• Communications for Statistical Applications and Methods
• /
• 제12권3호
• /
• pp.743-758
• /
• 2005

This paper consider penalized likelihood regression with data from exponential family. The fast computation method applied to Gaussian data(Kim and Gu, 2004) is extended to non Gaussian data through asymptotically efficient low dimensional approximations and corresponding algorithm is proposed. Also smoothing parameter selection is explored for various exponential families, which extends the existing cross validation method of Xiang and Wahba evaluated only with Bernoulli data.

• Asia pacific journal of information systems
• /
• 제11권1호
• /
• pp.61-73
• /
• 2001

Predicting a variable using other variables in a large data set is a very difficult task. It involves selecting variables to include in a model and determining the shape of the relationship between variables. Nonparametric regression such as smoothing splines and neural networks are widely-used methods for such a task. We propose an alternative method based on a genetic algorithm(GA) to solve this problem. We applied GA to regression splines, a nonparametric regression method, to estimate functional forms between variables. Using several simulated and real data, our technique is shown to outperform traditional nonparametric methods such as smoothing splines and neural networks.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2005년도 춘계 학술발표회 논문집
• /
• pp.215-219
• /
• 2005

We consider penalized likelihood regression with exponential family responses. Parallel to recent development in Gaussian regression, the fast computation through asymptotically efficient low-dimensional approximations is explored, yielding algorithm that scales much better than the O($n^3$) algorithm for the exact solution. Also customizations of the direct cross-validation strategy for smoothing parameter selection in various distribution families are explored and evaluated.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1991년도 학술발표회 논문집
• /
• pp.7-10
• /
• 1991

In a text-to-speech system, sound units (phonemes, words, or phrases, etc.) can be concatenated together to produce required utterance. The quality of the resulting speech is dependent on factors including the phonological/prosodic contour, the quality of basic concatenation units, and how well the units join together. Thus although the quality of each basic sound unit is high, if occur the discontinuity in the concatenation part then the quality of synthesis speech is decrease. To solve this problem, a smoothing operation should be carried out in concatenation parts. But a major problem is that, as yet, no method of parameter smoothing is available for joining the segment together. Thus in this paper, we proposed a new aigorithm that smoothing the unnatural discountinuous parts which can be occured in speech waveform editing. This algorithm used the exponential smoothing method.

• 한국전자파학회논문지
• /
• 제27권6호
• /
• pp.545-556
• /
• 2016

JPDAF(Joint Probabilistic Data Association Filter)는 다중표적 추적에서 존재하는 표적에서 측정값들이 유래되었을 사후 확률을 이용하여 표적의 상태 추정치에 대한 갱신을 진행하는 방식이다. 이러한 JPDAF 방식에 고정구간 평활화(fixed-interval smoothing)기법을 적용하여 얻은 JPDAS(Joint Probabilistic Data Association Smoothing) 방식을 기반으로 이 논문에서는 모탄에서 분리되어 낙하하는 다수의 자탄에 대한 다중표적 추적알고리즘을 제안하였다. 독립적으로 JPDAF와 JPDAS를 이용한 다중표적 추적알고리즘을 100번 수행하여 얻은 표적의 상태 추정치와 표적의 실제 상태의 차이의 평균으로 두 다중표적 추적알고리즘의 성능을 비교하였다. 이를 기반으로, 제안한 JPDAS가 JPDAF보다 레이다의 표적 추적 문제에 대한 성능이 좋음을 보여주는 시뮬레이션 결과들이 제시되었다.

• 한국게임학회 논문지
• /
• 제7권2호
• /
• pp.33-40
• /
• 2007

스무딩(Smoothing)은 가변 비트율로 저장된 비디오 데이터를 고정 비트율로 변환하는 전송 계획이다. 이러한 스무딩 알고리즘들에는 CBA, MCBA, MVBA 알고리즘 등이 있다. 그러나 이 알고리즘들에서는 서버에서 제공할 수 있는 여분의 대역폭의 크기를 고려하지 않아서 서버에서 비디오 데이터를 보다 많은 클라이언트들에게 제공하는 것을 어렵게 할 수 있다. 본 논문에서는 제한된 네트워크 대역폭을 갖는 동영상 서버에서 보다 많은 클라이언트들에게 비디오 데이터를 제공할 수 있게 하기 위하여 전송률 감소량(증가량)이 최대(최소)로 하는 스무딩 알고리즘을 제안한다. 제안 알고리즘의 성능을 평가하기 위하여 여러 가지 평가 요소를 사용하였으며, 제안 알고리즘은 기존의 다른 알고리즘들과 비교하여 최대 클라이언트 서비스 개수, 평균 클라이언트 서비스 개수 등과 같은 평가 요소에서 우수함을 보였다.

• 사물인터넷융복합논문지
• /
• 제9권2호
• /
• pp.11-17
• /
• 2023

스무딩은 압축되어 저장된 비디오 데이터에 대해 동일한 전송률로 보낼 수 있는 프레임들의 구간으로 구성되는 전송 계획을 세우는 것을 말한다. 스무딩 알고리즘은 전송률 변화 횟수, 전송률 증가 횟수, 전송률 증가량을 최소화하기 위해 다양한 알고리즘들이 연구되어졌다. 본 연구는 서버 대역폭이 제한적인 환경에서 서버에서 확보할 여분의 대역폭의 크기를 최대화하기 위하여 전송률의 증가가 요구되는 경우에는 전송률 증가량을 최소화하고 전송률 감소가 요구되는 경우에는 전송률 증가량을 최대화하는 스무딩 알고리즘에 대한 성능 평가이다. 서버에서 이용할 수 있는 가용전송률과 버퍼 크기를 다양하게 설정하고 재생률 변화횟수, 최소 재생률, 평균 재생률, 재생률 변화량으로 평가한다. 비교 결과, 제안 알고리즘은 평균 재생률, 재생률 변화량에서 우수함을 보였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 The Third Asian Fuzzy Systems Symposium
• /
• pp.75-79
• /
• 1998

It is well known that traveling salesman problem (for short, TSP) is one of mot important problems for optimization, and almost all optimization problems result in TSP. This paper describes on an effective solution of TSP using genetic algorithm. The features of our method are summarized as follows : (1) By using division and unification method, a large problem is replaced with some small ones. (2) Smoothing method proposed in this paper enables us to obtain a fine approximate solution globally. Accordingly, demerits caused by division and unification method are decreased. (3) Parallel operation is available because all divided problems are independent of each other.

• 한국군사과학기술학회지
• /
• 제13권2호
• /
• pp.171-179
• /
• 2010

A fundamental technology of UGV(Unmanned Ground Vehicle) to perform a given mission with success in various environment is a path planning method which generates a safe and optimal path to the goal. In this paper, we suggest a local path-planning method of UGV based on the binary map using world model data which is gathered from terrain perception sensors. In specially, we present three core algorithms such as shortest path computation algorithm, path optimization algorithm and path smoothing algorithm those are used in the each composition module of LPP component. A simulation is conducted with M&S(Modeling & Simulation) system in order to verify the performance of each core algorithm and the performance of LPP component with scenarios.

• 전자공학회논문지C
• /
• 제34C권6호
• /
• pp.71-78
• /
• 1997

In this paper, a new neural network training algorithm will be devised for function approximator with good generalization characteristics and tested with the time series prediction problem using santaFe competition data sets. To enhance the generalization ability a constraint term of hidden neuraon activations is added to the conventional output error, which gives the curvature smoothing characteristics to multi-layer neural networks. A hybrid learning algorithm of the error-back propagation and Hebbian learning algorithm with weight decay constraint will be naturally developed by the steepest decent algorithm minimizing the proposed cost function without much increase of computational requriements.