• 한국전산구조공학회논문집
• /
• 제36권3호
• /
• pp.203-211
• /
• 2023

층상 반무한체에서의 확률론적 완전파형역산을 위한 Markov chain Monte Carlo (MCMC) 모사 기법을 정식화한다. Thin-layer method를 사용하여 조화 수직 하중이 작용하는 층상 반무한체의 지표면에서 추정된 동적 응답과 관측 데이터와의 차이 및 모델 변수의 사전 정보와의 차이를 최소화하도록 목적함수와 모델 변수의 사후 확률밀도함수를 정의한다. 목적함수의 기울기에 기반하여 MCMC 표본을 제안하기 위한 분포함수와 이를 수락 또는 거절할지 결정하는 수락함수를 결정한다. 기본 진동모드 뿐만이 아니라 고차 진동모드가 우세한 경우를 포함하여 다양한 층상 반무한체의 전단파 속도 추정에 제안된 MCMC 모사 기법을 적용하고 그 정확성을 검증한다. 제안된 확률론적 완전파형역산을 위한 MCMC 모사 기법은 층상 반무한체의 전단파 속도와 같은 재료 특성의 확률적 특성을 추정하는 데 적합함을 확인할 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (C)
• /
• pp.263-266
• /
• 2007

본 논문은 베이지안 통계 추론에 대하여 논의한다. 논문은 베이지안 추론, Markov Chain과 Monte Carlo 적분, MCMC(Markov Chain Monte Carlo) 기법, Metropolis-Hastings 알고리즘, Gibbs 샘플링, Maximum Likelihood Estimation, EM 알고리즘, 상실된 데이터 보완 기법, BMA(Bayesian Model Averaging) 순서로 논의를 진행한다. 이러한 통계적 기법들은 대용량의 데이터를 처리하는 생물학, 의학, 생명 공학, 과학과 공학, 그리고 일반 데이터 조사와 처리 등에 사용되고 있으며, 최적의 추론 결과를 이끌어 내는데 중요한 방법을 제공하고 있다. 그리고 마지막으로 PC(Principal Component) 분석 기법에 대하여 논의한다. PC 분석 기법도 데이터 분석과 연구에 많이 활용된다.

• 로봇학회논문지
• /
• 제7권2호
• /
• pp.113-119
• /
• 2012

In this paper we propose the method that detects moving objects in autonomous navigation vehicle using LRF sensor data. Object detection and tracking methods are widely used in research area like safe-driving, safe-navigation of the autonomous vehicle. The proposed method consists of three steps: data segmentation, mobility classification and object tracking. In order to make the raw LRF sensor data to be useful, Occupancy grid is generated and the raw data is segmented according to its appearance. For classifying whether the object is moving or static, trajectory patterns are analysed. As the last step, Markov chain Monte Carlo (MCMC) method is used for tracking the object. Experimental results indicate that the proposed method can accurately detect moving objects.

• 한국위성정보통신학회논문지
• /
• 제9권4호
• /
• pp.104-110
• /
• 2014

본 논문에서는 무인항공기인 방송용 멀티콥터를 이용한 Full-HD급 이상 화질의 이미지를 효율적으로 전송하기 위해 이미지 압축 센싱 기법을 적용하고, Sparse 신호의 효율적 복원을 위해 Turbo 알고리즘과 Markov chain Monte Carlo (MCMC) 알고리즘의 복원 성능을 모의실험을 통해 비교 분석하였다. 제안된 복원 기법은 압축 센싱에 기반하여 데이터 용량을 줄이고 빠르고 오류 없는 원신호 복원에 중점을 두었다. 다수의 이미지 파일로 모의실험을 진행한 결과 Loopy belief propagation(BP) 기반의 Turbo 복원 알고리즘이 Gibbs sampling기반 알고리즘을 수행하는 MCMC 알고리즘 보다 평균 복원 연산 시간, NMSE 값에서 우수하여 보다 효율적인 복원 방법으로 생각된다.

• Management Science and Financial Engineering
• /
• 제19권2호
• /
• pp.49-53
• /
• 2013

A Markov-chain Monte Carlo sampling algorithm samples a new point around the latest sample due to the Markov property, which prevents it from sampling from multi-modal distributions since the corresponding chain often fails to search entire support of the target distribution. In this paper, to overcome this problem, mode switching scheme is applied to the conventional MCMC algorithms. The algorithm separates the reducible Markov chain into several mutually exclusive classes and use mode switching scheme to increase mixing rate. Simulation results are given to illustrate the algorithm with promising results.

• 대한기계학회논문집A
• /
• 제40권10호
• /
• pp.895-900
• /
• 2016

리튬 이온 배터리의 잔존수명 추정은 품질보증, 운전계획, 교체주기 파악 등을 위해 활용된다는 점에서 그 필요성이 점점 커지고 있다. 본 논문에서는 에너지 저장 장치용 배터리의 잔존 수명을 단일지수 용량열화 모델과 마코프체인 몬테카를로(MCMC) 방법을 이용하여 추정한 결과를 제시한다. MCMC방법은 사전 정보가 제대로 주어지지 않았을 때, 추정결과가 모델 초기값과 입력 설정값에 따라 크게 변하게 되는 단점이 있어, 실제 현장에서 배터리 모델과 추정법에 익숙하지 않은 사용자가 활용하는데 어려움이 있다. 이러한 어려움을 극복하기 위해, 본 논문에서는 베이지안 추론법의 이론식을 전역 탐색하여 구한 이론값과 MCMC 추정값을 비교해서, 초기값과 설정값을 결정하는 과정을 제안한다.

• 한국안전학회지
• /
• 제32권3호
• /
• pp.54-59
• /
• 2017

This paper presents an efficient finite analysis model and a simulation-based reliability analysis method for stowage device system failure of a container crane with respect to lateral load. A quasi-static analysis model is introduced to simulate the nonlinear resistance characteristics and failure of tie-down and stowage pin, which are the main structural stowage devices of a crane. As a reliability analysis method, a subset simulation method is applied considering the uncertainties of later load and mechanical characteristic parameters of stowage devices. An efficient Markov chain Monte Carlo (MCMC) method is applied to sample random variables. Analysis result shows that the proposed model is able to estimate the probability of failure of crane system effectively which cannot be calculated practically by crude Monte Carlo simulation method.

• Structural Engineering and Mechanics
• /
• 제81권1호
• /
• pp.103-115
• /
• 2022

The prediction error variances for frequencies are usually considered as unknown in the Bayesian system identification process. However, the error variances for mode shapes are taken as known to reduce the dimension of an identification problem. The present study attempts to explore the effectiveness of Bayesian approach of model parameters updating using Markov Chain Monte Carlo (MCMC) technique considering the prediction error variances for both the frequencies and mode shapes. To remove the ergodicity of Markov Chain, the posterior distribution is obtained by Gaussian Random walk over the proposal distribution. The prior distributions of prediction error variances of modal evidences are implemented through inverse gamma distribution to assess the effectiveness of estimation of posterior values of model parameters. The issue of incomplete data that makes the problem ill-conditioned and the associated singularity problem is prudently dealt in by adopting a regularization technique. The proposed approach is demonstrated numerically by considering an eight-storey frame model with both complete and incomplete modal data sets. Further, to study the effectiveness of the proposed approach, a comparative study with regard to accuracy and computational efficacy of the proposed approach is made with the Sequential Monte Carlo approach of model parameter updating.

• 천문학회보
• /
• 제45권1호
• /
• pp.51.3-52
• /
• 2020

We present the status of the development of a Markov Chain Monte Carlo (MCMC) parameter estimation (PE) pipeline for compact binary coalescences (CBCs) with the Japanese KAGRA gravitational-wave (GW) detector. The pipeline is included in the KAGRA Algorithm Library (KAGALI). Basic functionalities are benchmarked from the LIGO Algorithm Library (LALSuite) but the KAGRA MCMC PE pipeline will provide a simpler, memory-efficient pipeline to estimate physical parameters from gravitational waves emitted from compact binaries consisting of black holes or neutron stars. Applying inspiral-merge-ringdown and inspiral waveforms, we performed simulations of various black hole binaries, we performed the code sanity check and performance test. In this talk, we present the situation of GW observation with the Covid-19 pandemic. In addition to preliminary PE results with the KAGALI MCMC PE pipeline, we discuss how we can optimize a CBC PE pipeline toward the next observation run.

• Journal of the Korean Statistical Society
• /
• 제31권1호
• /
• pp.77-91
• /
• 2002

This paper considers a functional regression model with truncated errors in explanatory variables. We show that the ordinary least squares (OLS) estimators produce bias in regression parameter estimates under misspecified models with ignored errors in the explanatory variable measurements, and then propose methods for analyzing the functional model. Fully parametric frequentist approaches for analyzing the model are intractable and thus Bayesian methods are pursued using a Markov chain Monte Carlo (MCMC) sampling based approach. Necessary theories involved in modeling and computation are provided. Finally, a simulation study is given to illustrate and examine the proposed methods.