• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.121-121
• /
• 2020

Varying dominant processes, including Tropical Cyclone (TC) and non-TC rainfall events, have been known to drive the occurrence of precipitation in South Korea. With the changes in the pattern of the Earth's climate due to anthropogenic activities, nonstationarity or changes in the magnitude and frequency of these dominant processes have been separately observed for the past decades and are expected to continue in the coming years. These changes often cause unprecedented hydrologic events such as extreme flooding which pose a greater risk to the society. This study aims to take into account a more reliable future climate condition with two dominant processes. Diverse statistical models including the hidden markov chain, K-nearest neighbor algorithm, and quantile mappings are utilized to mimic future rainfall events based on the recorded historical data with the consideration of the varying effects of TC and non-TC events. The data generated is then utilized to the hydrologic model to conduct a flood frequency analysis. Results in this study emphasize the need to consider the nonstationarity of design rainfalls to fully grasp the degree of future flooding events when designing urban water infrastructures.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.150-152
• /
• 2022

본 연구의 목적은 LTC(Liquid Time-constant Network)를 기반으로 감각 뉴런의 동작과 시냅스 가소성을 고려한 모델을 제안하는 것이다. 이를 위해 뉴런 연결 구조를 뉴런의 수가 증가하는 형태, 감소하는 형태, 증가 후 감소하는 형태, 감소 후 증가하는 형태의 4가지로 설정하여 실험을 진행하였다. 변경한 모델의 성능이 LTC에 비해 개선되었는지 알아보기 위한 데이터는 시계열 예측 데이터셋을 사용하였다. 실험 결과, 감각 뉴런의 모델링을 적용하는 것은 항상 성능 향상을 불러오는 것은 아니지만 데이터셋의 종류에 따라 적절히 학습 규칙을 선택하는 것을 통해 성능이 향상됨을 관찰하였다. 또한, 뉴런의 연결 구조는 4개 층 이하일 때 향상된 성능을 보였다.

• ETRI Journal
• /
• 제45권5호
• /
• pp.822-835
• /
• 2023

Recent semantic segmentation frameworks usually combine low-level and high-level context information to achieve improved performance. In addition, postlevel context information is also considered. In this study, we present a Context ReFinement Network (CRFNet) and its training method to improve the semantic predictions of segmentation models of the encoder-decoder structure. Our study is based on postprocessing, which directly considers the relationship between spatially neighboring pixels of a label map, such as Markov and conditional random fields. CRFNet comprises two modules: a refiner and a combiner that, respectively, refine the context information from the output features of the conventional semantic segmentation network model and combine the refined features with the intermediate features from the decoding process of the segmentation model to produce the final output. To train CRFNet to refine the semantic predictions more accurately, we proposed a sequential training scheme. Using various backbone networks (ENet, ERFNet, and HyperSeg), we extensively evaluated our model on three large-scale, real-world datasets to demonstrate the effectiveness of our approach.

• Asian Pacific Journal of Cancer Prevention
• /
• 제15권9호
• /
• pp.4049-4054
• /
• 2014

Background: Race and ethnicity are significant factors in predicting survival time of breast cancer patients. In this study, we applied advanced statistical methods to predict the survival of White non-Hispanic female breast cancer patients, who were diagnosed between the years 1973 and 2009 in the United States (U.S.). Materials and Methods: Demographic data from the Surveillance Epidemiology and End Results (SEER) database were used for the purpose of this study. Nine states were randomly selected from 12 U.S. cancer registries. A stratified random sampling method was used to select 2,000 female breast cancer patients from these nine states. We compared four types of advanced statistical probability models to identify the best-fit model for the White non-Hispanic female breast cancer survival data. Three model building criterion were used to measure and compare goodness of fit of the models. These include Akaike Information Criteria (AIC), Bayesian Information Criteria (BIC), and Deviance Information Criteria (DIC). In addition, we used a novel Bayesian method and the Markov Chain Monte Carlo technique to determine the posterior density function of the parameters. After evaluating the model parameters, we selected the model having the lowest DIC value. Using this Bayesian method, we derived the predictive survival density for future survival time and its related inferences. Results: The analytical sample of White non-Hispanic women included 2,000 breast cancer cases from the SEER database (1973-2009). The majority of cases were married (55.2%), the mean age of diagnosis was 63.61 years (SD = 14.24) and the mean survival time was 84 months (SD = 35.01). After comparing the four statistical models, results suggested that the exponentiated Weibull model (DIC= 19818.220) was a better fit for White non-Hispanic females' breast cancer survival data. This model predicted the survival times (in months) for White non-Hispanic women after implementation of precise estimates of the model parameters. Conclusions: By using modern model building criteria, we determined that the data best fit the exponentiated Weibull model. We incorporated precise estimates of the parameter into the predictive model and evaluated the survival inference for the White non-Hispanic female population. This method of analysis will assist researchers in making scientific and clinical conclusions when assessing survival time of breast cancer patients.

• 대한토목학회논문집
• /
• 제14권3호
• /
• pp.509-521
• /
• 1994

본 연구는 간헐 수문과정인 일 강수계열의 모의발생 모델을 개발한 것으로서, 일 강수계열의 구조적 특성인 강수발생과정과 습윤일의 강수량과정을 고려하였다. 본 연구는 두편이 논문으로 구성되어 있으며, 연구(I)에서는 강수발생과정을 위하여 고대재생과정(ARP)을 이용하였으며, 건조 습윤계속기간 분포에 대해서는 TBD, TPD, TNBD, LSD의 4가지 이산형 확률분포를 적용하였다. 후속논문인 연구(II)에서는 강수발생과정으로 Markov 연쇄모델을 이용한다. 그리고 습윤일의 강수량 분포에 대해서는 Gamma 분포, Pearson Type-III 분포, Type-III 극치분포, 3모수 Weibull 분포의 4가지 연속형 확률분포를 적용하였다. 연구(I)에서는 낙동강 유역의 대구, 고령, 밀양, 영주 관측소 및 섬진강 유역의 하동, 순창, 구례 관측소의 일 강수계열 자료를 사용하였으며, 강수발생과정과 습윤일의 강수량과정을 조합하여 구성한 두가지의 일 강수계열 모의발생 모델 A-W, A-G 모델의 적용성을 확인하였다.

• 한국정보처리학회논문지
• /
• 제7권8호
• /
• pp.2484-2496
• /
• 2000

네트워크 연결을 위한 고속 스위치는 계속해서 발달하여 왔으며, 스위치가 필요한 성능을 내는가를 여러 조건으로 분석하는 것은 중요한 일이다. 하지만, 복잡한 구조를 가진 시스템을 모델링하여 그 성능을 측정하는 것은 쉬운 일이 아니다. 큐잉이론을 이용한 모델링은 큰 상태 공간을 고려해야 됨은 물론이고 성능평가에 있어서도 복잡한 계산과정을 수행해야 하지만, SAN(Stochastic Activity Networks)에 의한 모델링과 성능평가는 그에 비해 간단하다는 장점이 있다. 본 논문의 목적은 출력포트에 큐를 갖는 고속 ATM 스위치를 확장된 SPN(Stochastic Petri Net)인 SAN을 이용해 모델링하고, 셀 도착 과정은 실제 트래픽과 유사한 특징을 가지고 있는 MMPP(Markov Modulated Poisson Process)로 모델링하여 그 성능을 평가하는데 있다. MMPP 모델을 이용한 버스티 트래픽을 고겨한 성능측정과 아울러 SAN의 장점을 이용한 확장이 용이한 스위치 모델을 보이고자 한다. 제한된 버퍼 크기를 갖는 출력 큐잉 ATM 스위치에 도착하은 셀은 포아송 도착 과정에서는 정확히 표현할 수 없는 버스티 특징을 표현할 수 있어 좀더 실제 트래픽에 가까운 MMPP로 모델링한다. SAN 모델은 UltraSAN 소프트웨어 패키지를 이용해 대기행렬의크기, 지연시간 그리고 셀 손실률에 대한 성능을 측정한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권5호
• /
• pp.313-324
• /
• 2008

문장 축소란 원본 문장의 기본적인 의미를 유지하면서 불필요한 단어나 구를 제거하는 일련의 정보 압축 과정을 의미한다. 기존의 문장 축소에 관한 연구들은 학습 과정에서 대량의 어휘나 구문적 자원을 필요로 하였으며, 복잡한 파싱 과정을 통해서 불필요한 문장의 구성원(예를 들어, 단어나 구, 절 등)들을 제거하여 문장을 요약하였다. 그러나 학습 데이타로부터 얻을 수 있는 어휘적 자원은 매우 한정적이며, 문장의 모호성과 예외적인 표현들 때문에 구문 분석 결과가 명료하게 제공되지 않은 언어에서는 문장 요약이 용이하지 않다. 이에 본 논문에서는 구문 분석을 대체하기 위한 방법으로 템플릿과 품사 정보를 이용한 문장 축소 방법을 제안한다. 제안하는 방법은 요약문의 구조적 형태를 결정하기 위한 문장 축소 템플릿(Sentence Reduction Templates)과 문법적으로 타당한 문장 구조를 구성하는 품사기반 축소규칙(Grammatical POS-based Reduction Rules)을 이용하여 요약 대상 문장의 구성을 분석하고 요약한다. 더불어, 문장 축소 템플릿 적용 시 발생하는 연산량 증가 문제를 은닉 마르코프 모델(HMM: Hidden Markov Model)의 비터비 알고리즘(Viterbi Algorithm)을 이용하여 효과적으로 처리한다. 마지막으로, 본 논문에서 제안한 문장 축소 방법의 결과와 기존 논문의 연구 결과를 비교 및 평가함으로써 제안하는 문장 축소 방법의 유용성을 확인한다.

• 한국음향학회지
• /
• 제19권3호
• /
• pp.35-44
• /
• 2000

본 논문에서는 음성 패턴을 효율적으로 모델링하고자 분절 특징(segmental feature)을 이 용하여 은닉 마코프 모델(hidden markov model)의 일반적인 형식에 기반한 새로운 모수적 궤적 모델 (parametric trajectory model)을 제안한다. 일반적으로 벡터의 열로써 표현되는 분절은 관측 열의 궤적(trajectory)으로 표현된다. 이 궤적은 연속적인 프레임들의 전이 정보(transitional information)를 표현하는 디자인 행렬을 이용하여 얻어지며, 다항식의 회귀 함수(polynomial regression function)로써 나타낼 수 있다. 이러한 궤적을 HMM에 적용하기 위해서 프레임 특징 대신 분절의 특성 을 표현하는 궤적으로 대치하고 우도(likelihood) 계산에 궤적들의 비교에 의한 확률 값을 반영시켜야 한다. 본 논문에서는 궤적간의 유사도를 측정하는 분절 우도(segment likelihood)와 모델을 구성하는 궤적변수의 추정 알고리즘을 제안한다. 임의의 분절에 대한 관측 확률은 제안된 분절 우도와 궤적의 추정 오차(estimation error of trajectories)의 곱으로써 표현된다. 궤적의 추정 오차는 상태에서 주어진 분절 우도의 가중치로 표현될 수 있으며, 이 가중치는 궤적과 대응되는 분절의 적합도를 표현하는 확률을 나타낸다. 본 논문에서 제 안된 모델은 일반적 인 HMM과 모수적 궤적 모델의 일반화(generalization) 또는 확장(extension) 모델로 생각될 수 있다. 본 모델의 성능을 평가하기 위하여 TIMIT 데이터에 기반한 실험을 한 결과, 분절 길이(segment length)와 회귀 차수(regression order)가 변할수록 일반적인 HMM에 비하여 뚜렷한 성능향상이 있음을 알 수 있었다.

• 응용통계연구
• /
• 제30권6호
• /
• pp.917-929
• /
• 2017

한국노동패널조사에서 제공하는 2015년 한국 생산가능인구의 월평균 소득분포를 보면 0 관측치의 비율이 과도하게 높은 형태를 보여 기존의 소득분포에 주로 사용되는 토빗모형으로는 설명에 한계가 있다. 본 연구에서는 영과잉 특성을 반영하여 영과잉 토빗모형을 사용하여 한국인의 소득 자료를 분석한다. 영과잉 토빗모형은 2단계 모형으로 1단계에서는 소득이 0인 그룹을 두 그룹으로 나누는데, 첫 번째 그룹은 노동시장 참여의지가 없어 시장에 참여하지 않으므로 0이 관측되는 그룹(genuine zero)이고 두 번째 그룹은 노동시장 참여의지는 있으나 낮은 임금으로 인하여 절단되어 0이 관측되는 그룹(random zero)으로 가정하였다. 두 번째 random zero 그룹은 0 이상의 연속 자료와 결합하여 토빗모형을 적용한다. 1단계와 2단계 모형에 관심 있는 설명변수를 가진 회귀모형을 적용하여 노동시장 참여여부와 임금 수준에 영향을 미치는 요인을 알아본다. 마코브 체인 몬테칼로 기법을 사용하여 모수를 추정하고 기존의 토빗모형과 비교한 결과 영과잉 토빗모형이 0의 빈도추정과 모형 적합도 면에서 우수한 결과를 보였다. 분석결과 나이가 많을수록, 남자가 여자보다, 학력이 낮을수록, 노동시장에 참여할 가능성이 매우 유의하게 높으며, 사회경제적 지위가 높을수록 그리고 유보임금이 낮을수록 노동시장에 참여하지 않을 확률이 높은 것으로 나타났다. 임금수준을 보면, 남자가 여자보다, 학력이 높을수록, 기혼이 미혼 보다 매우 유의하게 더 높은 임금을 받는 것으로 나타났다.

• 한국해안·해양공학회논문집
• /
• 제25권6호
• /
• pp.394-404
• /
• 2013

본 연구에서는 너울성파랑을 정의하기 위한 첫 단계로 확률모의실험을 통해 파랑스펙트럼 첨두모수 $Q_p$, 주파수폭대역 모수 ${\varepsilon}$, 파랑스펙트럼 폭 모수 ${\nu}$의 특성들을 분석하였다. 이를 위해 유의파고 및 첨두주기의 결합확률 밀도함수를 새롭게 유도한 후, MCMC(Markov Chain Monte Carlo)기법을 이 함수에 적용하여 가상의 유의파고 및 첨두주기를 생성하였다. 그리고, 이 때 생성된 파랑자료들을 파랑스펙트럼모형에 적용하여 각각에 대한 파랑스펙트럼 형상모수들을 산정한 다음, 각각의 파랑자료들과 파랑스펙트럼 형상모수들의 상관관계 계수를 산정하는 방법으로 각 파랑스펙트럼 형상모수의 특성들을 조사하였다. 본 연구의 결과에 의하면, 파랑스펙트럼 형상모수 중 파랑스펙트럼 첨두모수가 유의파고 및 첨두주기에 관계없이 파랑스펙트럼의 뾰족한 정도를 잘 나타내고 있었는데, 이러한 특성은 후포 및 울릉도 파랑관측자료에서도 동일하게 나타나고 있는 것으로 확인되었다. 너울성파랑 정의를 위한 대표적인 파랑스펙트럼 형상모수로 파랑스펙트럼 첨두모수를 사용하는 것이 가장 적절한 것으로 보인다.