Kim, Yongdai;Kim, Woosung;Ohn, Ilsang;Kim, Young-Oh
Communications for Statistical Applications and Methods
/
제24권1호
/
pp.67-80
/
2017
Over the last few decades, ensemble forecasts based on global climate models have become an important part of climate forecast due to the ability to reduce uncertainty in prediction. Moreover in ensemble forecast, assessing the prediction uncertainty is as important as estimating the optimal weights, and this is achieved through a probabilistic forecast which is based on the predictive distribution of future climate. The Bayesian model averaging has received much attention as a tool of probabilistic forecasting due to its simplicity and superior prediction. In this paper, we propose a new Bayesian model averaging method for probabilistic ensemble forecasting. The proposed method combines a deterministic ensemble forecast based on a multivariate regression approach with Bayesian model averaging. We demonstrate that the proposed method is better in prediction than the standard Bayesian model averaging approach by analyzing monthly average precipitations and temperatures for ten cities in Korea.
In this paper, the general formula of disparity estimation based on Bayesian Maximum A Posteriori (MAP) algorithm is derived and implemented with simplified probabilistic models. The probabilistic models are independence and similarity among the neighboring disparities in the configuration.The formula is the generalized probabilistic diffusion equation based on Bayesian model, and can be implemented into the some different forms corresponding to the probabilistic models in the disparity neighborhood system or configuration. And, we proposed new probabilistic models in order to simplify the joint probability distribution of disparities in the configuration. According to the experimental results, the proposed algorithm outperformed the other ones, such as sum of swuared difference(SSD) based algorithm and Scharstein's method. We canconclude that the derived formular generalizes the probabilistic diffusion based on Bayesian MAP algorithm for disparity estimation, and the propsoed probabilistic models are reasonable and approximate the pure joint probability distribution very well with decreasing the computations to 0.01% of the generalized formula.
The probabilistic fatigue life analysis is one of the common methods to account the uncertainty of parameters on the structural failure. Frequently, the Bayesian approach has been demonstrated as a proper method to show the uncertainty of parameters. In this work, the application of probabilistic fatigue life prediction method for the aircraft structure was studied. This effort was conducted by using the PoF(Probability of Failure) based on Bayesian approach. Furthermore, numerical example was carried out to confirm the validation of the suggested approach. In conclusion, it was shown that the Bayesian approach can calculate the probabilistic fatigue lives and the quantitative value of PoF effectively for the aircraft structural component. Moreover the calculated probabilistic fatigue lives can be utilized to determine the optimized inspection period of aircraft structures.
KSII Transactions on Internet and Information Systems (TIIS)
/
제13권9호
/
pp.4684-4705
/
2019
Collaborative filtering recommender systems are vulnerable to shilling attacks in which malicious users may inject biased profiles to promote or demote a particular item being recommended. To tackle this problem, many robust collaborative recommendation methods have been presented. Unfortunately, the robustness of most methods is improved at the expense of prediction accuracy. In this paper, we construct a robust Bayesian probabilistic matrix factorization model for collaborative filtering recommender systems by incorporating the detection of user anomaly rating behaviors. We first detect the anomaly rating behaviors of users by the modified K-means algorithm and target item identification method to generate an indicator matrix of attack users. Then we incorporate the indicator matrix of attack users to construct a robust Bayesian probabilistic matrix factorization model and based on which a robust collaborative recommendation algorithm is devised. The experimental results on the MovieLens and Netflix datasets show that our model can significantly improve the robustness and recommendation accuracy compared with three baseline methods.
Bishop이 제안한 Generative Topographic Mapping(GTM)은 Kohonen이 제안한 자율 학습 신경망인 Self Organizing Maps(SOM)의 확률 버전이다. GTM은 데이터가 생성되는 확률 분포를 잠재 변수, 혹은 은닉 변수를 사용하여 모형화한다. 이것은 SOM에서는 구현될 수 없는 GTM만의 특징이며, 이러한 특징으로 인하여 SOM의 한계들을 극복할 수 있게 된다. 본 논문에서는 이러한 GTM 모형에 베이지안 학습(Bayesian learning)을 결합하여 작은 오분류율을 가지는 분류 알고리즘인 베이지안 GTM(Bayesian GTM)을 제안한다. 이 알고리즘은 기존의 GTM의 빠른 계산 처리 능력과 데이터에 대한 확률 분포, 그리고 베이지안 추론의 정확성을 이용하여 기존의 분류 알고리즘보다 우수한 결과를 얻게 된다. 본 논문에서는 기존의 분류 알고리즘에서 많이 실험하였다. 학습 데이터를 통하여 이를 확인하였다.
Purpose: Probabilistic safety analysis was performed to enhance the safety and reliability of nuclear power plants because traditional deterministic approach has limitations in predicting the risk of failure by crack growth. The study introduces a probabilistic approach to establish a basis for probabilistic safety assessment of passive components. Methods: For probabilistic modeling of fatigue crack growth rate (FCGR), various FCGR tests were performed either under constant load amplitude or constant ${\Delta}K$ conditions by using heat treated X-750 at low temperature with adequate cathodic polarization. Bayesian inference was employed to update uncertainties of the FCGR model using additional information obtained from constant ${\Delta}K$ tests. Results: Four steps of Bayesian parameter updating were performed using constant ${\Delta}K$ test results. The standard deviation of the final posterior distribution was decreased by a factor of 10 comparing with that of the prior distribution. Conclusion: The method for developing a probabilistic crack growth model has been designed and demonstrated, in the paper. Alloy X-750 has been used for corrosion fatigue crack growth experiments and modeling. The uncertainties of parameters in the FCGR model were successfully reduced using the Bayesian inference whenever the updating was performed.
The estimated probabilistic model of wind data based on the conventional approach may have high discrepancy compared with the true distribution because of the uncertainty caused by the instrument error and limited monitoring data. A sequential quadratic programming (SQP) algorithm-based finite mixture modeling method has been developed in the companion paper and is conducted to formulate the joint probability density function (PDF) of wind speed and direction using the wind monitoring data of the investigated bridge. The established bivariate model of wind speed and direction only represents the features of available wind monitoring data. To characterize the stochastic properties of the wind parameters with the subsequent wind monitoring data, in this study, Bayesian inference approach considering the uncertainty is proposed to update the wind parameters in the bivariate probabilistic model. The slice sampling algorithm of Markov chain Monte Carlo (MCMC) method is applied to establish the multi-dimensional and complex posterior distribution which is analytically intractable. The numerical simulation examples for univariate and bivariate models are carried out to verify the effectiveness of the proposed method. In addition, the proposed Bayesian inference approach is used to update and optimize the parameters in the bivariate model using the wind monitoring data from the investigated bridge. The results indicate that the proposed Bayesian inference approach is feasible and can be employed to predict the bivariate distribution of wind speed and direction with limited monitoring data.
The 5th International Conference on Construction Engineering and Project Management
/
pp.488-493
/
2013
Accurate initial cost estimates are essential to effective management of construction projects where many decisions are made in the course of project management by referencing the estimates. In practice, the initial estimates are frequently derived from historical actual cost data, for which standard distribution-based techniques are widely applied in the construction industry to account for risk associated with the estimates. This approach assumes the same probability distribution of estimate errors for any selected estimates. This assumption, however, is not always satisfied. In order to account for the probabilistic nature of estimate errors, an alternative method for measuring the risk associated with a selected initial estimate is developed by applying the Bayesian probability approach. An application example include demonstrates how the method is implemented. A hypothesis test is conducted to reveal the robustness of the Bayesian probability model. The method is envisioned to effectively complement cost estimating methods that are currently in use by providing benefits as follows: (1) it effectively accounts for the probabilistic nature of errors in estimates; (2) it is easy to implement by using historical estimates and actual costs that are readily available in most construction companies; and (3) it minimizes subjective judgment by using quantitative data only.
In this study, the Bayesian probabilistic framework is investigated for modal identification and modal identifiability based on the field measurements provided in the structural health monitoring benchmark problem of an instrumented cable-stayed bridge named Ting Kau Bridge (TKB). The comprehensive structural health monitoring system on the cable-stayed TKB has been operated for more than ten years and it is recognized as one of the best test-beds with readily available field measurements. The benchmark problem of the cable-stayed bridge is established to stimulate investigations on modal identifiability and the present paper addresses this benchmark problem from the Bayesian prospective. In contrast to deterministic approaches, an appealing feature of the Bayesian approach is that not only the optimal values of the modal parameters can be obtained but also the associated estimation uncertainty can be quantified in the form of probability distribution. The uncertainty quantification provides necessary information to evaluate the reliability of parametric identification results as well as modal identifiability. Herein, the Bayesian spectral density approach is conducted for output-only modal identification and the Bayesian model class selection approach is used to evaluate the significance of different modes in modal identification. Detailed analysis on the modal identification and modal identifiability based on the measurements of the bridge will be presented. Moreover, the advantages and potentials of Bayesian probabilistic framework on structural health monitoring will be discussed.
Yoon, Jae Young;Lee, Tae Hyun;Ryu, Kyung Ha;Kim, Yong Jin;Kim, Sung Hyun;Park, Jong Won
Nuclear Engineering and Technology
/
제53권1호
/
pp.304-313
/
2021
Nickel base Alloy X-750, which is used as fastener parts in light-water reactor (LWR), has experienced many failures by environmentally assisted cracking (EAC). In order to improve the reliability of passive components for nuclear power plants (NPP's), it is necessary to study the failure mechanism and to predict crack growth behavior by developing a probabilistic failure model. In this study, The Bayesian inference was employed to reduce the uncertainties contained in EAC modeling parameters that have been established from experiments with Alloy X-750. Corrosion fatigue crack growth rate model (FCGR) was developed by fitting into Paris' Law of measured data from the several fatigue tests conducted either in constant load or constant ΔK mode. These parameters characterizing the corrosion fatigue crack growth behavior of X-750 were successfully updated to reduce the uncertainty in the model by using the Bayesian inference method. It is demonstrated that probabilistic failure models for passive components can be developed by updating a laboratory model with field-inspection data, when crack growth rates (CGRs) are low and multiple inspections can be made prior to the component failure.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.