• Journal of Biosystems Engineering
• /
• 제33권2호
• /
• pp.142-148
• /
• 2008

The study was focused on setting priority for future core technologies in agricultural mechanization using AHP (Analytic Hierarchy Process). A total of 23 technologies was selected by specialists. Evaluation criteria for the priority setting were decided as 'technology', 'marketability', and 'publicity'. Thirteen specialists in agricultural mechanization answered the questionnaire for AHP. As the results, 'technology' was decided as the most important evaluation criterion. 'feasibility' in 'technology' criterion, 'market growth' in 'marketability' criterion, and 'impact to other industry' in 'publicity' criterion were decided as sub-criteria in each criterion. The most important technology was 'Development of portable safety evaluation system for fresh and convenient agricultural products'.

• 대한전자공학회논문지TC
• /
• 제42권5호
• /
• pp.39-46
• /
• 2005

터보부호는 반복적인 복호 알고리즘을 사용함으로써 가산성 백색 가우시안 잡음(AWGN) 채널 환경에서 반복복호가 진행됨에 따라 BER 성능이 샤논 한계에 가까운 성능을 보이는 오류정정 방식으로 제안되었다. 그러나 터보부호의 복호과정에서 반복 횟수가 증가하게 되면 BER 성능은 향상되지만 다양한 채널환경에서 SNR이 증가할 때 무의미한 반복이 이루어진다. 그러므로 복호 지연이 증가하고 실시간 처리가 어렵다는 문제점을 가지고 있다. 이를 해결하기 위해서는 적절한 반복 후 중단시킬 수 있는 새로운 알고리즘이 필요하다. 따라서 본 논문에서는 복호기의 연판정 출력인 LLR 차의 절대 평균값을 이용하여 BER의 손실없이 평균 반복복호 횟수를 감소시킬 수 있는 새로운 반복중단 알고리즘을 제안한다. 제안된 알고리즘에 대한 모의실험은 MATLAB Tool을 이용하여 수행하였다. 실험 결과, 반복중단에 의한 BER 성능은 제안된 알고리즘과 기존의 알고리즘 모두 최대 반복 횟수의 경우와 거의 차이가 없었다. 하지만 평균 반복복호 횟수는 기존의 반복중단 알고리즘에 비해서 효과적으로 감소시킬 수 있었다.

• 전자공학회논문지CI
• /
• 제45권4호
• /
• pp.19-26
• /
• 2008

Gene set enrichment analysis (GSEA)는 두 개의 클래스를 가지는 마이크로어레이 실험 데이터 분석을 위해 생물학적 특징을 기반으로 구성된 다양한 유전자-집합 중에서 두 클래스의 발현값들이 통계적으로 중요한 차이를 나타내는 유의한 유전자-집합을 추출하기 위한 분석 방법이다. 특히, 유전자에 대한 다양한 생물학적인 정보를 지닌 유전자 주석 데이터베이스(Cytogenetic Band, KEGG pathway, Gene Ontology 등)를 이용하여 마이크로어레이 실험에 사용된 전체 유전자 중 특정 기능을 가지는 유전자들을 그룹화하여 다양한 유전자-집합을 발굴하고, 각 유전자-집합 내에서 두 클래스간에 발현값의 차이를 참조하여 유의한 유전자들을 결정하여, 이를 기반으로 통계적으로 유의한 유전자-집합들을 최종 검출하는 방법이다. 본 논문에서는 GSEA 분석 과정에서 현재 주로 사용되고 있는 signal-to-noise ratio 기반 유전자 서열화(gene ranking) 방법 대신에, Fisher criterion을 이용한 유전자 서열화 방법을 적용함으로써 기존의 GSEA 방법에서 추출하지 못한 생물학적으로 의미 있는 새로운 유의 유전자-집합을 추출하는 방법을 제안하고자 한다. 또한, 제안한 방법의 성능을 고찰하기 위하여 공개된 Leukemia 관련 마이크로어레이 실험 데이터 분석에 적용하였으며, 기존의 알려진 결과와 비교 분석함으로써 제안한 방법의 유용성을 검증하고자 하였다.

• 한국안전학회지
• /
• 제32권5호
• /
• pp.115-121
• /
• 2017

This paper is to introduce the main modeling assumptions and data structures associated with right-censored data to describe the successful methodological ideas for analyzing such a field-failure-data when components operating in different environments. The Kaplan - Meier method is the most popular method used for survival analysis. Together with the log-rank test, it may provide us with an opportunity to estimate survival probabilities and to compare survival between groups. An important advantage of the Kaplan - Meier curve is that the method can take into account some types of censored data, particularly right-censoring. The above non-parametric method was used to verify the equality of parts life used in different environments. After that, we performed the life distribution analysis using the parametric method. We simulated data from three distributions: exponential, normal, and Weibull. This allowed us to compare the results of the estimates to the known true values and to quantify the reliability indices. Here we used the Akaike information criterion to find a suitable life time distribution. If the Akaike information criterion is the smallest, the best model of failure data is presented. In this paper, no-nparametrics and parametrics methods are analyzed using R program which is a popular statistical program.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 1998년도 Proceedings of International Workshop on Advanced Image Technology
• /
• pp.165-170
• /
• 1998

This paper presents a new prediction method RBP region-based prediction model where the context used for prediction contains regions instead of individual pixels. There is a meaningful property that RBP can partition a cartoon image into two distinctive types of regions, one containing full-color backgrounds and the other containing boundaries, edges and home-chromatic areas. With the development of computer techniques, synthetic images created with CG (computer graphics) becomes attactive. Like the demand on data compression, it is imperative to efficiently compress synthetic images such as cartoon animation generated with CG for storage of finite capacity and transmission of narrow bandwidth. This paper a lossy compression method to full-color regions and a lossless compression method to homo-chromatic and boundaries regions. Two criteria for partitioning are described, constant criterion and variable criterion. The latter criterion, in form of a linear function, gives the different threshold for classification in terms of contents of the image of interest. We carry out experiments by applying our method to a sequence of cartoon animation. We carry out experiments by applying our method to a sequence of cartoon animation. Compared with the available image compression standard MPEG-1, our method gives the superior results in both compression ratio and complexity.

• Smart Structures and Systems
• /
• 제15권5호
• /
• pp.1329-1344
• /
• 2015

The stiffness of a structure is one of several structural signals that are useful indicators of the amount of damage that has been done to the structure. To accurately estimate the stiffness, an equation of motion containing a stiffness parameter must first be established by expansion as a linear series model, a Taylor series model, or a power series model. The model is then used in multivariate autoregressive modeling to estimate the structural stiffness and compare it to the theoretical value. Stiffness assessment for modeling purposes typically involves the use of one of three statistical model refinement approaches, one of which is the efficient Akaike information criterion (AIC) proposed in this paper. If a newly added component of the model results in a decrease in the AIC value, compared to the value obtained with the previously added component(s), it is statistically justifiable to retain this new component; otherwise, it should be removed. This model refinement process is repeated until all of the components of the model are shown to be statistically justifiable. In this study, this model refinement approach was compared with the two other commonly used refinement approaches: principal component analysis (PCA) and principal component regression (PCR) combined with the AIC. The results indicate that the proposed AIC approach produces more accurate structural stiffness estimates than the other two approaches.

• 천문학회지
• /
• 제55권4호
• /
• pp.131-138
• /
• 2022

We report the discovery of four quasars with M₁₄₅₀ ≳ -25.0 mag at z ~ 5 and supermassive black hole mass measurement for one of the quasars. They were selected as promising high-redshift quasar candidates via deep learning and Bayesian information criterion, which are expected to be effective in discriminating quasars from the late-type stars and high-redshift galaxies. The candidates were observed by the Double Spectrograph on the Palomar 200-inch Hale Telescope. They show clear Lyα breaks at about 7000-8000 Å, indicating they are quasars at 4.7 < z < 5.6. For HSC J233107-001014, we measure the mass of its supermassive black hole (SMBH) using its C _IV λ1549 emission line. The SMBH mass and Eddington ratio of the quasar are found to be ~10⁸ M_⊙ and ~0.6, respectively. This suggests that this quasar possibly harbors a fast growing SMBH near the Eddington limit despite its faintness (L_Bol < 10⁴⁶ erg s^-1). Our 100% quasar identification rate supports high efficiency of our deep learning and Bayesian information criterion selection method, which can be applied to future surveys to increase high-redshift quasar sample.

• Journal of the Korean Data and Information Science Society
• /
• 제27권4호
• /
• pp.1059-1066
• /
• 2016

In this paper we propose a robust version of varying coefficient models, which is based on the regularized regression with L1 regularization. We use the iteratively reweighted least squares procedure to solve L1 regularized objective function of varying coefficient model in locally weighted regression form. It provides the efficient computation of coefficient function estimates and the variable selection for given value of smoothing variable. We present the generalized cross validation function and Akaike information type criterion for the model selection. Applications of the proposed model are illustrated through the artificial examples and the real example of predicting the effect of the input variables and the smoothing variable on the output.

• 한국산학기술학회논문지
• /
• 제13권2호
• /
• pp.817-821
• /
• 2012

본 논문에서는 환경음 인식에 GMM(Gaussain mixture model)을 이용할 때 MDL(minimum description length)와 BIC(Bayesian information criterion) 모델선택 기준을 이용하여 최적의 혼합모델 개수를 결정하는 방법에 대해 다루었다. 실험은 모두 9가지 종류의 환경음으로부터 12차 MFCC(mel-frequency cepstral coefficients) 특징 27747개를 추출하고 이를 GMM으로 분류하였다. 각 환경음 클래스의 최적 혼합모델 개수를 추정 하기위해 MDL과 BIC를 적용하고 그 결과를 고정 개수의 혼합모델을 사용한 경우와 비교하였다. 실험 결과에 따르면 혼합모델 선택 방법을 적용한 경우가 그렇지 않은 경우에 비해 거의 유사한 인식성능을 유지하면서 계산복잡도는 BIC와 MDL를 통해 각각 17.8%와 31.7%가 감소하는 것을 확인하였다. 이는 GMM을 이용한 환경음 인식에서 BIC와 MDL 적용을 통해 계산복잡도를 효과적으로 감소시킬 수 있음을 보여준다.

• 전자공학회논문지SC
• /
• 제39권1호
• /
• pp.16-23
• /
• 2002

본 논문에서는 F-투영법과 기하학적인 성장기준을 적용하여 모듈화된 웨이블렛 신경망의 최적구조를 설계할 수 있는 성장과 전지 알고리즘을 제안한다. 기하학적인 성장기준은 지역오차를 고려한 예측 오차기준과 기존의 웨이블렛 함수와의 준직교성을 보장하는 웨이블렛 함수를 배치하기 위한 각도기준으로 구성되어 있다. 이러한 성장기준은 모듈화된 웨이블렛 신경망을 설계자 의도에 부합하도록 구성할 수 있는 방법론을 제시한다. 제안한 성장 알고리즘은 모듈화된 웨이블렛 신경망의 모듈과 망의 크기를 증가시킨다. 또한 소거 알고리즘은 모듈화된 웨이블렛 신경망의 모듈로 사용되는 웨이블렛 신경망의 지역화 특성으로 인해 모듈의 크기가 증가하는 문제점을 극복하기 위해 불필요한 모듈의 노드를 제거한다. 제안한 모듈화된 웨이블렛 신경망의 최적구조 설계알고리즘을 1차원과 2차원의 함수 근사화 문제에 적용하여 제안한 알고리즘의 성능을 검증하였다.