• 한국수자원학회논문집
• /
• 제39권6호
• /
• pp.495-502
• /
• 2006

비매개변수적 빈도해석을 위해 제시되는 핵밀도함수 방법에서 내삽법은 외삽법보다 더 신뢰적이기 때문에 내삽법과 관련된 광역폭의 선택이 외삽 문제와 연관되는 핵함수의 선택보다 중요하다. 그러나, 재현기간이 자료구간보다 커지거나 또는 $200{\sim}500$년 빈도 발생과 같은 확률 값에 대한 추정을 하는 경우는 자료의 외삽이 중요한 문제이며 따라서 이에 따른 핵함수의 선택도 중요시된다. 핵함수에 따라서는 외삽에 대해 상대적으로 작거나 큰 값이 제시 될 수 있으므로 극치값 추정에는 어려운 점이 있다. 따라서 본 논문에서는 일반적으로 내삽 및 외삽에도 적합한 핵함수로 Modified Cauchy 핵함수를 제시하였다.

• 한국지능시스템학회논문지
• /
• 제22권4호
• /
• pp.454-459
• /
• 2012

Wenner의 4전극법으로 측정한 겉보기 대지저항률을 이용하여 대지저항률의 Kernel 함수를 추정할 수 있다. 이 때 커널함수를 추정하는 것은 비선형시스템을 푸는 과정으로 유도된다. 그러나 변수가 많은 비선형시스템은 해를 구하기가 쉽지 않다. 본 논문은 이 비선형시스템을 선형화하여 커널함수를 추정하는 방법을 제시한다. 마지막으로 제안한 방법을 평가하기 위하여 다양한 구조로 된 대지모델들을 시뮬레이션의 예로 사용한다.

• 한국인터넷방송통신학회논문지
• /
• 제9권2호
• /
• pp.1-6
• /
• 2009

많은 양의 데이터로부터 유용성있는 정보의 추출, 진단 및 예후에 대한 결정, 질병 치료의 응용 등은 바이오 인포머틱스(Bioinformatics)분야에서 매우 중요한 문제들이다. 본 논문에서는 암진단시스템에 적용하기위해 support vector machine을 위한 weogjted lernel fuction과 빠른 수렴성과 좋은 분류성능을 갖는 학습방법을 제안하였다. 제안된 kernel function에서 기본적인 kernel fuction의 weights는 암진단 학습단계에서 결정되고 분류단계에서 파리미터로 사용된다. 대장암 데이터와 같은 임상 데이터에 대한 실험결과에서 제안된 방법은 기존의 다른 kernel fuction들 보다 더 우수하고 안정적인 분류성능을 보여주었다.

• East Asian mathematical journal
• /
• 제19권1호
• /
• pp.49-61
• /
• 2003

We study the asymptotic boundary behavior of the Bergman kernel function on the diagonal, the Bergman metric and the holomorphic sectional curvatures of the Bergman metric in bounded strongly pseudoconvex domains.

• East Asian mathematical journal
• /
• 제26권1호
• /
• pp.9-23
• /
• 2010

In this paper we generalize large-update primal-dual interior point methods for linear optimization problems in [2] to the $P_*(\kappa)$ linear complementarity problems based on a new kernel function which includes the kernel function in [2] as a special case. The kernel function is neither self-regular nor eligible. Furthermore, we improve the complexity result in [2] from $O(\sqrt[]{n}(\log\;n)^2\;\log\;\frac{n{\mu}o}{\epsilon})$ to $O\sqrt[]{n}(\log\;n)\log(\log\;n)\log\;\frac{m{\mu}o}{\epsilon}$.

• 한국지능시스템학회논문지
• /
• 제11권9호
• /
• pp.817-821
• /
• 2001

본 논문은 분류 문제의 훈련 패턴으로부터 형성되는 커널 공간의 저밀도 표현을 가능하게 하는 커널 방법에 대한 새로운 학습방법론을 제안한다. 선형 판별 함수에 대한 기존의 학습법 중에서 이완 절차가 SVM(Support Vector Machine) 분류기와 동등하게 선형분리 가능 패턴분류 문제의 최대 마진 분리 초평면을 얻을 수 있다. 기존의 이완 절차는 지원 백터에 대한 필요 조건을 만족한다. 본 논문에서는 학습 중 지원 벡터를 확인하기 위한 충분 조건을 제시한다. 순차적 학습을 위하여 기존의 SVM을 확장하고 커널 판별함수를 정의한 후에 체계적인 학습방법을 제시한다. 실험 결과는 새 방법이 기존의 방법과 동등하거나 우수한 분류 성능을 갖고있음을 보여준다.

• Journal of applied mathematics & informatics
• /
• 제8권2호
• /
• pp.659-668
• /
• 2001

Let S(z) be a power series with operator coefficients such that multiplication by S(z) is an everywhere defined transformation in the square summable power series C(z). In this paper we show that there exists a reproducing kernel Krein space which is state space of extended canonical linear system with transfer function S(z). Also we characterize the reproducing kernel function of the state space of a linear system.

• Journal of applied mathematics & informatics
• /
• 제15권1_2호
• /
• pp.147-158
• /
• 2004

Sufficient conditions are given under which a generalized class of kernel-type estimators allows asymptotic approximation on the modulus of continuity. This generalized class includes sample distribution function, kernel-type estimator of density function, and an estimator that may apply to the censored case. In addition, an application is given to asymptotic normality of recursive density estimators of density function at an unknown point.

• Journal of the Korean Data and Information Science Society
• /
• 제18권3호
• /
• pp.767-772
• /
• 2007

A kernel machine is proposed as an estimating procedure for the linear and nonlinear Poisson regression, which is based on the penalized negative log-likelihood. The proposed kernel machine provides the estimate of the mean function of the response variable, where the canonical parameter is related to the input vector in a nonlinear form. The generalized cross validation(GCV) function of MSE-type is introduced to determine hyperparameters which affect the performance of the machine. Experimental results are then presented which indicate the performance of the proposed machine.

• Journal of the Korean Data and Information Science Society
• /
• 제20권4호
• /
• pp.749-755
• /
• 2009

Support vector classification (SVC) provides more complete description of the lin-ear and nonlinear relationships between input vectors and classifiers. In this paper. we propose the sparse kernel classifier to solve the optimization problem of classification with a modified hinge loss function and absolute loss function, which provides the efficient computation and the sparsity. We also introduce the generalized cross validation function to select the hyper-parameters which affects the classification performance of the proposed method. Experimental results are then presented which illustrate the performance of the proposed procedure for classification.