• Asian Pacific Journal of Cancer Prevention
• /
• 제15권2호
• /
• pp.663-669
• /
• 2014

Background: With recent progress in health science administration, a huge amount of data has been collected from thousands of subjects. Statistical and computational techniques are very necessary to understand such data and to make valid scientific conclusions. The purpose of this paper was to develop a statistical probability model and to predict future survival times for male breast cancer patients who were diagnosed in the USA during 1973-2009. Materials and Methods: A random sample of 500 male patients was selected from the Surveillance Epidemiology and End Results (SEER) database. The survival times for the male patients were used to derive the statistical probability model. To measure the goodness of fit tests, the model building criterions: Akaike Information Criteria (AIC), Bayesian Information Criteria (BIC), and Deviance Information Criteria (DIC) were employed. A novel Bayesian method was used to derive the posterior density function for the parameters and the predictive inference for future survival times from the exponentiated Weibull model, assuming that the observed breast cancer survival data follow such type of model. The Markov chain Monte Carlo method was used to determine the inference for the parameters. Results: The summary results of certain demographic and socio-economic variables are reported. It was found that the exponentiated Weibull model fits the male survival data. Statistical inferences of the posterior parameters are presented. Mean predictive survival times, 95% predictive intervals, predictive skewness and kurtosis were obtained. Conclusions: The findings will hopefully be useful in treatment planning, healthcare resource allocation, and may motivate future research on breast cancer related survival issues.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권5호
• /
• pp.527-531
• /
• 2008

스캐너를 이용해 스캔한 데이타는 오차를 포함하고 있으며, 이러한 오차는 통계적인 성질을 갖는 경우가 많다. 이러한 이유에서 통계적인 방법은 오차 처리를 위해 매우 효과적인 방법이며, 최근 많은 연구가 이루어지고 있다. 이러한 통계적인 방법 중 대표적인 방법인 점 추정 방법은 데이타의 여러 성질을 나타내지 못하고 단지 확률이 최대가 되는 부분의 성질만을 나타내는 한계가 있으며, 이러한 한계로 인하여 오버피팅 문제가 발생하게 된다. 이러한 한계를 극복하고 오버피팅 문제를 해결하기 위해서 본 논문에서는 변분 베이지안 방법을 이용한다. 점집합의 오차를 제거하기 위해 지역적 근사곡면을 사용하고, 높이함수를 이용해서 근사곡면을 나타낸다. 변분 베이지안 방법을 사용하여 오차가 제거된 근사곡면을 구하고, 주어진 점들을 근사곡면으로 매핑하여 오차를 제거한다. 제시된 방법은 계량적 실험과 실제 스캔된 자료를 이용한 실험을 통하여 검증된다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제11권1호
• /
• pp.81-91
• /
• 2005

최근 이동전화가 사람 사이의 커뮤니케이션에 있어서 필수적인 수단으로 자리 잡고 있다. 사용사가 논어간에 따라 이동전화망을 이용한 각종 부가 서비스들이 개발되고 고성능의 단말기들이 등장하고 있다. 또한 유비쿼터스 컴퓨팅 개념의 발전과 더불어 스마트폰에서 여러 가지 새롭고 편리한 서비스를 제공하기 위한 연구가 활발히 진행되고 있다. 본 논문에서는 스마트폰에서의 개인화된 지능형 서비스를 위하여 베이지안 네트워크를 이용한 사용사 모델링과 규칙기반 서비스 선택기능을 갖춘 지능형 에이전트를 제안한다. 이 에이전트는 베이지안 네트워크를 사용하여 개인정보와 통신기록 자료로부터 사용사의 감정, 바쁨의 정도, 상대방과의 친밀도를 추론한 후 얻어진 정보를 사용하여 적절한 행동을 제시한다. 몇 가지 상황에 적용하여 제안한 지능형 에이전트의 유용성을 보인다

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권6호
• /
• pp.549-561
• /
• 2007

영상을 분석하여 얻은 증거를 바탕으로 장면의 의미를 추론하고 해석하는 것을 시각 기반 장면 이해라고 하며, 최근 인과적인 판단 및 추론 과정을 모델링하기에 유리한 베이지안 네트워크(BN)를 이용한 확률적인 접근 방법이 활발히 연구되고 있다. 하지만 실제 환경은 변화가 많고 불확실하기 때문에 의미 있는 증거를 충분히 확보하기 어려울 뿐만 아니라 전문가에 의한 설계로 유지하기 어렵다. 본 논문에서는 증거 및 학습 데이타가 부족한 장면인식 문제에서 효율적인BN 구조로 계산 복잡도가 줄어들고 정확도는 향상될 수 있는 BN 학습방법을 제안한다. 이 방법은 추론 대상 환경의 도메인 지식을 온톨로지로 표현하고 이를 제한적으로 사용하여 효율적인 계층구조의 BN을 구성한다. 제안하는 방법의 평가를 위하여 9종류의 환경에서 90장의 영상을 수집하고 레이블링하여 실험하였다. 실험 결과, 제안하는 방법은 증거의 수가 적은 불확실한 환경에서도 좋은 성능을 내고 학습의 복잡도가 줄어듦을 확인할 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권11호
• /
• pp.1071-1083
• /
• 2005

최근 들어 확률 분포를 개체군으로부터 추정하여 보다 효율적으로 최적화를 해결하려는 연구가 진행되고 있다. 특히 복잡한 문제의 해결을 위해서 혼합 분포가 사용되고 있다. 그러나 이 경우 몇 개의 성분으로 혼합 분포를 나타낼 것인가를 결정하기 어려운 문제가 있으며, 각 분포에 의하여 표현되는 이전 세대의 우수한 부분 해들을 잘 결합하지 못하는 단점이 있다. 본 논문에서는 변분 베이지안 혼합 인자 분석(variational Bayesian mixtures of factor analyzers) 기법을 사용한 개체군의 분포 추정을 통해 실수 공간에서의 최적화 문제를 해결하는 방법을 제안한다. 이 기법은 혼합 분포의 개수 추정을 자동화하며, 잠재 변수(latent variable)를 사용하여 각 분포가 표현하는 세부 개체군 내에 포함된 부분 해들의 혼합을 효율적으로 수행할 수 있다. 잘 알려진 함수 최적화 문제들에 대해 다른 분포 추정 진화 알고리즘과 비교하여 제안하는 방법의 우수성을 검증하였다. 또한 시스템 생물학에서 다루고 있는 생화학 네트워크의 동적 모델링을 위한 매개변수 추정도 성공적으로 수행하였다.

• 한국컴퓨터정보학회논문지
• /
• 제11권5호
• /
• pp.211-221
• /
• 2006

MES는 산업전반에서 시스템의 정보를 빠르게 공유하고 의사결정에 도움을 주며, 생산현장에서의 신속한 정보 획득과 처리를 하여, 종합적 정보 관리를 효율적으로 할 수 있다. 실시간 정보처리를 위한 MES는 최근 많은 관심을 가지고 있는 RFID의 Data를 모델링하고, 제조부터 판매까지 각 프로세스 내의 제품을 모니터링 하는 기능이 필요하다. 그러나, RFID가 부착된 제품이 프로세스 과정에 있어서, tag, reader의 오작동, 고의적 파손, 분실, 주변 영향으로 인해, 리더기가 tag를 읽지 못하는 경우, 제품의 위치를 모니터링 할 수 없다. 이러한 경우, 불확실한 정보를 가지고 제품의 경로를 추적하여야만 한다. 본 논문은 신속하게 제품을 찾기 위해, RFID와 Bayesian Network을 이용한 MES를 제안하고 성능을 평가하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 춘계종합학술대회
• /
• pp.1145-1148
• /
• 2005

본 논문에서는 다양한 시각적 정보와 일정한 관련 정보를 통합하여 인간의 피로도를 추론하기 위하여 베이지안 네트워크를 기반으로 한 확률 모델을 제안하고자 한다. 먼저 눈꺼풀의 움직임, 시선, 머리의 움직임, 그리고 얼굴 표정 같은 개인의 상태를 특성 지을 수 있는 시각적 매개변수를 측정하였다. 그러나 각각의 시각적 정보와 일정한 관련 정보만으로 인간의 피로도를 결정하기에는 충분하지 않으므로, 본 논문에서는 인간의 피로도를 모니터링 하기 위하여 가능한 많은 관련 정보와 시각 정보를 융합하여 베이지안 네트워크 모델을 개발하였다. 실험 결과, 피로 예측과 모델링을 위해 제안된 베이지안 네트워크의 유용함을 확인 할 수 있었다.

• Healthcare Informatics Research
• /
• 제24권4호
• /
• pp.346-358
• /
• 2018

Objectives: The association between obstructive sleep apnea (OSA) and mortality or serious cardiovascular events over a long period of time is not clearly understood. The aim of this observational study was to estimate the clinical effectiveness of continuous positive airway pressure (CPAP) treatment on an outcome variable combining mortality, acute myocardial infarction (AMI), and cerebrovascular insult (CVI) during a follow-up period of 15.5 years ($186{\pm}58$ months). Methods: The data set consisted of 978 patients with an apnea-hypopnea index (AHI) ${\geq}5.0$. One-third had used CPAP treatment. For the first time, a data-driven causal Bayesian network (DDBN) and a hypothesis-driven causal Bayesian network (HDBN) were used to investigate the effectiveness of CPAP. Results: In the DDBN, coronary heart disease (CHD), congestive heart failure (CHF), and diuretic use were directly associated with the outcome variable. Sleep apnea parameters and CPAP treatment had no direct association with the outcome variable. In the HDBN, CPAP treatment showed an average improvement of 5.3 percentage points in the outcome. The greatest improvement was seen in patients aged ${\leq}55$ years. The effect of CPAP treatment was weaker in older patients (>55 years) and in patients with CHD. In CHF patients, CPAP treatment was associated with an increased risk of mortality, AMI, or CVI. Conclusions: The effectiveness of CPAP is modest in younger patients. Long-term effectiveness is limited in older patients and in patients with heart disease (CHD or CHF).

• 한국농공학회논문집
• /
• 제64권6호
• /
• pp.35-41
• /
• 2022

Heavy snow damage can be prevented in advance with an appropriate security system. To develop the security system, we developed a model that predicts snow depth after a few hours when the snow depth is observed, and utilized it to calculate a failure probability with various types of greenhouses and observed snow depth data. We compared the Markov chain model and Bayesian long short-term memory models with varying input data. Markov chain model showed the worst performance, and the models that used only past snow depth data outperformed the models that used other weather data with snow depth (temperature, humidity, wind speed). Also, the models that utilized 1-hour past data outperformed the models that utilized 3-hour data and 6-hour data. Finally, the Bayesian LSTM model that uses 1-hour snow depth data was selected to predict snow depth. We compared the selected model and the shifting method, which uses present data as future data without prediction, and the model outperformed the shifting method when predicting data after 11-24 hours.

• Smart Structures and Systems
• /
• 제17권4호
• /
• pp.611-629
• /
• 2016

This study presents a new approach of surrogate modeling for time-consuming finite element analysis. A surrogate model is widely used to reduce the computational cost under an iterative computational analysis. Although a variety of the methods have been widely investigated, there are still difficulties in surrogate modeling from a practical point of view: (1) How to derive optimal design of experiments (i.e., the number of training samples and their locations); and (2) diagnostics of the surrogate model. To overcome these difficulties, we propose a sequential surrogate modeling based on Gaussian process model (GPM) with self-adaptive sampling. The proposed approach not only enables further sampling to make GPM more accurate, but also evaluates the model adequacy within a sequential framework. The applicability of the proposed approach is first demonstrated by using mathematical test functions. Then, it is applied as a substitute of the iterative finite element analysis to Monte Carlo simulation for a response uncertainty analysis under correlated input uncertainties. In all numerical studies, it is successful to build GPM automatically with the minimal user intervention. The proposed approach can be customized for the various response surfaces and help a less experienced user save his/her efforts.