• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권10호
• /
• pp.877-885
• /
• 2006

최근에 대화형 에이전트에서 사용자 질의의 주제 추론을 위하여 베이지안 네트워크가 효과임이 발표되었다. 하지만 베이지안 네트워크는 설계에 있어서 많은 시간이 소요되며, 스크립트(대화를 위한 데이타베이스)의 추가 변경시에는 베이지안 네트워크도 같이 수정해야 하는 번거로움이 있어 대화형 에이전트의 확장성을 저해하고 있다. 본 논문에서는 스크림트로부터 베이지안 네트워크를 자동으로 생성함으로써 베이지안 네트워크를 이용한 대화형 에이전트의 확장성을 높이는 방법을 제안한다. 제안한 방법은 베이지안 네트워크의 구성노드를 계층적으로 설계하고, Noisy-OR gate를 사용하여 베이지안 네트워크의 조건부 확률 테이블을 구성한다. 피험자 10명이 대화형 에이전트를 위한 베이지안 네트워크를 수동 설계한 것과 비교한 결과 제안하는 방법이 효과적임을 알 수 있었다.

• 한국지능시스템학회논문지
• /
• 제11권9호
• /
• pp.849-854
• /
• 2001

Bishop이 제안한 Generative Topographic Mapping(GTM)은 Kohonen이 제안한 자율 학습 신경망인 Self Organizing Maps(SOM)의 확률 버전이다. GTM은 데이터가 생성되는 확률 분포를 잠재 변수, 혹은 은닉 변수를 사용하여 모형화한다. 이것은 SOM에서는 구현될 수 없는 GTM만의 특징이며, 이러한 특징으로 인하여 SOM의 한계들을 극복할 수 있게 된다. 본 논문에서는 이러한 GTM 모형에 베이지안 학습(Bayesian learning)을 결합하여 작은 오분류율을 가지는 분류 알고리즘인 베이지안 GTM(Bayesian GTM)을 제안한다. 이 알고리즘은 기존의 GTM의 빠른 계산 처리 능력과 데이터에 대한 확률 분포, 그리고 베이지안 추론의 정확성을 이용하여 기존의 분류 알고리즘보다 우수한 결과를 얻게 된다. 본 논문에서는 기존의 분류 알고리즘에서 많이 실험하였다. 학습 데이터를 통하여 이를 확인하였다.

• 대한전자공학회논문지SP
• /
• 제42권4호
• /
• pp.39-48
• /
• 2005

본 논문에서는 Bayesian 추정법과 신경회로망을 이용한 새로운 결 분할 방법을 제안한다 신경회로망의 입력으로는 다중스케일을 가지는 웨이블릿 계수와 인접한 이웃 웨이블릿 계수들의 문맥정보를 사용하고, 신경회로망의 출력을 사후 확률로 모델링한다. 문맥정보는 HMT(Hidden Markov Tree) 모델을 이용하여 구한다. 제안 방법은 HMT를 이용한 ML(Maximum Likelihood) 분할 보다 더 우수한 결과를 보여준다. 또한 HMT를 이용한 결 분할 방법과 제안 방법을 이용한 결 분할 각각에 HMTseg라고 불리는 다중 스케일 Bayesian 영상 분할 기술을 이용하여 후처리를 행한 결 분할 또한 제안 방법이 우수함을 보여준다.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.43-54
• /
• 2005

이본 논문에서는 Bayesian 영상 분할법과 SOM(Self Organization feature Map)을 이용한 텍스쳐(Texture) 분할 방법을 제안한다. SOM의 입력으로 다중 스케일에서의 웨이블릿 계수를 사용하고, 훈련된 SOM으로부터 관측 데이터에 대한 우도(尤度, likelihood)와 사후확률을 구하는 방법을 제시한다. 훈련된 SOM들로부터 구한 사후확률과 MAP(Maximum A Posterior) 분류법을 이용하여 텍스쳐 분할을 얻는다. 그리고 문맥 정보를 이용하여 텍스쳐 분할 결과를 개선하였다. 제안 방법은 HMT(Hidden Markov Tree)을 이용한 텍스쳐 분할보다 더 우수한 결과를 보여준다. 또한 SOM과 HMTseg라고 불리는 다중스케일 Bayesian 영상 분할 기법을 이용한 텍스쳐 분할 결과는 HMT와 HMTseg을 이용한 결과보다 더 우수한 성능을 보여준다.

• 디지털융복합연구
• /
• 제13권1호
• /
• pp.243-248
• /
• 2015

인식 모델을 구성할 때 정의되지 않은 모델, 인식 모델 구성 후에 추가되어진 모델, 모델이 부족하여 하나의 모델 클러스터링으로 모델링하여 생성된 인식 모델들은 인식률 저하의 원인이 된다. 이러한 원인을 개선하기 위하여 Bayesian 기법의 모수 추정을 이용한 결정트리 상태 공유 모델링 방법을 제안하였다. 제안 방법은 Bayesian 기법의 파라미터 추정을 통하여 탐색된 결과로부터 결정트리 기반 상태 공유 모델링의 최대 확률 기법에 따라 인식모델을 결정한다. 본 논문에서 제안하여 시뮬레이션 데이터를 이용한 실험 결과에서 제안한 군집화 방식을 비교하여 1.29%의 음성인식 오류감소율을 보였으며, 기존 군집화 방식에 비해 개선된 성능을 보였다.

• 한국조사연구학회:학술대회논문집
• /
• 한국조사연구학회 2006년도 춘계학술대회 발표논문집
• /
• pp.131-159
• /
• 2006

This paper consider multinomial group testing which is concerned with classification each of N given units into one of k disjoint categories. In this paper, we propose exact Bayesian, approximate Bayesian, bootstrap methods for estimating individual category proportions using the multinomial group testing model proposed by Bar-Lev et al (2005). By the comparison of Mcan Squre Error (MSE), it is shown that the exact Bayesian method has a bettor efficiency and consistency than maximum likelihood method. We suggest an approximate Bayesian approach using Markov Chain Monte Carlo (MCMC) for posterior computation. We derive exact credible intervals based on the exact Bayesian estimators and present confidence intervals using the bootstrap and MCMC. These intervals arc shown to often have better coverage properties and similar mean lengths to maximum likelihood method already available. Furthermore the proposed models are illustrated using data from a HIV blooding test study throughout California, 2000.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.9-9
• /
• 2018

추계학적 강우생성모형 중 포아송 클러스터(Poisson Cluster) 모형은 단일지점에 대하여 시간강우량의 관측연한 문제점을 해결하기 위한 강우모형으로 강우 단계별 계층적 구조를 이해하는데 유용한 모형이다. 특히 강우 특성을 계절, 지역 등과 같이 비교하는 기준에 따라 5~6개의 비교적 적은 매개변수들로 모의 강우시계열을 생성할 수 있다는 점에서 장기간 강우분석에 필요한 관측연한 문제를 보완할 수 있다. 그러나 매개변수 최적해가 수렴되지 않는 사례가 많고, 매개변수들이 강우의 물리적 특성을 반영하는 것에 비해 내포된 불확실성에 관한 연구는 미흡하다. 본 연구에서는 포아송 클러스터 강우생성모형 중 Neyman-Scott Rectangular Pulse(NSRP) 모형을 Bayesian 모형과 연계한 Bayesian NSRP 모형을 개발하여 매개변수간 물리적 상관성을 고려한 최적화 기법을 개발하였다. Bayesian 모형은 물리적 범위가 다른 매개변수간의 결합확률분포를 산정하여 사후분포(posterior)를 추정하므로 매개변수 최적화와 불확실성 정량화 문제를 동시에 해결할 수 있다. 최종적으로 Bayesian NSRP 모형에 기후변화 시나리오의 통계적 특성을 고려한 시간단위 강우시계열 생성 모의 기법의 활용 가능성을 평가하고자 한다.

• Genomics & Informatics
• /
• 제20권2호
• /
• pp.16.1-16.12
• /
• 2022

Various methodologies for the genetic analysis of longitudinal data have been proposed and applied to data from large-scale genome-wide association studies (GWAS) to identify single nucleotide polymorphisms (SNPs) associated with traits of interest and to detect SNP-time interactions. We recently proposed a grid-based Bayesian mixed model for longitudinal genetic data and showed that our Bayesian method increased the statistical power compared to the corresponding univariate method and well detected SNP-time interactions. In this paper, we further analyze longitudinal obesity-related traits such as body mass index, hip circumference, waist circumference, and waist-hip ratio from Korea Association Resource data to evaluate the proposed Bayesian method. We first conducted GWAS analyses of cross-sectional traits and combined the results of GWAS analyses through a meta-analysis based on a trajectory model and a random-effects model. We then applied our Bayesian method to a subset of SNPs selected by meta-analysis to further discover SNPs associated with traits of interest and SNP-time interactions. The proposed Bayesian method identified several novel SNPs associated with longitudinal obesity-related traits, and almost 25% of the identified SNPs had significant p-values for SNP-time interactions.

• Communications for Statistical Applications and Methods
• /
• 제29권3호
• /
• pp.287-299
• /
• 2022

In radiation epidemiology, the excess relative risk (ERR) model is used to determine the dose-response relationship. In general, the dose-response relationship for the ERR model is assumed to be linear, linear-quadratic, linear-threshold, quadratic, and so on. However, since none of these functions dominate other functions for expressing the dose-response relationship, a Bayesian semiparametric method using splines has recently been proposed. Thus, we improve the Bayesian semiparametric method for the selection of the tuning parameters for splines as the number and location of knots using a Bayesian knot selection method. Equally spaced knots cannot capture the characteristic of radiation exposed dose distribution which is highly skewed in general. Therefore, we propose a nonparametric Bayesian knot selection method based on a Dirichlet process mixture model. Inference of the spline coefficients after obtaining the number and location of knots is performed in the Bayesian framework. We apply this approach to the life span study cohort data from the radiation effects research foundation in Japan, and the results illustrate that the proposed method provides competitive curve estimates for the dose-response curve and relatively stable credible intervals for the curve.

• Journal of the Korean Statistical Society
• /
• 제20권1호
• /
• pp.44-56
• /
• 1991

For all pairwise comparisons of treatments, Bayesian simultaneous confidence intervals are proposed and studied. First Bayesian solutions are obtained for a fixed prior, and then prior parameters are estimated by a parametric empirical Bayesian method. The nominal confidence level is shown to be controlled asymptotically. An extension to the unbalanced design is also considered.