• Communications for Statistical Applications and Methods
• /
• v.3 no.3
• /
• pp.145-159
• /
• 1996

항목 무응답은 표본조사에서 비표본오차를 발생시키는 중요한 요인으로 지적되고 있다. 본 논문에서는 현재까지 통계조사의 분석과정에서 직관적으로 제시된 다양한 항목 무응답 대체방법들을 정리하고, 이런 방법들 간의 장.단점과 무응답의 발생 형태에 다른 대체 효과를 실제 사회조사 자료를 이용한 모의 실험을 통하여 비교, 분석하였다.

• Communications for Statistical Applications and Methods
• /
• v.4 no.2
• /
• pp.327-332
• /
• 1997

다층 신경망은 비모수 회귀함수 추정의 한 방법이다. 다충 신경망을 학습시키기 위해 역전파 알고리즘이 널리 사용되고 있다. 그러나 이 알고리즘은 이상치에 매우 민감하여 이상치를 포함하고 있는 자료에 대하여 원하지 않는 회귀함수를 추정한다. 본 논문에서는 통계물리에서 자주 사용하는 방법을 이용하여 로버스트 역전파 알고리즘을 제안하고 수학적으로 신경망과 매우 유사한 PRP(projection pursuit regression) 방법, 일반적인 역전파 알고리즘과 모의실험을 통해 비교 분석한다.

• ETRI Journal
• /
• v.10 no.2
• /
• pp.63-69
• /
• 1988

SIMS(Secondary Ion Mass Spectrometry) 분석 데이터의 정량화 방법으로 이온주입에 의한 실험적 접근법과 LTE(Local Thermal Equilibrium) 모델을 사용한 준이론적 접근법 2가지가 주로 논의되고 있다. 본 고에서는 LTE 모델을 사용, SIMS data를 정량화하는 방법에 대하여 기술하였으며 아울러 BASIC language로 된 간단한 LTE 프로그램을 제시하였다.

• Korean Chemical Engineering Research
• /
• v.50 no.3
• /
• pp.391-397
• /
• 2012

The depletion of conventional oil reserves and the increasing energy need in developing countries such as China and India result in exceeding oil demand over supply. As a solution of the problem, the efficient utilization of heavy oil has been receiving more and more interest. In order to utilize heavy oil, upgrading processes are required. Among the upgrading processes, thermal decomposition is thought to be relatively simple and economical. In this study, to understand basic characteristics of thermal decomposition of heavy oil, we conducted pyrolysis experiments of deasphalted oil (DAO) produced by a solvent deasphalting process. DAO is a mixture of many components and consists mainly of materials of carbon number 20~40. For the comparison with results of DAO pyrolysis, additional pyrolysis experiments with single materials of carbon number 30 ($C_{30}H_{62}$, $C_{30}H_{58}O_4S$, $C_{30}H_{63}O_3P$) were conducted. Pyrolysis experiments were carried out non-isothermally with variation of heating rate (10, 50, $100^{\circ}C$/min) in a thermogravimetric analyzer. Average pyrolysis activation energy determined by using Arrhenius method, Ingraham and Marrier method, and Coats and Redfern method was 72~99 kJ/mol. In the activation energy calculated by Ozawa-Flynn-Wall method, DAO had wider variation than other single materials.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• v.2
• /
• pp.137-141
• /
• 2006

컨테이너를 선박에 양 ${\cdot}$ 적하하는 장비인 컨테이너 크레인은 차폐물이 거의 없는 항만에 설치되며, 계류시 전체 높이가 100m에 달하게 되므로 풍하중에 매우 큰 영향을 받게 된다. 따라서 본 연구에서는 컨테이너 크레인에 작용하는 풍하중을 정확하게 분석하기 위하여 풍력실험과 유한요소해석, 전산유동해석을 통하여 컨테이너 크레인이 받는 풍하중을 분석하였다. 우선 대기 경계층 풍동을 이용한 풍력실험을 수행하여 풍향 및 기계시 위치에 따른 풍력계소를 측정하고, 이를 이용하여 컨테이너 크레인이 받는 풍하증을 분석하였다. 그리고 풍력실험에서 얻어진 반력비를 이용하여 유한요소해석을 수행함으로써 컨테이너 크레인에 작용되는 풍하증과 지지점에서의 전도력을 계산하였다. 마지막으로 전산유동해석을 수행함으로써 컨테이너 크레인 주위의 유동현상을 고찰하고 컨테이너 크레인 표면에서의 풍압력과 풍하중을 실험결과와 비교 ${\cdot}$ 분석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.41-41
• /
• 2015

하천의 지형을 조사하고 계측하는 것은 하천을 연구하는 전문가들에게 필수적인 일이다. 하지만 하천의 지형을 계측하는 것은 쉽지 않으며, 조사를 하여도 유사의 이송으로 인하여 하천의 지형은 시간이 지남에 따라 변하게 된다. 그러므로 실험이나 모델링을 통하여 하천의 지형을 예측하고 모의하는 것은 중요한 연구이다. 모델링을 이용하여 유사이송에 의한 하상변동을 잘 예측하기 위해서는 하천의 복잡한 흐름을 정확히 모의하는 것이 중요하며 유사를 발생시키는 힘인 하상전단응력을 정확히 산정하는 것 또한 중요하다. 하상의 전단응력을 산정하는 방법으로는 대표적으로 로그법칙에 의한 방법, 레이놀즈응력 분포를 이용한 방법, 난류운동에너지를 이용한 방법 등이 있다. 앞서 말한 방법으로 산정된 전단응력 값은 차이를 보이며, 이는 하상변동을 정확히 모의하는 것에 문제를 발생시킬 수 있다. 따라서 본 연구에서는 곡선좌표계를 이용하여 3차원 유동 및 하상변동을 모의할 수 있는 수치모형을 이용하여 전단응력 산정 방법에 따른 하상변동량을 분석하는 것이다. 하천의 복잡한 흐름을 정확히 모의하기 위하여 본 연구에서는 RANS (Reynolds Averaged Navier-Stokes) 방정식을 3차원으로 해석하여 흐름 계산을 하였고 유사량 산정공식과 Exner 방정식을 이용하여 유사이송에 의한 하상변동을 계산하였다. 흐름 계산의 검증을 위하여 선행 연구의 실험을 대상으로 모의하였다. 그리고 곡선으로 된 실험 수로를 대상으로 전단응력 산

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.183-187
• /
• 2002

DNA microarray는 분자생물학 및 DNA 컴퓨팅 분야에 널리 사용되고 있는 실험 도구이다. DNA microarray를 이용하는 한 예는 알려진 유전자 집합을 바탕으로 하여 hybridization을 통해 새로운 DNA 서열을 분석하는 것이다. 이를 위한 가장 간단한 방법은 알려진 유전자의 모든 서열을 DNA microarray 상에 올려놓는 것이지만 이는 결과의 정확도 및 칩 제작비용 면에서 비효율적이다. 따라서 일반적으로는 유전자 서열 정보를 파악한 후 일련의 DNA 서열을 선택하는 probe 디자인 과정을 거친다. 그러나 현재 유전자 서열을 바탕으로 최적의 probe 집합을 찾는 결정적인 방법이 존재하고 있지 않다. 이에 본 논문은 oligo DNA microarray을 이용한 DNA 서열 분석 문제에 있어서 가능한 많은 유전자를 인식하면서 최소의 probe 개수를 갖는 집합을 찾는 방법을 제안한다. 제시된 방법은 가능한 probe 집합들로 해집합을 구성한 후, 유전알고리즘을 이용한 진화 과정을 통해 목적하는 probe 집합을 찾는다. 본 논문에서는 GenBank로부터 얻은 일련의 유전자 집합을 대상으로 실험하였으며 그 결과를 분석하였다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.41 no.6
• /
• pp.39-46
• /
• 2004

One of the significant issues in cluster analysis is to identify a proper number of clusters hidden under given data. In this paper we propose a novel approach to systematically determine the number of clusters based on Input Representation Coverage (IRC), which is newly defined as a quantified value of how well original input data in Gaussian feature space can be captured with a certain number of clusters. Furthermore, its usability and applicability is also investigated via experiments with synthetic data. Our experiment results show that the proposed approach is quite useful in approximately finding the real number of clusters implicitly contained in the data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.608-611
• /
• 2012

소셜 사건이 일어나면 그 사건과 관련된 트윗이 폭발적으로 증가하는데 트윗 일부 내용을 살펴보면 스팸, 광고와 같은 트윗이 많이 포함되어 있다. 수 많은 트위터 데이터에서 사용자가 사건과 직접 관련된 신뢰성 높은 트윗을 찾아 읽는데 시간이 많이 걸릴 수 있다. 이러한 문제를 해결하기 위해 본 논문에서 트위터의 리트윗 정보, 사용자 신뢰도 측정 및 활동 분석, 팔로잉과 팔로워간의 정보 등 사용자의 행동 분석을 이용하여 소셜 사건과 직접 관련된 신뢰성 높은 사용자의 트윗을 추출하는 방법을 제안한다. 제안 방법의 유효성을 검증하기 위해 소셜 이슈 4 개에 대한 트윗 데이터에서의 실험을 통하여 상위 100 개의 결과에서의 정확률(P@100) 76.6%의 성능을 보였다. 실험을 통해 제안 방법이 신뢰성 높은 사용자의 트윗을 추출하는데 효과적인 방법임을 알 수 있다.

• Annual Conference on Human and Language Technology
• /
• 2001.10d
• /
• pp.123-129
• /
• 2001

지금까지 한국어 품사 부착을 위해 다양한 모델이 제안되었고 95% 이상의 높은 정확도를 보여주고 있다. 그러나 4-5%의 오류는 실제 응용 분야에서 많은 문제를 야기시킬 수 있다. 이러한 오류를 최소화하기 위해서는 오류를 분석하고 이를 수정할 수 있는 규칙들을 학습하여 재사용하는 방범이 효과적이다. 오류 수정 규칙을 학습하기 위한 기존의 방법들은 수동학습 방법과 자동 학습 방법으로 나눌 수 있다 수동 학습 방법은 많은 비용이 요구되는 단점이 있다. 자동 학습 방법의 경우 모두 변형규칙 기반 접근 방법을 사용하였는데 어휘 정보를 고려할 경우 탐색 공간과 규칙 적용 시간이 매우 크다는 단점이 있다. 따라서 본 논문에서는 초기 모델에 대한 오류 수정 규칙을 효율적으로 학습하기 위한 새로운 방법으로 결정 트리 학습 방법을 확장한 통계적 결정 그래프 학습 방법을 제안한다. 제안된 방법으로 두 가지 실험을 수행하였다. 초기 모델의 정확도가 높고 말뭉치의 크기가 작은 첫 번째 실험의 경우 초기 모델의 정확도 95.48%를 97.37%까지 향상시킬 수 있었다. 초기 모델의 정확도가 낮고 말뭉치 크기가 큰 두 번째 실험의 경우 초기 모델의 정확도 87.22%를 95.59%로 향상시켰다. 또한 실험을 통해 결정 트리 학습 방법에 비해 통계적 결정 그래프 학습 방법이 더욱 효과적임을 알 수 있었다.