• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2016년도 제28회 한글 및 한국어 정보처리 학술대회
• /
• pp.111-116
• /
• 2016

의미역은 자연어 문장의 서술어와 관련된 논항의 역할을 설명하는 것으로, 주어진 서술어에 대한 논항 인식(Argument Identification) 및 분류(Argument Labeling)의 과정을 거쳐 의미역 결정(Semantic Role Labeling)이 이루어진다. 이를 위해서는 격틀 사전을 이용한 방법이나 말뭉치를 이용한 지도 학습(Supervised Learning) 방법이 주를 이루고 있다. 이때, 격틀 사전 또는 의미역 주석 정보가 부착된 말뭉치를 구축하는 것은 필수적이지만, 이러한 노력을 최소화하기 위해 본 논문에서는 비모수적 베이지안 모델(Nonparametric Bayesian Model)을 기반으로 서술어에 가능한 의미역을 추론하는 비지도 학습(Unsupervised Learning)을 수행한다.

• 응용통계연구
• /
• 제27권6호
• /
• pp.867-889
• /
• 2014

비모수 베이지안 통계 모형은 그 유연성과 계산의 편리성으로 인해 최근 다양한 분야에서 응용되고 있는데, 본 논문에서는 생물/의학/보건 연구에서 사용되는 비모수 베이지안 통계 모형에 대해서 개괄하였다. 본 논문에서는 비모수 베이지안 통계 모델링에서 핵심적으로 사용되는 확률모형들을 소개하고, 다양한 예제들을 통하여 그 모형들이 어떻게 사용되는지 이해를 돕도록 하였다. 특별히, 논의된 예제들은 모수적 통계 모형으로 고찰하기에는 한계가 있는 연구가설들을 포함하고 있어 모수적 모형의 한계점을 지적하고 비모수적 베이지안 모형의 필요성을 강조하는 것들로 정하였다. 크게 확률밀도함수 추정, 군집분석, 임의효과 분포의 추정, 그리고 회귀분석의 4가지 주제로 분류하여 살펴보았다.

• 정보처리학회논문지D
• /
• 제9D권3호
• /
• pp.389-398
• /
• 2002

본 논문에서는 비동질 포아송 과정에 기초한 소프트웨어 오류 현상에 대한 신뢰도 모형을 고려하고 사전정보를 이용한 베이지안 추론을 시행하였다. 고장 패턴은 NHPP에 대한 강도함수와 평균값 함수로서 나타낼 수 있다. 따라서 본 논문에서는 기존의 모형인 Goel이 제시한 모형과 신뢰성 분포로 많이 사용되는 와이블 분포의 특수형태인 레일리분포와 라플라스 분포를 이용한 모형을 제시하여 베이지안 추론을 시행하고 또, 효율적 모형을 위한 모형선택으로서 편차자승합을 이용하여 비교하였다. 모수의 추정을 위해서 마코브체인 몬테카를로 기법중에 하나인 깁스샘플링을 이용한 근사추정 기법이 사용되었다. 수치적인 예에서는 실측자료인 NTDS 자료를 이용하여 모수 및 신뢰도를 추정하였고 편차자승합을 이용한 모형비교의 결과를 나열하였다.

• 응용통계연구
• /
• 제34권3호
• /
• pp.477-489
• /
• 2021

코로나19 바이러스는 2020년에 전세계적으로 심각하게 확산되었고, 우리의 일상생활 전체에 상당한 영향을 미치고 있다. 현재 전세계는 이 유행병 사태 아래에 여전히 있고 한국 또한 이 상황에 대해 예외가 아니다. 이 유행병 기간동안 한국에서는 이 바이러스 확산을 방지하기 위한 또는 가속화시킨 몇 가지 사건들이 있었다. 감염병에 대한 방역 정책을 세우기 위해 이러한 사건들의 감염병 확산에 대한 개입 효과를 조사하는 것은 매우 중요하다. SIR 모형은 미분방정식을 통해 감염병 확산의 동적 행태를 파악하기 위해 자주 사용되는 방법이다. 그러나, SIR 모형은 관찰된 데이터의 불확실성을 고려하지 않는 결정적인 모형이다. 따라서 SIR 모형에서 데이터의 불확실성을 고려하기 위해 베이지안 접근법이 사용될 수 있고, 이러한 접근법은 SIR 모형에서 감염률에 대한 시간변이함수에 근거한 개입효과분석을 가능하게 한다. 본 연구에서는 베이지안 접근법에 근거한 확률적 SIR 모형을 이용하여 한국에서의 코로나19 바이러스의 확산 추세를 설명하고 그러한 사건들에 대한 개입효과를 조사한다.

• 응용통계연구
• /
• 제6권1호
• /
• pp.53-66
• /
• 1993

다지확률응답모형인 경우에 대한 베이지안 접근방법을 연구하였다. O'Hagan (1987)의 베이 즈 선형추정량을 다지확률 응답모형의 경우로 확장하였다. 한편 수치비교방법에 의해 새로 이 연구된 베이즈 선형 추정량과 기존의 최대우도추정량과의 효율을 비교해 보았다. 이때 베이지안 방법의 사전분포로는 Dirichlet 분포를 사용하였다.

• 한국지능시스템학회논문지
• /
• 제11권1호
• /
• 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.

• 한국수자원학회논문집
• /
• 제32권1호
• /
• pp.15-29
• /
• 1999

본 연구에서는 공간적으로 분포되어 있는 연강우량 자료를 이용한 지역 기상학적인 가뭄을 정의하고 해석하는 모형을 제시하였다. 비선형. 비매개변수법에 기초한 공간 해석 신경망(Spatial Analysis Neural Network; SANN)모형을 이용하여, 각 년에 대하여 공간의 임의 점에서의 극심, 심 경심, 및 비 가뭄 확률을 전 대상 지역에 대하여 산출을 통하여 가뭄확률도를 작성하며, Bayesian 가뭄 심도 지수(BDSI)를 통하여 전 대상 지역을 가장 적적하게 극심, 심, 경심, 비 가뭄 지역으로 분류하는 방법을 제시하였다. 또한, 각 년의 대표적인 가뭄의 형태를 제시하여 줄 수 있는 지역 가뭄 확률과 지역 가뭄 확률 지수를 소개하였다. 이 모든 시공간적 가뭄 해석의 방법은 실제로 우리나라(남한) 전역에 대하여 실시하여, 과거 1967년부터 1996년 까지의 공간적이고 시간적인 가뭄의 발생 현황과 그 특징을 조사 하였다. 본 연구는 우리나라 장기 수자원 개발 및 유역 관리를 위한 공간적이고도 시간적인 가뭄 정보를 제공하였다는 데 그 의의가 있을 것이다.

• 정보과학회 논문지
• /
• 제44권10호
• /
• pp.1026-1033
• /
• 2017

본 논문은 계층적 디리슐레 과정(HDP)과 은닉 마르코프 모형(HMM)이 결합된 베이스 통계학적 방법과 HMM의 상태 지속 정보를 이용한 건강 상태 예측 방법을 제안한다. HDP-HMM은 베이스 방법의 HMM 확장 모형으로서 건강의 동적 특성을 고려하여 불확실하고 가늠하기조차도 어려운 건강 상태의 수를 추정할 수 있게 해준다. 모의 데이터와 실제 건건 검진 데이터를 이용한 시험을 통하여 흥미 있는 행동 특성을 볼 수 있었으며 최대 5년까지로 제한한 미래 예측도 충분한 가능함을 확인하였다. 미래는 불확실하며 예측 문제는 본질적으로 어렵다. 그러나 본 연구의 실험 결과로 동적인 문맥 하에서 다중 후보 가설을 제시함으로서 실용 가능한 건강상태의 장기 예측이 가능하다는 것을 읽을 수 있었다.

• 응용통계연구
• /
• 제31권5호
• /
• pp.555-572
• /
• 2018

영상처리 분야의 중요한 주제인 영상의 잡음 제거 과정은 원래의 순수한 영상이 다양한 원인으로 발생한 잡음에 의해 오염되었을때 이 잡음을 제거하거나 줄이는 것을 의미한다. 잡음 제거 과정에서는 영상에 추가된 잡음과 원 영상이 가진 고유한 특징들을 구별해내는 것이 중요하며 이에 대한 많은 연구가 진행되고 있다. 적응적 필터와 시그마 필터는 잡음 제거를 위하여 사용하는 대표적인 잡음 제거 필터이며 이 필터들의 효용성은 정확한 잡음 추정에 영향을 받는다. 따라서 본 연구에서는 디리클레 정규 혼합모형을 토대로 영상을 오염시키고 있는 잡음의 분포를 생성하고 이를 토대로 영상의 특징과 잡음을 구별하기 위한 베이지안 방법을 제시한다. 특히 잡음의 분포와 특징의 분포를 구별하기 위해 베이지안 추론을 전개하고 영상에 포함된 잡음을 제거하는 알고리즘을 제시하고자 한다.

• Communications for Statistical Applications and Methods
• /
• 제15권4호
• /
• pp.531-542
• /
• 2008

시계열 자료를 분석할 때, 시계열 자료가 가지고 있는 추세를 제거하기 위하여 결정적 추세인 경우 회귀모형을 이용하고, 확률적 추세인 경우 차분하는 방법을 이용한다. 이 때 제거의 옳바른 기준이 되는 검정 방법이 단위근 검정이다. 그러나 기존의 Dickey-Fuller 검정 (Dickey와 Fuller, 1979)은 표본 수가 작고, 단위근에 가까울 경우 검정력이 낮으며, 베이지안 단위근 검정은 절차가 복잡하다. 본 논문에서는 기존의 두 방법들의 문제점을 해결하기 위하여, 전통적 Dickey-Fuller 검정 방법과 베이지안 방법을 결합한 형태의 검정방법으로 제안하였다. 제안된 검정방법은 모형 AR(1)에서 계수가 거의 1이거나 표본 수가 작을 경우, 기존의 Dickey-Fuller 검정보다 검정력이 높을 뿐만 아니라 일반적인 베이지안 방법 보다 절차가 간단한 검정법이 된다.