• 한국인터넷방송통신학회논문지
• /
• 제9권3호
• /
• pp.31-36
• /
• 2009

베이지안망은 불확실한 상황 하에서 영역지식을 표현하고 예측하기 위한 좋은 도구로 알려져 있다. 그러나 변수가 많아졌을 때 학습이 어렵고 시간의 요구량이 늘어나게 되어 효율적이고 신회도 높은 탐색에 문제가 있다. 이를 해결하기 위해서 노드의 순서를 정하여 효율적인 구조학습이 가능하도록 한다. 본 논문에서는 각 상황에 따른 확률의 엔트로피를 계산하여 다양한 변수간의 관계나 상호의존적인 상황에서도 오차를 줄이고 신뢰도를 높일 수 있는 효과적인 분류학습모델을 제시한다. 베이지안망 학습 방법 중 일반적으로 널리 알려져 있는 K2알고리즘에서 각 노드의 엔트로피 수치를 계산하여 엔트로피가 낮은 노드의 순서를 결정하여 결과적으로 빠른 시간 안에 최적화된 베이지안망의 모델을 구성하는 효율적인 학습모델을 제시한다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2005년도 추계 학술발표회 논문집
• /
• pp.59-65
• /
• 2005

We propose five Bayesian methods to estimate the cell expectation in an incomplete multi-way categorical table with nonignorable nonresponse mechanism. We study 3 Bayesian methods which were previously applied to one-way categorical tables. We extend them to multi-way tables and, in addition, develop 2 new Bayesian methods for multi-way categorical tables. These five methods are distinguished by different priors on the cell probabilities: two of them have the priors determined only by information of respondents; one has a constant prior; and the remaining two have priors reflecting the difference in the response mechanisms between respondent and non-respondent. We also compare the five Bayesian methods using a categorical data for a prospective study of pregnant women.

• 디지털융복합연구
• /
• 제13권10호
• /
• pp.353-358
• /
• 2015

어휘 인식 시스템은 학습 모델을 구성하여 인식하므로 구성되어진 모델에서 벗어난 어휘의 입력과 유사한 어휘의 입력은 인식하지 못하거나 유사한 어휘로 인식되어 인식률 저하가 나타난다. 이런 경우 인식 모델을 확장할 수 있도록 재구성하거나 인식 모델 구성 시 확장성을 반영하므로 해결할 수 있다. 본 논문에서는 모델 구성 시 확장성을 반영할 수 있는 모수 추정을 위한 베이시안 기법을 사용하여 바타차랴 알고리즘 음성 인식 학습 모델 구성 방법을 융합하여 제안하였다. 음소가 갖는 특징을 기반으로 학습 데이터의 음소에 모수 추정을 위한 베이시안 기법을 이용하였고 유사한 학습 모델은 바타챠랴 알고리즘을 이용하여 정확한 학습 모델로 인식하도록 하였다. 바타챠랴 알고리즘 인식 모델을 구성하여 인식 성능을 평가하였다. 본 논문에서 제안한 시스템을 적용한 결과 어휘 인식률에서 97.5%의 인식률과 1.2초의 학습 시간을 나타내었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권11호
• /
• pp.775-784
• /
• 2002

DNA chip 기술에 의해 얻어지는 마이크로어레이(microarray) 데이타는 세포나 조직 내의 수천 개 유전자의 발현도(expression level)를 한번에 측정한 것으로, 유전자 발현 양상에 기반한 암의 진단, 유전자의 기능 예측 등에 이용되고 있다. 다양한 데이타 분석 기법들 중 베이지안망(Bayesian network)은 데이타의 각 속성들간의 관계를 그래프 형태로 표현할 수 있는 특징을 가지고 있다. 이는 마이크로어레이 데이타의 분석을 통해 여러 유전자와 조직의 특성(암의 종류 등) 사이의 관계를 밝히는데 유용하다 하지만 대부분의 마이크로어레이 데이타는 sparse data로 베이지안망을 비롯한 각종 분석 기법의 적용을 어렵게 하고 있다. 본 논문에서는 베이지안망에 기반한 마이크로어레이 데이타 분석을 위해 효율적 구조 학습 알고리즘과 데이타 차원 축소를 이용한다. 제시되는 분석법은 실제 마이크로어레이 데이타인 NC160 data set에 적용되었으며, 그 유용성은 데이타로부터 학습된 베이지안망이 실제 생물학적으로 알려진 사실들을 어느 정도 정확하게 표현하는지에 의해 평가되었다.

• 한국통신학회논문지
• /
• 제36권1A호
• /
• pp.49-57
• /
• 2011

Random access method for Wibro system is proposed using the Bayesian Technique, which can estimate the number of bandwidth request messages in a frame only based on the number of successful slots. The performance measures such as the maximum average throughput, the mean delay time and the collision ratio are investigated to evaluate the performance of the proposed method. The proposed method shows better performance than the binary exponential backoff algorithm used currently.

• Communications for Statistical Applications and Methods
• /
• 제14권1호
• /
• pp.111-119
• /
• 2007

In this paper, we develop a nonparametric Bayesian methodology of estimating an unknown distribution function F at the given survival time with current status data under the assumption of Dirichlet process prior on F. We compare our algorithm with the nonparametric maximum likelihood estimator through application to simulated data and real data.

• 품질경영학회지
• /
• 제29권1호
• /
• pp.11-23
• /
• 2001

This paper is concerned with suggesting a Bayesian method for variable selection in multinomial logit model. It is based upon an optimal rule suggested by use of Bayes rule which minimizes a risk induced by selecting the multinomial logit model. The rule is to find a subset of variables that maximizes the marginal likelihood of the model. We also propose a Laplace-Metropolis algorithm intended to suggest a simple method forestimating the marginal likelihood of the model. Based upon two examples, artificial data and empirical data examples, the Bayesian method is illustrated and its efficiency is examined.

• Structural Engineering and Mechanics
• /
• 제47권3호
• /
• pp.361-381
• /
• 2013

A Bayesian probabilistic method is proposed for online estimation of the process noise and measurement noise parameters for Kalman filter. Kalman filter is a well-known recursive algorithm for state estimation of dynamical systems. In this algorithm, it is required to prescribe the covariance matrices of the process noise and measurement noise. However, inappropriate choice of these covariance matrices substantially deteriorates the performance of the Kalman filter. In this paper, a probabilistic method is proposed for online estimation of the noise parameters which govern the noise covariance matrices. The proposed Bayesian method not only estimates the optimal noise parameters but also quantifies the associated estimation uncertainty in an online manner. By utilizing the estimated noise parameters, reliable state estimation can be accomplished. Moreover, the proposed method does not assume any stationarity condition of the process noise and/or measurement noise. By removing the stationarity constraint, the proposed method enhances the applicability of the state estimation algorithm for nonstationary circumstances generally encountered in practice. To illustrate the efficacy and efficiency of the proposed method, examples using a fifty-story building with different stationarity scenarios of the process noise and measurement noise are presented.

• Communications for Statistical Applications and Methods
• /
• 제22권6호
• /
• pp.557-573
• /
• 2015

In this paper we develop a Bayesian inference for a multiplicative double seasonal autoregressive (DSAR) model by implementing a fast, easy and accurate Gibbs sampling algorithm. We apply the Gibbs sampling to approximate empirically the marginal posterior distributions after showing that the conditional posterior distribution of the model parameters and the variance are multivariate normal and inverse gamma, respectively. The proposed Bayesian methodology is illustrated using simulated examples and real-world time series data.

• Communications for Statistical Applications and Methods
• /
• 제13권3호
• /
• pp.621-633
• /
• 2006

In this paper, we estimate multiple change-points when the data follow the normal distributions in the Bayesian way. Evolutionary Monte Carlo (EMC) algorithm is applied into general Bayesian model with variable-dimension parameters and shows its usefulness and efficiency as a promising tool especially for computational issues. The method is applied to the humidity data of Seoul and the final model is determined based on BIC.