• Communications for Statistical Applications and Methods
• /
• 제9권1호
• /
• pp.155-166
• /
• 2002

Neural networks have been studied as a popular tool for classification and they are very flexible. Also, they are used for many applications of pattern classification and pattern recognition. This paper focuses on Bayesian approach to feed-forward neural networks with single hidden layer of units with logistic activation. In this model, we are interested in deciding the number of nodes of neural network model with p input units, one hidden layer with m hidden nodes and one output unit in Bayesian setup for fixed m. Here, we use the latent variable into the prior of the coefficient regression, and we introduce the 'sequential step' which is based on the idea of the data augmentation by Tanner and Wong(1787). The MCMC method(Gibbs sampler and Metropolish algorithm) can be used to overcome the complicated Bayesian computation. Finally, a proposed method is applied to a simulated data.

• 정보처리학회논문지D
• /
• 제11D권6호
• /
• pp.1269-1276
• /
• 2004

본 논문에서는 기존의 소프트웨어 신뢰성 모형인 Goel-Okumoto 모형과 Yamada-Ohba-Osaki 모형을 재조명하고 또, 랄리 분포를 이용한 랄리 모형을 적용하여 모수 추정방법을 연구하였다. 본 연구에서는 기존의 최우추정법과 잠재변수를 도입하여 깁스 샘플링(Gibbs sampling)을 이용한 베이지안 모수추정 방법을 비교하고 그 특징을 분석하고자 한다. 또, 효율적 모형을 위한 모형선택으로서 잔차제곱합(Sum of the squared errors ; SSE)과 Braun 통계량을 적용하여 모형들에 대한 효율성 입증방법을 설명하였다. 그리고 수치적인 예로서 실제 자료를 이용한 수치 견과를 나열하였다. 이 접근방법을 기초로 하여 수명분포가 중첩(Superposition) 및 혼합(Mixture)인 경우에 대한 접근방법이 연구되었으면 한다.