• Journal of the Korean Society of Propulsion Engineers
• /
• v.22 no.2
• /
• pp.131-137
• /
• 2018

This paper analyzes the probability of failure for the equivalence ratio error. The control error of the equivalence ratio is affected by the aleatory and epistemic uncertainties. In general, reliability analysis techniques are easily incorporated to handle the aleatory uncertainty. However, the epistemic uncertainty requires a new approach, as it does not provide an uncertainty distribution. The Bayesian inference incorporates the reliability analysis results to handle both uncertainties. The result gives a distribution of failure probability, whose equivalence ratio does not meet the requirement. This technique can be useful in the analysis of most engineering systems, where the aleatory and epistemic uncertainties exist simultaneously.

• Journal of KIISE:Computing Practices and Letters
• /
• v.15 no.1
• /
• pp.72-76
• /
• 2009

Recently, as the interest of ubiquitous computing has been increased there has been lots of research about recognizing human activities to provide services in this environment. Especially, in mobile environment, contrary to the conventional vision based recognition researches, lots of researches are sensor based recognition. In this paper we propose to recognize the user's activity with multi-modal sensors using hierarchical dynamic Bayesian networks. Dynamic Bayesian networks are trained by the OVR(One-Versus-Rest) strategy. The inferring part of this network uses less calculation cost by selecting the activity with the higher percentage of the result of a simpler Bayesian network. For the experiment, we used an accelerometer and a physiological sensor recognizing eight kinds of activities, and as a result of the experiment we gain 97.4% of accuracy recognizing the user's activity.

• The KIPS Transactions:PartB
• /
• v.8B no.3
• /
• pp.251-260
• /
• 2001

기존의 베이지안 문서 분류는 문서의 특징 표현에 있어서 단어간의 의미를 정확하게 반영하지 못하는 문제점이 있다. 이러한 문제점을 해결하기 위해, 본 논문에서는 Apriori-Genetic 알고리즘을 이용한 베이지안 문서 분류 방법을 제안한다. Apriori 알고리즘은 단어간의 의미를 반영한 연관 단어의 형태로 문서의 특징을 추출하며 추출된 연관 단어로 연관 단어 지식베이스를 구축한다. Aprrori 알고리즘만으로 연관 단어 지식베이스를 구축할 경우, 지식베이스 안에 부적당한 연관 단어가 포함된다. 따라서 문서 분류의 정확도가 낮아지는 단점이 있다. 이러한 단점을 보완하기 위해, Genetic 알고리즘을 이용하여 연관 단어 지식베이스를 최적화하는 방법을 사용한다. 베이지안 확률을 이용하는 분류자는 최적화된 연관 단어 지식베이스를 기반으로 문서를 클래스별로 분류한다. Apriori-Genetic 알고리즘을 이용한 베이지안 문서 분류의 성능을 평가하기 위해, Apriori 알고리즘을 이용한 베이지안 문서 분류 방법, 역문헌빈도를 사용한 베이지안 문서 분류 방법, 기존의 단순 베이지안 분류 방법과 비교하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.577-579
• /
• 2004

인터넷을 통한 정보 제공이 늘어남에 따라서 사용자가 원하는 정보를 손쉽게 얻기 위한 .연구가 활발히 진행되고 있으며. 이러한 연구 중 하나가 대화형 에이전트이다. 최근 대화형 에이전트에서 사용자 질의의 주제 추론을 위하여 베이지안 네트워크가 적용되었다 하지만 베이지안 네트워크의 설계는 많은 시간이 소요되며, 스크립트(대화를 위한 데이터베이스)의 추가 변경시에는 베이지안 네트워크도 같이 수정해야 하는 번거로움이 있어 대화형 에이전트의 확장성을 저해하고 있다. 본 논문에서는 스크립트로부터 베이지안 네트워크를 자동으로 생성하여 베이지안 네트워크를 이용한 대화형 에이전트의 확장성을 높이는 방법을 제안하다. 제안하는 방법은 베이지안 네트워크의 구성 노드를 계층적으로 설계하고. Noisy-OR gate를 사용하여 베이지안 네트워크의 조건부 확률 테이블을 계산한다. 피험자 10명이 대화형 에이전트를 위한 베이지안 네트워크를 수동 설계한 것과 비교하여 제안하는 방법의 유용성을 확인하였다.

• The Korean Journal of Applied Statistics
• /
• v.6 no.1
• /
• pp.53-66
• /
• 1993

A Bayesian approach is suggested to the multi-proportions randomized response model. O'Hagan's (1987) Bayes linear estimator is extended to the inference of unrelated question-type randomized response model. Also some numerical comparisons are provided to show the performance of the Bayes linear estimator under the Dirichlet prior.

• The Korean Journal of Applied Statistics
• /
• v.26 no.5
• /
• pp.737-746
• /
• 2013

The Bayesian method can be applied successfully to the estimation of the censored regression model introduced by Tobin (1958). The Bayes estimates show improvements over the maximum likelihood estimate; however, the performance of the Bayesian interval estimation is questionable. In Bayesian paradigm, the prior distribution usually reflects personal beliefs about the parameters. Such subjective priors will typically yield interval estimators with poor frequentist properties; however, an objective noninformative often yields a Bayesian procedure with good frequentist properties. We examine the performance of frequentist properties of noninformative priors for the Tobit regression model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.109-109
• /
• 2020

본 연구에서는 댐 운영 전과 후의 유출 특성 변화를 평가하는 데 베이지안 기법을 이용하였다. ROM과 같은 댐 운영은 자연유량(유입량)에 대해 주어진 방법을 적용하여 수행하는 일종의 조정(수정) 과정이다. 이 과정은 무작위 변량에 해당하는 유입량을 대상으로 하며, 그 과정의 결과로 역시 유출량이라는 무작위 변량이 생성된다. 기 확정된 또는 고정된 조정(수정) 과정은 일정한 함수로 표현 가능하다. 결과적으로 이 과정은 사전확률에 우도함수를 적용하여 사후확률을 유도하는 것과 같다. 즉, 베이지안 기법의 적용과정과 다르지 않다. ROM으로는 일정률, 일정량, 일정률-일정량 ROM(Rigid ROM) 세 가지를 고려하였다. 각 ROM별 방류 특성을 고려하여 우도함수를 결정하면, 베이지안 기법을 적용하여 사후분포, 즉, 방률량의 분포함수를 유도할 수 있다. 베이지안 기법을 적용하여 유도된 결과는 ROM을 적용하여 직접 모의한 결과와 비교함으로써 검증된다. 본 연구에서는 대상 댐으로 안동댐을 선정하였으며, 안동댐에서 관측된 2010년부터 2019년까지의 10년치 유입량 자료를 이용하였다. 즉, 2010년부터 2019년까지의 안동댐 유입량 자료는 댐 운영 이전의 유출특성을 대변하고, 모의된 유출량은 댐 운영 이후의 유출특성을 대변한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1385-1389
• /
• 2010

수자원 계획에 있어서 강우 또는 홍수빈도분석시 주로 사용되는 확률의 개념은 상대빈도에 대한 극한으로 확률을 정의하는 빈도학파적 확률관점에 속하며, 확률모델에서 미지의 매개변수들은 고정된 상수로 간주된다. 따라서 확률은 객관적이고 매개변수들은 고정된 값을 가지기 때문에 이러한 매개변수들에 대한 확률론적 설명은 매우 어렵다. 본 연구에서는 강우빈도해석에서 확률분포의 매개변수에 대한 불확실성을 정량화하기 위하여 베이지안 MCMC 및 Metropolis-Hastings 알고리즘을 이용한 불확실성 평가모델을 구축하였다. 그리고 베이지안 MCMC 및 Metropolis-Hastings 알고리즘의 적용을 통하여 확률강우량 산정시 확률분포의 매개변수에 대한 통계학적 특성 및 불확실성 구간을 정량화하였으며, 이를 바탕으로 홍수위험평가 및 의사결정과정에서 불확실성 및 위험도를 충분히 설명할 수 있는 프레임워크 구성을 위한 기초를 마련할 수 있었다.

• 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.

• 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.