• 전자공학회논문지SC
• /
• 제49권3호
• /
• pp.1-11
• /
• 2012

데이터 연관은 지능시스템의 자율적인 작동에 매우 중요한 문제이다. 본 논문에서는 데이터 연관 문제를 Bayesian 방식으로 구성하고 이를 성공적으로 지능시스템에 응용한 예를 설명한다. 먼저 데이터 연관 문제가 어떻게 Bayesian 방식으로 구성하여 혼잡한 환경에서의 다 물체 추적 문제에 적용되는지 알아본다. 그리고 데이터 연관이 지능시스템에 어떻게 응용될 수 있는지 정체 관리를 이용한 항공 교통 관제, 카메라 네트워크 위치 및 관점 자동 보정, 멀티 센서 퓨젼의 세 가지 예를 이용해 살펴본다.

• 한국멀티미디어학회논문지
• /
• 제16권3호
• /
• pp.269-280
• /
• 2013

본 논문에서 망막 질환 요인간의 의존도 분석을 위해 효율적인 분류기를 활용할 수 있는 방안을 제시하였다. 먼저 여러 베이지안 네트워크 중에서 TAN (Tree-Augmented Naive Bayesian Network), GBN(General Bayesian Network)과 Markov Blanket으로 특징축소된 GBN과의 분류성능과 예측정확률을 비교분석하였다. 그리고 처음으로, 높은 성능을 보인 TAN을 망막 질환 임상데이터의 의존도 분석에 적용하였다. 의존도 분석 결과, 망막 질환의 진단과 예후 예측에 활용의 가능성을 보였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권10호
• /
• pp.776-780
• /
• 2009

최근 스마트폰이 유비쿼터스 컴퓨팅 구현에 적합한 기기로 떠오르면서 스마트폰에서 동작하는 개인화된 지능형 서비스에 관한 연구가 활발히 진행되고 있다. 대표적인 것이 가상 캐릭터를 이용한 것이다. 본 논문에서는 외부 상황에 따른 에이전트의 자연스러운 행동 생성을 위해 베이지안 네트워크를 이용하여 사용자의 감정 상태와 바쁨 정도를 추론한 뒤 이와 함께 OCC모델을 이용한 에이전트 자체의 감정 상태, 그리고 스마트폰에서 수집된 디바이스 상태에 기반을 두어 행동 네트워크를 이용해 행동을 선택하는 방법을 제안한다. 또한 제안하는 방법의 유용성을 검증하기 위해 사용성 평가를 시행하였다.

• 전자공학회논문지CI
• /
• 제49권2호
• /
• pp.7-12
• /
• 2012

최근 의료분야에서는 방대한 양의 정보를 효과적으로 처리하기 위하여 의사결정트리, 신경망, 베이지안망 등을 비롯한 각종 데이터마이닝 기법의 적용 방안을 연구하고 있다. 또한 환자의 기본적인 신상정보나 과거력, 가족력과 같은 정보 이외에도 MRI, HRCT 등의 영상정보를 추가적으로 수집하고 진단에 활용함으로써 질병진단의 정확도 향상을 도모하는 것이 일반적인 현황이다. 하지만 실제 상황에서는 결과에 영향을 미치는 다량의 변수가 존재하므로 특정 데이터마이닝 기법을 통하여 얻을 수 있는 정보가 상당히 제한적이라고 볼 수 있다. 그뿐만 아니라 촬영된 의료영상도 부수적으로 진단에 긍정적인 영향을 줄 수는 있지만, 주관적인 판단 비중이 높아 자동화된 시스템으로 처리하기가 난해한 문제이다. 이에 따라 현실의 복잡한 상황에서 상대적으로 대처가 유리하고 다변량 확률적인 모델을 기반으로 하는 베이지안망에서 K2나 TAN 등으로 탐색 알고리즘을 개선한 확장 모델이 제안되었다. 이 때, 적용되는 탐색 알고리즘의 종류에 따라 그 성능이 크게 좌우되는 확장 베이지안망의 특성상, 각 기법에 대한 성능과 적합성의 사실적인 평가가 요구된다. 따라서 본 논문에서는 확장 베이지안망에서 질병 진단에 대한 동일한 데이터를 이용하여 실험을 수행하였으며, K2, TAN과 같은 탐색 알고리즘에 변화를 주며 분류 정확도를 측정하였다. 실험에서는 10-fold 교차검증을 수행한 결과분석을 기반으로 성능을 비교평가하고, 발병 위험성이 높은 환자에 대한 HRCT 영상을 분류하여 고위험성의 데이터를 식별 가능하도록 하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권10호
• /
• pp.2338-2356
• /
• 2013

In cognitive radio networks, acquiring the position information of the primary user is critical to the communication of the secondary user. Localization of primary users can help improve the efficiency with which the spectrum is reused, because the information can be used to avoid harmful interference to the network while simultaneity is exploited to improve the spectrum utilization. Despite its inherent inaccuracy, received signal strength based on range has been used as the standard tool for distance measurements in the location detection process. Most previous works have employed the path-loss propagation model with a fixed value of the path loss exponent. However, in actual environments, the path loss exponent for each channel is different. Moreover, due to the complexity of the radio channel, when the number of channel increases, a larger number of RSS measurements are needed, and this results in additional energy consumption. In this paper, to overcome this problem, we propose using the Bayesian compressive sensing method with a calibrated path loss exponent to improve the performance of the PU localization method.

• JSTS:Journal of Semiconductor Technology and Science
• /
• 제14권2호
• /
• pp.252-261
• /
• 2014

A Bayesian network (BN) based fault diagnosis framework for semiconductor etching equipment is presented. Suggested framework contains data preprocessing, data synchronization, time series modeling, and BN inference, and the established BNs show the cause and effect relationship in the equipment module level. Statistically significant state variable identification (SVID) data of etch equipment are preselected using principal component analysis (PCA) and derivative dynamic time warping (DDTW) is employed for data synchronization. Elman's recurrent neural networks (ERNNs) for individual SVID parameters are constructed, and the predicted errors of ERNNs are then used for assigning prior conditional probability in BN inference of the fault diagnosis. For the demonstration of the proposed methodology, 300 mm etch equipment model is reconstructed in subsystem levels, and several fault diagnosis scenarios are considered. BNs for the equipment fault diagnosis consists of three layers of nodes, such as root cause (RC), module (M), and data parameter (DP), and the constructed BN illustrates how the observed fault is related with possible root causes. Four out of five different types of fault scenarios are successfully diagnosed with the proposed inference methodology.

• 정보처리학회논문지B
• /
• 제8B권3호
• /
• pp.231-236
• /
• 2001

일반적인 다층 신경망에서 가중치의 갱신 알고리즘으로 사용하는 오류 역전과 방식은 가중치 갱신 결과를 고정된(fixed) 한 개의 값으로 결정한다. 이는 여러 갱신의 가능성을 오직 한 개의 값으로 고정하기 때문에 다양한 가능성들을 모두 수용하지 못하는 면이 있다. 하지만 모든 가능성을 확률적 분포로 표현하는 갱신 알고리즘을 도입하면 이런 문제는 해결된다. 이러한 알고리즘을 사용한 베이지안 신경망 모형(Bayesian Neural Networks Models)은 주어진 입력값(Input)에 대해 블랙 박스(Black-Box)와같은 신경망 구조의 각 층(Layer)을 거친 출력값(Out put)을 계산한다. 이 때 주어진 입력 데이터에 대한 결과의 예측값은 사후분포(posterior distribution)의 기댓값(mean)에 의해 계산할 수 있다. 주어진 사전분포(prior distribution)와 학습데이터에 의한 우도함수(likelihood functions)에 의해 계산한 사후확률의 함수는 매우 복잡한 구조를 가짐으로 기댓값의 적분계산에 대한 어려움이 발생한다. 따라서 수치해석적인 방법보다는 확률적 추정에 의한 근사 방법인 몬테 칼로 시뮬레이션을 이용할 수 있다. 이러한 방법으로서 Hybrid Monte Carlo 알고리즘은 좋은 결과를 제공하여준다(Neal 1996). 본 논문에서는 Hybrid Monte Carlo 알고리즘을 적용한 신경망이 기존의 CHAID, CART 그리고 QUEST와 같은 여러 가지 분류 알고리즘에 비해서 우수한 결과를 제공하는 것을 나타내고 있다.

• Journal of Contemporary Eastern Asia
• /
• 제23권1호
• /
• pp.35-57
• /
• 2024

The overarching purpose of this study is to examine the current status of academic public engagement in Vietnam. Data were obtained from a survey with 245 university lecturers, and descriptive statistics were used jointly with Bayesian statistics as tools for analysis. This study reveals that a significant proportion of university lecturers are not involved in public engagement, neither through the public press (66.5%) nor social media (49%). Those who have been active in public engagement use the public press and social networks to communicate science, with the latter being more used than the former. In addition, this study also pointed out that experienced scientists tend to engage with the public press, while early-career researchers often choose social networks. The findings of this study provide implications for higher education policymakers and administrators.

• 대한교통학회지
• /
• 제22권2호
• /
• pp.77-86
• /
• 2004

데이터마이닝 (Data Mining)은 대용량의 데이터에 존재하는 관계, 패턴, 규칙 등을 효율적으로 탐색하여 이를 모형화함으로써, 유용한 정보로 추출 변환하는 일련의 과정이다. 특히 베이지안 망 (Bayesian Network)은 신경망, 유전자알고리즘 퍼지이론 등과 더불어 데이터마이닝의 중요한 기법 중의 하나로서 베이지안 통계 이론(Bayesian Statistics Theory)를 적용하여 변수들간의 확률적인 관계를 기호화함으로써, 설명변수들과 종속변수들간의 인과관계를 파악할 수 있다. 이 연구는 기존에 적용된 바가 없는 데이터마이닝의 베이지안 망을 이용하여 수도권 교통수단선택 모형을 구축한다. 2002년도 수도권 가구통행실태조사 자료의 사회 경제적 특성과 교통체계 특성을 반영하여 베이지안 망을 이용한 교통수단선택 모형을 설계 구축하여, 각 변수들간의 상관관계와 인과관계를 분석함으로써, 설명변수인 성과 연령의 구성비가 변하였을 때, 교통수단선택의 변화율(확률)을 예측한다. 이 연구를 통해 현실에서는 내재하나 설명변수간의 복잡한 상관성을 배제하고 설명변수들과 교통수단선택간의 단순한 직선관계를 가정하는 기존 교통수단선택 모형의 한계를 극복할 수 있는 가능성을 제시한다. 또한 선택되지 않은 교통수단에 대한 정보의 부족으로 인한 교통수단선택 모형 구축의 어려움을 극복한다. 또한 다양한 교통정책에 따른 교통수단선택의 변화를 실시간으로 시뮬레이션 할 수 있는 방법론을 개발한다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1997년도 영남지회 학술발표회 논문집 Acoustic Society of Korean Youngnam Chapter Symposium Proceedings
• /
• pp.13-16
• /
• 1997

본 논문에서는 Bayesian 결정 이론을 이용한 기존의 Radial Basis Function Networks 이되는 출력층에서 선형 조합되는 것과는 다른 형태의 방법을 제안하고자 한다. 제안하고자 하는 방법은 은닉층의 출력값과 가중치와의 곱해진 값이 출력층의 입력으로 들어오는데 이들 입력신호를 경쟁을 통하여 가장 큰 값만을 출력신호 인정하는 방법이다. 이런 경우에 파라미터 갱신을 할 때도 모든 가중치를 다 갱신하는 것이 아니라 출력되는 은닉층에 연결된 가중치만을 갱신하게된다. 이렇게 할 경우 계산량 감소뿐만 아니라 학습시간을 단축할 수 있다는 장점이 있다. 그리고 제안한 방법을 이용할 경우 비선형 분류문제에서도 우수한 성능결과를 확인 할 수 있었으며 기존의 RBFN rhk Wiener Filter와 성능을 비교하였다.