• Journal of the Korean Data and Information Science Society
• /
• 제24권4호
• /
• pp.857-865
• /
• 2013

집중 호우로 인한 피해가 증가하면서 다양한 기법들을 이용하여 강우량 예측에 대한 관심이 높아졌다. 최근에는 극단분포를 활용하여 강우량을 예측하려는 시도가 늘고 있다. 본 연구에서는 일반화 극단 분포를 활용하여 실제 서울시의 1973년부터 2010년까지 7월달의 사후예측분포를 생성하고, 수치적인 계산을 위해서 MCMC (Markov chain Monte Carlo)알고리즘을 활용하였다. 이 연구를 통해서 사후예측분포의 점추정값들을 비교하였고 2011년 7월달의 자료와 비교해 봤을 때 집중 호우의 확률이 증가한 것을 알 수 있었다.

• 전자공학회논문지B
• /
• 제31B권12호
• /
• pp.108-115
• /
• 1994

Most pattern classifiers have been designed based on the ML (Maximum Likelihood) training algorithm which is simple and relatively powerful. The ML training is an efficient algorithm to individually estimate the model parameters of each class under the assumption that all class models in a classifier are statistically independent. That assumption, however, is not valid in many real situations, which degrades the performance of the classifier. In this paper, we propose a minimum-error-rate training algorithm based on the MAP (Maximum a Posteriori) approach. The algorithm regards the normalized outputs of the classifier as estimates of the a posteriori probability, and tries to maximize those estimates. According to Bayes decision theory, the proposed algorithm satisfies the condition of minimum-error-rate classificatin. We apply this algorithm to NPM (Neural Prediction Model) for speech recognition, and derive new disrminative training algorithms. Experimental results on ten Korean digits recognition have shown the reduction of 37.5% of the number of recognition errors.