• 제목/요약/키워드: Gaussian process model

검색결과 238건 처리시간 0.025초

Regularity of Maximum Likelihood Estimation for ARCH Regression Model with Lagged Dependent Variables

  • Hwang, Sun Y.
    • Journal of the Korean Statistical Society
    • /
    • 제29권1호
    • /
    • pp.9-16
    • /
    • 2000
  • This article addresses the problem of maximum likelihood estimation in ARCH regression with lagged dependent variables. Some topics in asymptotics of the model such as uniform expansion of likelihood function and construction of a class of MLE are discussed, and the regularity property of MLE is obtained. The error process here is possibly non-Gaussian.

  • PDF

2차원 전기영동 영상의 단백질 반점 정합을 위한 비대칭 확산 모형 (Asymmetric Diffusion Model for Protein Spot Matching in 2-DE Image)

  • 최관덕;윤영우
    • 정보처리학회논문지B
    • /
    • 제15B권6호
    • /
    • pp.561-574
    • /
    • 2008
  • 2차원 전기영동 영상 분석 프로그램의 반점 검출 단계는 영상 분할 알고리즘을 사용해서 겔 영상을 반점 영역으로 분할하고 각 반점 영역을 반점 형태 모형에 정합하여 다음 단계에 필요한 반점 정보를 정량화한다. 현재 영상 분할 알고리즘으로는 분수령 기법이 일반적으로 사용되며, 대표적인 반점 형태 모형으로는 가우스 모형, 확산 모형이 있다. 확산 모형이 가우스 모형보다 실제의 반점 형태에 좀 더 가깝기는 하지만, 반점 형태는 매우 다양하며 특히 x-축과 y-축에 대해서 비대칭적인 형태를 보인다. 반점이 비대칭적 형태인 이유는 2-DE 처리가 통상 이상적인 환경 하에서 이루어질 수 없기 때문에 단백질이 완전히 확산되지 못하기 때문으로 알려져 있다. 따라서 본 논문에서는 비대칭 확산 모형을 제안한다. 비대칭 확산 모형은 초기에는 단백질이 하나의 원으로부터 확산되지만, 시간이 흐름에 따라 x-축과 y-축에 대해서 비대칭적으로 확산된다고 가정한 모형이다. 실험으로서 19개의 겔 영상에 대해서 세 모형별로 반점 정합을 수행하고 세 모형의 비교를 위해서 SNR의 평균을 구하였다. 실험결과인 SNR의 평균은 가우스 모형이 14.22dB, 확산 모형이 20.72dB, 비대칭 확산 모형이 22.85dB이었다. 실험결과로써 비대칭 확산 모형이 가우스 모형과 확산 모형에 비해서 반점 정합에 보다 더 효율적이며 적합한 모형임을 확인하였다.

가우시안 프로세스를 이용한 실내 환경에서 소형무인기에 적합한 SLAM 시스템 개발 (Development of a SLAM System for Small UAVs in Indoor Environments using Gaussian Processes)

  • 전영산;최종은;이정욱
    • 제어로봇시스템학회논문지
    • /
    • 제20권11호
    • /
    • pp.1098-1102
    • /
    • 2014
  • Localization of aerial vehicles and map building of flight environments are key technologies for the autonomous flight of small UAVs. In outdoor environments, an unmanned aircraft can easily use a GPS (Global Positioning System) for its localization with acceptable accuracy. However, as the GPS is not available for use in indoor environments, the development of a SLAM (Simultaneous Localization and Mapping) system that is suitable for small UAVs is therefore needed. In this paper, we suggest a vision-based SLAM system that uses vision sensors and an AHRS (Attitude Heading Reference System) sensor. Feature points in images captured from the vision sensor are obtained by using GPU (Graphics Process Unit) based SIFT (Scale-invariant Feature Transform) algorithm. Those feature points are then combined with attitude information obtained from the AHRS to estimate the position of the small UAV. Based on the location information and color distribution, a Gaussian process model is generated, which could be a map. The experimental results show that the position of a small unmanned aircraft is estimated properly and the map of the environment is constructed by using the proposed method. Finally, the reliability of the proposed method is verified by comparing the difference between the estimated values and the actual values.

Forecasting tunnel path geology using Gaussian process regression

  • Mahmoodzadeh, Arsalan;Mohammadi, Mokhtar;Abdulhamid, Sazan Nariman;Ali, Hunar Farid Hama;Ibrahim, Hawkar Hashim;Rashidi, Shima
    • Geomechanics and Engineering
    • /
    • 제28권4호
    • /
    • pp.359-374
    • /
    • 2022
  • Geology conditions are crucial in decision-making during the planning and design phase of a tunnel project. Estimation of the geology conditions of road tunnels is subject to significant uncertainties. In this work, the effectiveness of a novel regression method in estimating geological or geotechnical parameters of road tunnel projects was explored. This method, called Gaussian process regression (GPR), formulates the learning of the regressor within a Bayesian framework. The GPR model was trained with data of old tunnel projects. To verify its feasibility, the GPR technique was applied to a road tunnel to predict the state of three geological/geomechanical parameters of Rock Mass Rating (RMR), Rock Structure Rating (RSR) and Q-value. Finally, in order to validate the GPR approach, the forecasted results were compared to the field-observed results. From this comparison, it was concluded that, the GPR is presented very good predictions. The R-squared values between the predicted results of the GPR vs. field-observed results for the RMR, RSR and Q-value were obtained equal to 0.8581, 0.8148 and 0.8788, respectively.

머신러닝을 이용한 권한 기반 안드로이드 악성코드 탐지 (Android Malware Detection Using Permission-Based Machine Learning Approach)

  • 강성은;응웬부렁;정수환
    • 정보보호학회논문지
    • /
    • 제28권3호
    • /
    • pp.617-623
    • /
    • 2018
  • 본 연구는 안드로이드 정적분석을 기반으로 추출된 AndroidManifest 권한 특징을 통해 악성코드를 탐지하고자 한다. 특징들은 AndroidManifest의 권한을 기반으로 분석에 대한 자원과 시간을 줄였다. 악성코드 탐지 모델은 1500개의 정상어플리케이션과 500개의 악성코드들을 학습한 SVM(support vector machine), NB(Naive Bayes), GBC(Gradient Boosting Classifier), Logistic Regression 모델로 구성하여 98%의 탐지율을 기록했다. 또한, 악성앱 패밀리 식별은 알고리즘 SVM과 GPC (Gaussian Process Classifier), GBC를 이용하여 multi-classifiers모델을 구현하였다. 학습된 패밀리 식별 머신러닝 모델은 악성코드패밀리를 92% 분류했다.

혼잡한 환경에 적합한 적응적인 배경모델링 방법 (Adaptive Background Modeling for Crowded Scenes)

  • 이광국;송수한;가기환;윤자영;김재준;김회율
    • 한국멀티미디어학회논문지
    • /
    • 제11권5호
    • /
    • pp.597-609
    • /
    • 2008
  • 기존의 배경 모델링 방법은 배경 모델의 반복적 갱신(recursive update)으로 인해 배경보다 객체가 더 자주 등장하는 혼잡한 환경에서는 정확한 배경 모델링을 생성하기 어려운 문제를 지니고 있다. 본 논문은 이러한 기존 방법의 문제를 해결하기 위해 기존의 혼합 Gaussian 모델을 기반으로 하는 적응적 배경 모델링 방법을 제안한다. 제안한 방법은 영상 내 전경 영역의 비율에 따라 배경 모델의 학습 비율을 적응적으로 조절한다. 따라서, 혼잡 상황에서는 배경 모델의 갱신을 억제하여 배경 모델을 잘 유지시키는 것이 가능하다. 실험을 통해 제안한 방법이 일반적인 상황의 영상에서는 기존 방법과 유사한 정확도를 보이지만 혼잡한 상황에서는 기존 방법과 비교하여 배경 제거를 효과적으로 수행하는 것을 확인하였으며, 또 정확도 측정 결과 혼잡한 상황의 영상에서 기존 방법과 비교하여 F 값이 5-10% 가량 향상함을 확인하였다.

  • PDF

기계학습을 이용한 다중물리해석 결과 예측 (Prediction of Multi-Physical Analysis Using Machine Learning)

  • 이근명;김기영;오웅;유성규;송병석
    • 전기전자학회논문지
    • /
    • 제20권1호
    • /
    • pp.94-102
    • /
    • 2016
  • 본 논문에서는 기계학습 알고리즘을 이용하여 다중물리(Multi-physics) 시뮬레이션의 반복 횟수를 획기적으로 줄일 수 있는 다중물리해석 예측 방법을 제안한다. 기존의 다중물리해석 시뮬레이션의 경우 소요되는 시간과 노력을 줄이기 위해 시뮬레이션 자체에 대한 방법과 환경 개선에 초점이 맞추어져 있으나 본 논문에서는 다중물리 시뮬레이션 결과를 기계학습 알고리즘으로 학습하여 추가적인 시뮬레이션을 수행하지 않고 학습된 기계학습 알고리즘을 사용하여 수십분에서 수시간에 걸리는 다중 물리 해석과 유사한 결과를 수초 내에 예측할 수 있음을 보였다. 기계학습 알고리즘 간의 성능을 비교하여 다중물리해석에 적합한 기계학습 알고리즘을 확인하였으며 가장 우수한 성능을 보인 가우시안 프로세스 회귀(Gaussian Process Regression)의 경우 100개 이하의 학습 샘플만으로도 우수한 예측 결과를 얻어낼 수 있음을 확인하였다. 제안하는 방식을 통해 시뮬레이션을 하고자 하는 모델의 형상이나 재질이 변경될 경우 기존의 시뮬레이션 결과로 학습된 알고리즘이 있다면 시뮬레이션을 반복 수행하기 전에 알고리즘을 이용하여 결과를 예측할 수 있어 시뮬레이션의 반복 횟수를 줄일 수 있을 것으로 기대한다.

최소 분류 오차 기법을 이용한 보이스 피싱 검출 알고리즘 (Voice-Pishing Detection Algorithm Based on Minimum Classification Error Technique)

  • 이계환;장준혁
    • 대한전자공학회논문지SP
    • /
    • 제46권3호
    • /
    • pp.138-142
    • /
    • 2009
  • 본 논문에서는 보이스 피싱 (Voice Pishing) 예방을 위한 알고리즘을 최소 분류 오차 기법 (Minimum Classification Error)을 기반으로 제한하다. 휴대폰으로 전송되어진 신호를 기반으로 3GPP2 Selectable Mode Vocoder (SMV)의 복호화 과정에서 자동적으로 추출되는 중요 특징벡터를 사용하여 Gaussian Mixture Model (GMM)을 구성하고 이를 기반으로 구해지는 로그(Log) 기반의 우도 (Likelihood)를 사용한 변별적 가중치 학습을 사용하여 보이스 피싱 예방을 위한 검출 알고리즘을 제안하다. 실험 결과 제안된 보이스 피싱 알고리즘이 기존의 방법에 비해 우수한 성능을 보인 것을 알 수 있었다.

Mura 검출을 위한 Model Fitting 및 Least Square Estimator의 비교 (Comparison of Model Fitting & Least Square Estimator for Detecting Mura)

  • 오창환;주효남;류근호
    • 제어로봇시스템학회논문지
    • /
    • 제14권5호
    • /
    • pp.415-419
    • /
    • 2008
  • Detecting and correcting defects on LCD glasses early in the manufacturing process becomes important for panel makers to reduce the manufacturing costs and to improve productivity. Many attempts have been made and were successfully applied to detect and identify simple defects such as scratches, dents, and foreign objects on glasses. However, it is still difficult to robustly detect low-contrast defect region, called Mura or blemish area on glasses. Typically, these defect areas are roughly defined as relatively large, several millimeters of diameter, and relatively dark and/or bright region of low Signal-to-Noise Ratio (SNR) against background of low-frequency signal. The aim of this article is to present a robust algorithm to segment these blemish defects. Early 90's, a highly robust estimator, known as the Model-Fitting (MF) estimator was developed by X. Zhuang et. al. and have been successfully used in many computer vision application. Compared to the conventional Least-Square (LS) estimator the MF estimator can successfully estimate model parameters from a dataset of contaminated Gaussian mixture. Such a noise model is defined as a regular white Gaussian noise model with probability $1-\varepsilon$ plus an outlier process with probability $varepsilon$. In the sense of robust estimation, the blemish defect in images can be considered as being a group of outliers in the process of estimating image background model parameters. The algorithm developed in this paper uses a modified MF estimator to robustly estimate the background model and as a by-product to segment the blemish defects, the outliers.

연속 잡음 음성 인식을 위한 다 모델 기반 인식기의 성능 향상에 대한 연구 (Performance Improvement in the Multi-Model Based Speech Recognizer for Continuous Noisy Speech Recognition)

  • 정용주
    • 음성과학
    • /
    • 제15권2호
    • /
    • pp.55-65
    • /
    • 2008
  • Recently, the multi-model based speech recognizer has been used quite successfully for noisy speech recognition. For the selection of the reference HMM (hidden Markov model) which best matches the noise type and SNR (signal to noise ratio) of the input testing speech, the estimation of the SNR value using the VAD (voice activity detection) algorithm and the classification of the noise type based on the GMM (Gaussian mixture model) have been done separately in the multi-model framework. As the SNR estimation process is vulnerable to errors, we propose an efficient method which can classify simultaneously the SNR values and noise types. The KL (Kullback-Leibler) distance between the single Gaussian distributions for the noise signal during the training and testing is utilized for the classification. The recognition experiments have been done on the Aurora 2 database showing the usefulness of the model compensation method in the multi-model based speech recognizer. We could also see that further performance improvement was achievable by combining the probability density function of the MCT (multi-condition training) with that of the reference HMM compensated by the D-JA (data-driven Jacobian adaptation) in the multi-model based speech recognizer.

  • PDF