본 논문에서는 극치수문자료의 경향성 분석 개념을 소개하고 이를 빈도해석과 연계시켜 해석하는 방법론을 제시하고자 Gumbel 극치분포를 기반으로, 시간변화에 의한 수문빈도 특성 변화를 모의할 수 있는 Bayesian 모형을 구성하였다. 사후분포의 매개변수는 깁스표본법에 의한 Markov Chain Monte Carlo Simulation을 통해 추정하였으며, 이를 통해 경향성을 고려한 확률강우량과 불확실성 구간을 추정하였다. 또한 경향성을 고려한 확률강우량이 현재 알려진 확률강우량을 초과할 확률을 통해 동적 위험도 해석과정을 소개하였으며, 현재의 경향성에 대해서 시간에 따라 연속으로 추정된 확률밀도함수를 비교하여 수문학적 위험도가 증가할 수 있음을 모의결과를 통해 확인하였다. 이와 더불어 단순히 경향성의 존재여부를 확인하는데 그치지 않고 사후분포를 통해서 통계적 추론을 수행함으로써 경향성에 대한 통계학적인 유의성을 정량적으로 평가할 수 있었다.
Uninterrupted power supply has become indispensable during the maintenance task of active electric power lines as a result of today's highly information-oriented society and increasing demand of electric utilities. The maintenance task has the risk of electric shock and the danger of falling from high place. Therefore it is necessary to realize an autonomous robot system using electro-hydraulic manipulator because hydraulic manipulators have the advantage of electric insulation. Meanwhile it is relatively difficult to realize autonomous assembly tasks particularly in the case of manipulating flexible objects such as electric lines. In this report, a discrete event control system is introduced for automatic assembly task of electric lines into sleeves as one of the typical task of active electric power lines. In the implementation of a discrete event control system, LVQNN (linear vector quantization neural network) is applied to the insertion task of electric lines to sleeves. In order to apply these proposed control system to the unknown environment, virtual learning data for LVQNN is generated by fuzzy inference. By the experimental results of two types of electric lines and sleeves, these proposed discrete event control and neural network learning algorithm are confirmed very effective to the insertion tasks of electric lines to sleeves as a typical task of active electric power maintenance tasks.
변동성은 최근 경제가 급변하면서 옵션의 가격 결정과 자산의 위험관리에서 그 중요성이 더 커지고 있다. 이러한 변동성은 분산을 지칭하며, 위험(risk)을 측정하는 수단이 되므로 정확한 추정과 예측이 매우 필요하다. 본 논문에서는 변동성에 대한 모형으로 오차항이 ARMA(p, q)-GARCH(r, s) 모형을 따르는 회귀모형을 설정하고, 이 모형의 모수에 대해 베이지안 추정법을 제시하였다. 또한 평균과 분산(변동성)에 대한 예측값을 구하고 이에 대한 베이지안 구간추정을 하였다. 이를 500개의 모의실험 자료를 통해 최우추정법과 비교하였다. 뿐만 아니라, 베이지안 방법을 이용하여 Frequentist의 관점에서는 구하기 어려운 GARCH 모형에서의 일종의 단위근이 존재할 확률을 구하였다.
Journal of Advanced Marine Engineering and Technology
/
제40권2호
/
pp.131-137
/
2016
In reliability analysis, it is quite common for the failure of any individual or item to be attributable to more than one cause. Moreover, observed data are often censored. Recently, progressive hybrid censoring schemes have become quite popular in life-testing problems and reliability analysis. However, a limitation of the progressive hybrid censoring scheme is that it cannot be applied when few failures occur before time T. Therefore, generalized progressive hybrid censoring schemes have been introduced. In this article, we derive the likelihood inference of the unknown parameters under the assumptions that the lifetime distributions of different causes are independent and exponentially distributed. We obtain the maximum likelihood estimators of the unknown parameters in exact forms. Asymptotic confidence intervals are also proposed. Bayes estimates and credible intervals of the unknown parameters are obtained under the assumption of gamma priors on the unknown parameters. Different methods are compared using Monte Carlo simulations. One real data set is analyzed for illustrative purposes.
International Journal of Computer Science & Network Security
/
제22권10호
/
pp.171-176
/
2022
A dramatic rise in the number of people dying from heart disease has prompted efforts to find a way to identify it sooner using efficient approaches. A variety of variables contribute to the condition and even hereditary factors. The current estimate approaches use an automated diagnostic system that fails to attain a high level of accuracy because it includes irrelevant dataset information. This paper presents an effective neural network with convolutional layers for classifying clinical data that is highly class-imbalanced. Traditional approaches rely on massive amounts of data rather than precise predictions. Data must be picked carefully in order to achieve an earlier prediction process. It's a setback for analysis if the data obtained is just partially complete. However, feature extraction is a major challenge in classification and prediction since increased data increases the training time of traditional machine learning classifiers. The work integrates the CNN-MDRP classifier (convolutional neural network (CNN)-based efficient multimodal disease risk prediction with TANFIS (tuned adaptive neuro-fuzzy inference system) for earlier accurate prediction. Perform data cleaning by transforming partial data to informative data from the dataset in this project. The recommended TANFIS tuning parameters are then improved using a Laplace Gaussian mutation-based grasshopper and moth flame optimization approach (LGM2G). The proposed approach yields a prediction accuracy of 98.40 percent when compared to current algorithms.
본 연구에서는 도로 위험 탐지를 위한 데이터 편향성 최적화 기반 연관 추론 모델을 제안한다. 이는 사용자의 개인적 특성과 주변 환경 데이터를 수집하고 교통사고 방지 서비스를 제공하기 위한 연관분석 기반의 마이닝 모델이다. 이는 다양한 상황 변수들로 구성된 트랜잭션 데이터를 생성한다. 생성된 정보를 바탕으로 연관 패턴 분석을 통해 각 트랜잭션 내 변수들의 유의미한 연관관계를 도출한다. 분류된 범주형 데이터의 편향성을 고려하여 최적화된 지지도 및 신뢰도 값으로 가지치기를 진행한다. 추출된 상위 연관규칙을 바탕으로 사용자에게 개인 특성과 주행 도로 상황에 대한 위험 탐지모델을 제공한다. 이는 데이터 편향성 문제를 극복하고 데이터간 연관성을 고려하여 잠재적인 도로 사고를 예방하는 교통 서비스가 가능하다. 성능 평가는 제안하는 방법이 정확도에서 0.778, Kappa 계수에서 0.743로 우수하게 평가된다.
우리나라는 기상관측 이래 연평균 강수량과 변동성은 점진적으로 증가하는 추세이고, 지역 간 편차가 크다. 또한, 최근의 이상기후로 인하여 재해에 대한 위험도가 증가되고 있는 실정이다. 풍수해의 피해는 주로 하천주변에서 발생하기 때문에 하천기본계획을 수립하기 위해서는 우선적으로 적정한 설계빈도를 결정하는 과정이 반드시 필요하다. 본 연구에서는 설계빈도 결정에 대한 기존 방법론을 분석하여 문제점 및 개선 방향에 대해 제시하였다. 충청남도에 위치한 지방하천 중 자료구축이 가능한 하천인 413개소를 대상으로, 7개의 평가인자(유역면적, 형상계수, 하도경사, 수계차수, 배수영향 구간, 이상강우 발생빈도, 시가화 침수면적)를 선정하고, 베이지안 추론을 통해 가중치를 산정하였다. 그 결과, 이상강우 발생빈도 및 시가화 침수면적의 가중치가 각각 18로 가장 크게 산정되어, 하천 설계빈도 결정에 큰 영향을 미치는 것으로 판단된다. 이러한 가중치를 통해 설계 빈도를 추정한 결과, 기수립 설계빈도보다 본 연구에서 추정된 설계빈도가 증가하는 하천은 255개이고 감소하는 하천은 158개로 나타났다.
해상에서 잠수함을 마주하는 급박한 상황에서 올바르게 상황을 판단하는 것은 매우 중요하다. 지휘관의 잘못된 판단으로 한순간에 아군을 전멸로 몰고 갈 수 있기 때문이다. 이러한 위급한 상황에서 인간 지휘관을 대신하여 적합한 전술을 생성하고 효과도를 분석하기 위하여 기존에 지능 에이전트와 유전 알고리즘을 사용한 연구가 진행된 바 있다. 본 연구에서는 각 함정 및 잠수함에 추론엔진 기반의 에이전트를 적용하고, 각 에이전트에 유전 알고리즘 기반의 규칙을 적용하여 변화하는 상황에 적응하여 최적의 전술이 도출될 수 있도록 하였다. 그리고 간단한 시뮬레이션을 통해서 적 잠수함의 성능에 따른 아군의 위험도를 분석해보고 그에 따른 적합한 전술을 유전알고리즘을 사용하여 생성하였다. 또한 생성된 전술들에 대해서 평가해 보고 왜 그런 결과가 나오게 되었는지 분석하였다.
정보통신의 발전, 특히 무선인터넷 기술과 스마트폰의 보급에 따라 디지털 데이터가 증가하면서, 온라인 빅데이터 개인정보 문제 즉, 개인 민감정보의 온라인 노출과 이로 인한 프라이버시 침해에 대한 우려 역시 높아지고 있다. 본 논문은 포털 서비스를 중심으로 국내 인터넷 환경에 공개된 온라인 빅데이터의 개인정보 침해 현황에 대한 분석을 수행하고 프라이버시 침해 가능성을 평가하기 위한 척도를 제시하였다. 이를 위하여 본 연구팀은 포털 사이트에서 제공하는 서비스 컨텐츠 중 약 5천만건의 사용자 게시글을 수집하여 개인정보에 해당하는 정보를 추출하고, 추출된 개인 정보를 기반으로 각 사용자의 ID가 부분 익명화 되었음에도 개인을 특정할 수 있는 신상 정보가 노출될 수 있음을 확인하였다. 또한 부분 익명화된 ID를 사용하여 서비스간 개인 정보의 연결 가능성과 개인 신상 정보 노출 수준을 반영한 위험도 측정 척도를 제안하였다.
2005년도 국민건강영양조사에 의하면 우리나라 30세 이상의 인구에서 남자는 32.9%, 여자는 31,8%에서 대사증후군이 있는 것으로 보고되었다. 이러한 대사증후군은 유전적, 환경적 요인이 결합된 복합질환으로 다른 만성질환들과 같이 예방 및 관리에 중요성이 대두되고 있다. 본 연구에서는 시스템 아키텍처, 온톨로지와 Jena2.0 추론엔진을 사용하며 질병관련 가이드라인을 정리한 데이터를 통하여 서비스를 제안하였다. 본 논문에서는 상황에 따른 정확도 실험을 하였으며, 실험데이터는 930개의 데이터를 선별하여 실시하였다. 그 결과 상황데이터가 많을수록 맞춤형 서비스가 가능하다는 결과를 얻었으며, 대사증후군의 위험요소가 다양하기 때문에 여러 가지 상황데이터로서 맞춤형 서비스를 추천하는 것이 효과적으로 보인다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.