과적으로 한 사고율이 여러 개의 파라메터의 함수로 표현되어 다차원의 수치적분이 요구되는 경우 이를 쉽게 해결 할 수 있는 근사적인 방법이 제시되어 베이지안 기법의 적용이 용이해 질 수 있다.

• 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.