• Journal of the Korea Society of Computer and Information
• /
• v.14 no.11
• /
• pp.159-167
• /
• 2009

The vehicles play a significant role in modern people's life as economy grows. The development of car navigation system(CNS) provides various convenience because it shows the driver where they are and how to get to the destination from the point of source. However, the existing map-based CNS does not consider any environments such as traffic congestion. Given the same starting point and destination, the system always provides the same route and the required time. This paper proposes a path planning method with traffic prediction by applying historical driving information to the Fuzzy theory and Bayesian update. Fuzzy theory classifies the historical driving information into groups of leaving time and speed rate, and the traffic condition of each time zone is calculated by Bayesian update. An ellipse area including starting and destination points is restricted in order to reduce the calculation time. The accuracy and practicality of the proposed scheme are verified by several experiments and comparisons with real navigation.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.01a
• /
• 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.

• Information and Communications Magazine
• /
• v.31 no.11
• /
• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• 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.

• Journal of Korean Society of Transportation
• /
• v.22 no.7 s.78
• /
• pp.79-90
• /
• 2004

In this study, we applied the Bayesian Networks for the case of the trip generation models using the Seoul metropolitan area's house trip survey Data. The household income was used for the independent variable for the explanation of household size and the number of cars in a household, and the relationships between the trip generation and the households' social characteristics were identified by the Bayesian Networks. Furthermore, trip generation's characteristics such as the household income, household size and the number of cars in a household were also used for explanatory variables and the trip generation model was developed. It was found that the Bayesian Networks were useful tool to overcome the problems which were in the traditional trip generation models. In particular the various transport policies could be evaluated in the very short time by the established relationships. It is expected that the Bayesian Networks will be utilized as the important tools for the analysis of trip patterns.

• KDI Journal of Economic Policy
• /
• v.31 no.1
• /
• pp.1-25
• /
• 2009

This paper attempts to estimate the natural rates of output and interest of Korea in a simple DSGE set-up with a few stylized New Keynesian features using Bayesian methods. The major findings of this paper are as follows. First, the estimates of output gaps are less volatile than the measures from conventional approaches, although they exhibit non-negligible variations depending on the model specification. Another key finding is that the hybrid type Phillips curve with a backward-looking component and/or habit formation in consumption may play an important role in characterizing the macroeconomic dynamics of Korea.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.36 no.3B
• /
• pp.248-253
• /
• 2011

Collision avoidance algorithm of vessels have been studied to avoid collision and grounding of a vessel due to human error. In this paper, We propose a collision avoidance algorithm using bayesian estimation theory for safety sailing and reduced risk of collision accident. We calculate collision risk for efficient collision avoidance using bayesian algorithm and determined the safest and most effective collision risk is predicted by using re-planned with re-evaluated collision risk in the future(t=t'). Others ship position is assumed to be informed from AIS. Experimental results show that we estimate the safest and most effective collision risk.

• Journal of the Korean Geophysical Society
• /
• v.3 no.3
• /
• pp.161-174
• /
• 2000

Bayesian inversion is a stable approach to infer the subsurface structure with the limited data from geophysical explorations. In geophysical inverse process, due to the finite and discrete characteristics of field data and modeling process, some uncertainties are inherent and therefore probabilistic approach to the geophysical inversion is required. Bayesian framework provides theoretical base for the confidency and uncertainty analysis for the inference. However, most of the Bayesian inversion require the integration process of high dimension, so massive calculations like a Monte Carlo integration is demanded to solve it. This method, though, seemed suitable to apply to the geophysical problems which have the characteristics of highly non-linearity, we are faced to meet the promptness and convenience in field process. In this study, by the Gaussian approximation for the observed data and a priori information, fast Bayesian inversion scheme is developed and applied to the model problem with electric well logging and dipole-dipole resistivity data. Each covariance matrices are induced by geostatistical method and optimization technique resulted in maximum a posteriori information. Especially a priori information is evaluated by the cross-validation technique. And the uncertainty analysis was performed to interpret the resistivity structure by simulation of a posteriori covariance matrix.

• Journal of Korean Society of Industrial and Systems Engineering
• /
• v.22 no.52
• /
• 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
• /
• v.12 no.2
• /
• pp.11-25
• /
• 2001

There are several algorithms for classification in modeling relations, patterns, and rules which exist in data. We learn to classify objects on the basis of instances presented to us, not by being given a set of classification rules. The Bayesian learning uses the probability distribution to express our knowledge about unknown parameters and update our knowledge by the law of probability as the evidence gathered from data. Also, the neural network models are designed for predicting an unknown category or quantity on the basis of known attributes by training. In this paper, we compare the misclassification error rates of Bayesian Neural Network method with those of other classification algorithms, CHAID, CART, and QUBST using several data sets.