• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.619-621
• /
• 2005

은닉 마코프 모델은 이산 동역학을 표현할 수 있는 확률 모형이다. 우도 함수 최적화를 수행하는 전통적인 Baum-Welch 학습 알고리즘은 국소해로 수령하기 쉬우며, 우도함수의 특성상 복잡한 모델을 선호하는 바이어스가 존재한다. 베이지안 프레임워크에서는 파라미터를 랜덤 변수로 보고 이에 대한 사후 확률 분포를 추정하여 이 문제를 해결할 수 있다. 본 논문에서는 베이지안 추정을 위한 결정론적 근사화 기법인 변분 베이지안 방법을 이용, 출력 노드에 가우시안 혼합 노드를 지니는 일반화된 HMM의 추론 방법을 유도한다. 인공 데이터에 대한 실험을 통해, 본 방법이 효과적인 HMM 학습을 수행할 수 있음을 보인다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.12a
• /
• pp.287-290
• /
• 2001

Bishop이 제안한 generative Topographic Mapping(GTM)은 Kohonen이 제안한 자율 학습 신경망인 Self Organizing Maps(SOM)의 확률적 버전이다. 본 논문에서는 이러한 GTM 모형에 베이지안 추론을 결합하여 작은 오분류율을 가지는 분류 알고리즘인 베이지안 GTM(Bayesian GTM)을 제안한다. 이 방법은 기존의 GTM의 빠른 계산 처리 능력과 베이지안 추론을 이용하여 기존의 분류 알고리즘보다 우수한 결과가 나타남을 실험을 통하여 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.322-324
• /
• 2002

진화 연산의 확률적 모델인 베이지안 진화 알고리즘의 수렴 특성에 대한 이전 연구를 통해 개체군 크기가 1인 경우에 대해 베이지안 진화 알고리즘을 단일 테인 MCMC로 변환하여 수렴 특성을 보였다. 본 논문에서는 개체군 크기가 1로 제한되지 않는 경우 베이지안 진화알고리즘을 다중 체 인의 개체군으로 생각하여 수렴 특성을 살펴본다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.1
• /
• pp.16-21
• /
• 2001

전자 상거래에서 고객의 성향을 이해하기 위해서는 일반적으로 판매 실무에서의 경험과 전문적인 지식을 필요로 하게 된다. 데이터 마이닝은 고객들에 대한 데이터의 분석을 통해서 이러한 성향들을 알아내는 것을 목표로 한다. 베이지안 네트워크는 DAG(Directed Acyclic Graph)를 이용하여 데이터의 구조를 시각적으로 표현하여 주는 확률모형으로 변수사이의 종속관계를 밝히고 데이터 마이닝의 기법으로 이용할 수 있다. 본 논문에서는 베이지안 네트워크를 사용하여 전자 상거래 고객들의 성향을 분석하기 위한 방법을 제시한다. 또한 고객성향에 대한 주요 요인을 분석하기 위해 Discriminant 모형을 이용하고 그 유용성을 다른 방법들과 비교하였다.

• 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.

• Journal of Korea Water Resources Association
• /
• v.48 no.1
• /
• pp.37-44
• /
• 2015

A Bayesian nonstationary probability rainfall estimation model using the Grid method is developed. A hierarchical Bayesian framework is consisted with prior and hyper-prior distributions associated with parameters of the Gumbel distribution which is selected for rainfall extreme data. In this study, the Grid method is adopted instead of the Matropolis Hastings algorithm for random number generation since it has advantage that it can provide a thorough sampling of parameter space. This method is good for situations where the best-fit parameter values are not easily inferred a priori, and where there is a high probability of false minima. The developed model was applied to estimated target year probability rainfall using hourly rainfall data of Seoul station from 1973 to 2012. Results demonstrated that the target year estimate using nonstationary assumption is about 5~8% larger than the estimate using stationary assumption.

• Journal of Radiation Protection and Research
• /
• v.30 no.2
• /
• pp.91-97
• /
• 2005

Bayesian methodology is appropriated for use in PRA because subjective knowledges as well as objective data are applied to assessment. In this study, radiological risk based on Bayesian methodology is assessed for the loss of source in field radiography. The exposure scenario for the lost source presented in U.S. NRC is reconstructed by considering the domestic situation and Bayes theorem is applied to updating of failure probabilities of safety functions. In case of updating of failure probabilities, it shows that 5 % Bayes credible intervals using Jeffreys prior distribution are lower than ones using vague prior distribution. It is noted that Jeffreys prior distribution is appropriated in risk assessment for systems having very low failure probabilities. And, it shows that the mean of the expected annual dose for the public based on Bayesian methodology is higher than the dose based on classical methodology because the means of the updated probabilities are higher than classical probabilities. The database for radiological risk assessment are sparse in domestic. It summarizes that Bayesian methodology can be applied as an useful alternative lot risk assessment and the study on risk assessment will be contributed to risk-informed regulation in the field of radiation safety.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.349-352
• /
• 2011

본 논문에서는 변동하중 하에서의 균열 성장 예측을 위하여 손상 모델과 주어진 데이터에 기반하여 균열 성장 모델의 변수를 확률분포로 추정한다. 이를 위해 베이지안 접근법을 활용하여 불확실 변수 결합 확률 분포식을 구축하고, Markov Chain Monte Carlo(MCMC)을 통해서 균열 성장 모델의 변수 샘플을 추출하였다. 여기서 추출된 샘플들을 균열 성장 모델에 적용, 균열 성장의 결과를 확률적인 분포로 예측하였다. 위와 같은 추정은 재료의 물성과 같은 변동성이 있는 변수를 모델에 적용하여, 결과값을 확률적인 분포로 예측하였다. 이것은 기존의 안전계수 개념보다 더욱 적절한 안전 기준을 제시 할 수 있다.

• Journal of KIISE:Software and Applications
• /
• v.33 no.10
• /
• pp.877-885
• /
• 2006

Recently it is proposed that the Bayesian networks used as conversational agent for topic inference is useful but the Bayesian networks require much time to model, and the Bayesian networks also have to be modified when the scripts, the database for conversation, are added or modified and this hinders the scalability of the agent. This paper presents a method to improve the scalability of the agent by constructing the Bayesian network from scripts automatically. The proposed method is to model the structure of Bayesian networks hierarchically and to utilize Noisy-OR gate to form the conditional probability distribution table (CPT). Experimental results with ten subjects confirm the usefulness of the proposed method.

• Journal of Korea Water Resources Association
• /
• v.43 no.7
• /
• pp.645-655
• /
• 2010

In this study, occurrences of relative probabilistic changing points between Chukwooki rainfall data (CWK) and modern rain gage data (MRG) were analyzed using Barry and Hartigan (BH) Bayesian changing points estimation method which estimated the changing points by calculation of change probabilities at each point. Since any natural phenomenon cannot be simulated identically and perfectly, a statistical method which can not consider the sequential order has its limitation on prediction of a specific time of occurrence. In this respect, Homogeneity analysis between CWK and MRG was performed through the occurrence investigation of relative probabilistic changing points for four rainfall characteristics of data sets using BH bayesian model which estimate the change point by calculating the relative probabilities in each data points. The results show that statistical characteristics of CWK are not different significantly from MRG, even though considered that there may be little quantitative difference CWK and MRG caused from limitation of measurement accuracy of CWK.