• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.419-422
• /
• 2010

사용자와 환경의 변화에 적응하기 위해서 베이지안 네트워크의 다양한 학습 방법들이 연구되고 있다. 기존의 많은 학습방법에서는 학습 데이터로부터 통계적 방법을 통해서 베이지안 네트워크 모델을 학습하는데, 이러한 접근 방법은 학습 데이터를 수집하기 어려운 문제에 적용하기 힘들며, 사용자의 의도를 데이터의 패턴들로만 학습하므로 직접적으로 사용자의 의도를 반영할 수 없다. 본 논문에서는 대화에 기반하여 사용자의 의도를 직접적으로 수집하고, 이로부터 베이지안 네트워크의 파라메터를 학습하는 방법을 연구한다. 제안하는 방법에서는 사용자와의 대화를 통해서 현재의 모델의 잘못된 점 혹은 개선점을 직접적으로 입력 받고, 이를 바탕으로 베이지안 네트워크 모델을 수정하여 데이터의 수집 없이 빠른 시간에 사용자가 원하는 모델을 학습 할 수 있다. 기존의 통계적 기법을 이용한 대표적인 베이지안 네트워크 파라메터 학습 방법인 최대우도 추정(Maximum Likelihood Estimation; MLE) 방법과 제안하는 방법을 비교하여 제안하는 방법의 유용성을 확인한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.634-636
• /
• 2005

지능형 로봇 기술이 발전하면서 영상에서 장면을 이해하는 연구가 많은 관심을 받고 있으며, 최근에는 불확실한 환경에서도 좋은 성능을 발휘할 수 있는 확률적 접근 방법이 많이 연구되고 있다. 본 논문에서는 확률적 모델링이 가능한 베이지안 네트워크(BN)를 이용해서 장면 인식 추론 모듈을 설계하고, 실제 환경에서 얻어진 증거 및 베이지안 추론 결과를 결합하여 분류 성능을 향상시키기 위한 방법을 제안한다. 영상 정보는 시간에 대해 연속성을 가지고 있기 때문에, 증거 정보와 베이지안 추론 결과들을 적절히 결합하면 더 좋은 결과를 예상할 수 있으며, 본 논문에서는 확신 요소(Certainty Factor: CF) 분석에 의한 결합 방법을 사용하였다. 성능 평가 실험을 위해서 SET (Scale Invariant Feature Transform) 기법을 이용하여 물체 인식 처리를 수행하고, 여기서 얻어진 데이터를 베이지안 추론의 증거로 사용하였으며, 전문가의 CF 값 정의에 의한 베이지안 네트워크 설계 방법을 이용하였다.

• Communications for Statistical Applications and Methods
• /
• v.1 no.1
• /
• pp.94-101
• /
• 1994

본 논문은 패널(panel) 자기회귀 모형에서 자기회귀 계수의 추정을 베이지안 방법으로 접근하였는데, 이 때 특별히 Gibbs Sampling 방법을 이용하여 사후분포를 계산하였다. 또한 모의 실험을 통하여 자기회귀계수를 Gibbs Sampling 방법으로 추정한 베이지안 추정치가 non-Bayesian 방법으로 구한 추정치보다 더 우월함을 보였다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2002.11a
• /
• pp.61-68
• /
• 2002

통계학은 불확실성(uncertainty)에 대한 연구이다. 베이지안 통계 방법은 불확실성 아래서 통계 추론과 의사 결정 모두를 위한 완전한(complete) 패러다임을 제공한다. 베이지안 방법론은 합리적인 초기 정보와 결합하는 것을 가능하게 만들고, 전통적인 통계적 방법론에 의하여 직면하는 많은 어려움들을 풀 수 있는 coherent 방법론을 제공하면서 엄격한 수학적 기본에 근거하고 있다. 베이지안 패러다임은 일반적인 용어로써 확률이란 단어의 사용을 가장 잘 어울리게 하는 불확실성의 조건부 측도(conditional measure of uncertainty)로써 확률의 해석에 근거한다. 관심있는 것에 대한 통계적 추론은 증거의 관점에서 그 값에 대한 불확실성의 변형으로써 묘사되며, 베이즈 정리(Bayes' theorem)는 이러한 변형이 어떻게 만들어지는 가를 자세히 설명할 수 있다. 베이지안 방법들은 전통적인 통계적 방법론에 접근할 없는 복잡하고, 다양한 구조적 문제들에 응용할 수 있다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2002.11a
• /
• pp.69-73
• /
• 2002

본 발표에서는 베이지안이 생각하는 확률의 개념을 상호교환성(exchangeability)의 가정아래 어떻게 확장되어 해석되는지를 소개하고, 빈도학자들의 접근방법과 비교함으로서 베이지안에서 생각하는 확률이 어떠한 특징을 가지고 있는지를 설명하고자 하였다. 또한 Efron에 의하여 지적된 베이지안의 네 가지 문제점에 대하여 논의하고 특별히 과학적 객관성(scientific objectivism)의 한계점과 이러한 한계점을 베이지안에서 어떻게 해결하고 있는지에 대하여 논의하였다. 일반적으로 과학적 객관성에 대한 한계점은 빈도학자들의 방법론에서도 존재하게 된다. 즉, 연구자가 가설을 설정하고 이에 맞는 실험설계를 하고 유의수준을 설정하고 p값을 이용하여 의사결정을 내리는 모든 단계에서 연구자의 주관성이 들어갈 수밖에 없게 된다는 것이다. 베이지안 방법론에서는 이러한 비객관적인 체계를 인정하고 파악하여 사전확률(prior)에 포함시킴으로서 이를 객관적인 자료인 가능도함수(likelihood function)와 혼합하여 추론이나 의사결정을 진행하게 된다. 마지막으로 베이지안 학자들의 최근 객관적인 사전확률에 대한 다양한 형태의 연구를 소개하는 것으로 발표를 마무리하고자 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.195-198
• /
• 2005

최근 실내 환경에서 영상 정보를 사용하여 로봇이 서비스를 제공하기 위한 연구가 활발하다. 과거 영상 처리 접근 방법은 산업 환경과 같은 예측 가능한 환경을 바탕으로 미리 정의된 기하학적 모델을 통해 상황을 인식하였기에, 이를 실내 환경과 같은 가변적인 환경에 적용할 시 성능이 저하된다. 이에 지식을 기반으로 불확실성을 해결하여 정확도를 향상 시킴으로써 영상 인식 성능을 높이기 위한 다양한 연구가 진행되어 왔다. 본 논문에서는 실내에서 활동하는 서비스 로봇의 물체인식 성능을 향상시키기 위해, 대상 물체가 다른 물체에 의해서 가려져 있는 경우 대상 물체의 존재 여부를 추론하기 위한 베이지안 네트워크 모델링 방법을 제안한다. 제안하는 방법은 작은 단위로 설계된 베이지안 네트워크들을 상황에 따라 결합하여 추론 모델이 구성되게 하였고 물체간의 관계를 효과적으로 표현하고 초기 확률 값을 단일하게 유지하기 위해 제안된 확률 값 설정 방법을 사용하였다. 실험은 물체 관계를 추론하는 모듈의 성능을 검증하기 위해 수행되었는데, 5가지 장소에서 82.8$\%$의 정확도를 보여주었다.

• The Korean Journal of Applied Statistics
• /
• v.27 no.6
• /
• pp.1029-1038
• /
• 2014

Bayesian experimental design is a useful concept in applied statistics for the design of efficient experiments especially if prior knowledge in the experiment is available. However, a theoretical or numerical approach is not simple to implement. We review the concept of a Bayesian experiment approach for linear and nonlinear statistical models. We investigate relationships between prior knowledge and optimal design to identify Bayesian experimental design process characteristics. A balanced design is important if we do not have prior knowledge; however, prior knowledge is important in design and expert opinions should reflect an efficient analysis. Care should be taken if we set a small sample size with a vague improper prior since both Bayesian design and non-Bayesian design provide incorrect solutions.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.620-623
• /
• 2010

구조요소의 설계에서 유한요소해석은 매우 효과적인 방법이며 정확한 해석 기술을 요구한다. 그러나 제조 공정이나 환경에 따라 달라지는 재료 물성이나 불확실성을 내포하는 피로 물성을 확정적인 값으로 이용하는 등 입력 변수의 부정확한 정보로 인해 유한요소해석 결과를 신뢰하지 못하는 경우가 자주 발생한다. 실제 시험을 통해 설계의 결과를 예측하는 것은 경제적인 측면과 시간소요 면에서 한계가 따르기에 신뢰할 수 있는 유한요소해석 방법이 요구된다. 본 연구에서는 고주기의 피로 해석을 위해 유한요소해석을 이용하여 스프링의 응력-수명(S-N) 파라미터를 역 추정하고 수명을 예측해 보았다. 이를 위해 실제 산업현장에서 쓰이는 자동차 서스펜션 코일 스프링을 예제로 사용하였다. 시험 모델에 대해 불확실성을 고려한 베이지안 접근법을 이용하여 입력변수의 파라미터를 역 추정하였으며, 마코프체인몬테카를로(Markov Chain Monte Carlo) 기법을 이용하여 얻어진 피로 물성 파라미터의 샘플 데이터를 이용해서 유한요소해석을 실시하고 신뢰수준 내에서 새로운 구조요소의 피로수명을 예측하였다.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.1
• /
• pp.9-18
• /
• 2016

In the Heckman-Meyers model, which is frequently referred by IAA, Swiss Solvency Test, EU Solvency II, the assumption of parameter distribution is key factor. While in theory Bayesian analysis somewhat reflects parameter uncertainty using prior distribution, it is often the case where both Heckman-Meyers and Bayesian are necessary to better manage the parameter uncertainty. Therefore, this paper proposes the use of Bayesian H-M CRM, a combination of Heckman-Meyers model and Bayesian, and analyzes its efficiency.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.345-348
• /
• 2011

구조요소의 설계에서 유한요소해석은 매우 효과적인 방법이다. 이 방법은 시험 수행에 드는 시간과 비용을 줄여준다. 그러나 공정 과정과 환경에 의하여 생기는 입력 물성치들의 변화 때문에 우리는 유한요소해석의 결과를 전적으로 믿어서는 안 된다. 따라서 유한요소해석의 신뢰성을 증명하는 것은 매우 중요하다. 본 연구에서는 현장에 축적된 피로 수명 시험 데이터를 바탕으로 유한요소해석을 이용하여 피로수명 파라미터를 역 추정 하는 연구를 수행하였다. 베이지안 접근법을 이용하여 불확실성 피로 수명 파라미터의 사후분포를 구하였고, 마코프체인몬테카를로(Markov Chain Monte Carlo) 기법을 이용하여 역 추정된 파라미터의 샘플 데이터를 생성하였다. 얻어진 샘플 데이터를 기반으로 새로운 형상의 스프링에 대한 피로 수명을 예측한다. 신뢰성 기반 형상 최적화(RBDO)는 서스펜션 코일 스프링의 요구수명을 만족시키기 위하여 수행된다. 또한 크리깅 근사 모델은 유한요소해석의 연산 량 감소를 위해 이용한다.