• 공학논문집
• /
• 제3권1호
• /
• pp.65-73
• /
• 1998

영상복원법 중에는 복원하고자 하는 원 영상의 화소밝기분포가 부분적으로 평탄하다는 가정을 한 부가적인 Gibbs 사전정보를 포함하는 방법이 있다. 이 경우 Gibbs 사전정보를 표현하기 위해 원 영상의 화소밝기를 나타내는 실변수 뿐 아니라 경계를 정의하는 이진변수를 포함하는 에너지 함수를 정의하게 된다. 그러나, 이러한 실변수와 이진변수의 복합형태가 존재할 경우 이들을 동시에 추정하는 것은 매우 어려운 것으로 알려져 있다. 본 연구에서는 deterministic annealing 방법의 응용을 고찰하기로 한다. Deterministic annealing 방법은 다른 방법과 달리 실수 값을 취하는 변수 및 이진변수가 복합형태로 존재하는 문제를 다루는데 있어서 매우 원리적이고 효율적인 방법을 제공한다. 이 방법에서는 복합형태를 취하는 원 함수에 근접하도록 하는 일련의 함수들을 정의하게 되는데, 이때 새로운 일련의 함수들은 실변수만을 취하도록 변환된다. 일련의 함수 중 개개의 함수는 조종파라미터(냉각시 온도에 해당)에 의해 지정된다. 고온에서의 에너지 함수는 저온에서의 에너지와 유사하나 좀더 완만한 형태를 취하게 된다. 따라서, 온도를 서서히 낮추면서 고온에서의 에너지 함수를 저온에서의 에너지 함수로 변환시켜 감으로써 에너지 함수를 최소화하는 작업이 용이해 진다. 이것이 연속방법의 핵심이다. 본 논문에서는 이러한 연속방법을 Bayesian 영상복원 모델에 적용하여 그 성능을 실험을 통해 검증한다.

• 한국정보처리학회논문지
• /
• 제6권8호
• /
• pp.2060-2071
• /
• 1999

소프트웨어 시스템이 복잡해지면 고장의 원인이 하나의 강도함수에 의해서만 일어나지 않고 여러 원인이 중첩되어 발생할 수 있다. 이러한 복잡한 시스템에 의한 우도함수의 계산상의 어려움 때문에 반복표본을 이용하는 깁스 샘플링 기법이 고려되었다. 관찰된 고장시점은 중첩모형으로 표현이 가능한 잠재(latent)변수들을 이용하여 깁스 알고리즘을 적용하였다. 단순모형과 중첩모형의 비교를 위해 사후베이즈 요인과 상대오차의 합을 이용하여 모형선택을 시도하였다. 수치적인 예에서 GOS 속성을 가진 Goel-Okumoto 모형과 Weibull 모형을 선택하고 NHPP의 자료는 Lewis와 Shedler[25]에 의해 제시된 Thining 알고리즘을 이용하여 발생된 자료를 이용하고 사전분포는 상대적으로 확산분포(diffuse priors)를 이용한 모수추정과 사후베이즈요인과 상대오차를 이용한 모형선택을 한 결과 단순모형들 보다 중첩모형이 좋은 형으로 간주할 수 있음을 보여 주었다.

• Asian-Australasian Journal of Animal Sciences
• /
• 제24권3호
• /
• pp.330-335
• /
• 2011

The mode of inheritance of total milk yield and its genetic parameters were investigated in Churra dairy sheep through segregation analyses using a Monte Carlo Markov Chains (MCMC) method. Data which consisted of 7,126 lactations belonging to 5,154 ewes were collected between 1999 and 2002 from 15 Spanish Churra dairy flocks. A postulated major gene was assumed to be additive and priors used for variance components were uniform. Based on 50 000 Gibbs samples from ten replicates chains of 100,000 cycles, the estimated marginal posterior means${\pm}$posterior standard deviations of variance components of milk yield were $23.17{\pm}18.42$, $65.20{\pm}25.05$, $120.40{\pm}42.12$ and $420.83{\pm}40.26$ for major gene variance ($\sigma_G^2$), polygenic variance ($\sigma_u^2$), permanent environmental variance ($\sigma_{pe}^2$) and error variance ($\sigma_e^2$), respectively. The results of this study showed the postulated major locus was not significant, and the 95% highest posterior density regions ($HPDs_{95%}$) of most major gene parameters included 0, and particularly for the major gene variance. The estimated transmission probabilities for the 95% highest posterior density regions ($HPDs_{95%}$) were overlapped. These results indicated that segregation of a major gene was unlikely and that the mode of inheritance of total milk yield in Churra dairy sheep is purely polygenic. Based on 50,000 Gibbs samples from ten replicates chains of 100,000 cycles, the estimated polygenic heritability and repeatability were $h^2=0.20{\pm}0.05$ and r=$0.34{\pm}0.06$, respectively.

• 응용통계연구
• /
• 제27권6호
• /
• pp.1069-1076
• /
• 2014

기후 온난화의 한 현상으로 받아들여지는 집중호우로 인한 관심이 늘어난 만큼 강우량에 대한 예측 모형이 필요하다. 이러 환경 문제를 다룰 때, 모형을 설정하는 방법 중에 하나로 일반화 파레토 모형을 활용하는 연구가 이루어지고 있다. 본 논문에서는 서울특별시에 대한 1973년부터 2011년까지 매 7월 일별강우량 자료를 가지고 일반화 파레토 모형을 사용하여 강우량의 임계값(70mm) 이상의 분포가 어떻게 되는지 연구한다. 모수의 사전분포는 감마분포랑 역감마분포를 정의하고, 또는 제프리의 정보가 없는 사전분포를 두고, 깁스 표본방법을 통해 베이지안 사후예측분포를 구하고 얻어진 결과를 비교해 본다.

• 응용통계연구
• /
• 제37권1호
• /
• pp.103-118
• /
• 2024

Horseshoe 사전분포는 희박 회귀 분석에서 가장 자주 사용되는 사전분포 중 하나이다. Horseshoe 사전분포는 탐험해야 할 모수공간이 spike and slab 사전분포보다 작다는 장점이 있으나 MCMC 단계 당 시간이 오래 걸린다는 단점이 있다. 이로 인해 horseshoe 사전분포를 고차원 데이터 분석으로 확장하는 것은 한계가 존재한다. 이러한 한계를 극복하기 위해 horseshoe 사전분포에 대한 MCMC 알고리듬들이 많이 제안되었으며, 특히 최근 Johndrow 등 (2020)은 빠른 계산을 위한 근사 알고리듬을 제안하였다. 본 논문에서는 horseshoe 사전분포에 대한 (1) 전통적인 MCMC 알고리듬, (2) 근사 알고리듬 그리고 (3) 근사 알고리듬의 변형 알고리듬의 성능을 다양한 모의실험을 통해 비교하려 한다. 성능은 계산 시간, 회귀계수 추정 및 변수선택을 중심으로 비교한다. 이때 변수선택을 위해 Li와 Pati (2017)에서 제안한 horseshoe 사전분포 기반 변수선택법을 고려한다.