• 전자공학회논문지CI
• /
• 제43권6호
• /
• pp.1-9
• /
• 2006

무선네트워크 기반 옥내측위는 측위를 위한 특수 장비를 필요로 하지 않고, 지문 방식은 무선네트워크 기반 측위를 위한 기술 중에서 가장 정확도가 높기 때문에 무선네트워크 지문 방식이 가장 적당한 옥내측위 방법이다. 지문 방식은 준비 단계와 실시간 측위 단계로 구성되는데, 준비 단계는 그렇지 않지만 실시간 측위 단계는 실행 시간이 매우 중요한 요소인 작업이다. 왜냐하면, 실시간 측위 단계의 실행 시간이 너무 길면, 실행 도중에 사용자가 너무 많이 이동하여 정확한 측위가 불가능하게 되기 때문이다. 그럼에도 불구하고 무선네트워크 기반 지문 방식의 실시간 측위 단계의 효율성을 개선하는 연구는 아직 수행된 바가 없다. 이 논문은 무선네트워크 기반 지문 방식을 위한 판단나무 방법을 제안하며, 기존의 K-NN 방법 그리고 베이지안 방법과 본 논문이 제안하는 판단나무 방법을 정확도와 실행 시간 측면에서 비교 분석한다.

• 응용통계연구
• /
• 제22권4호
• /
• pp.723-733
• /
• 2009

K-평균 군집분석이 가지는 두 가지 근본적인 어려움은 사전에 미리 군집 수를 정해야 하는 문제와 초기 군집중심에 따라 결과가 달라질 수 있는 문제이다. 본 연구에서는 이러한 문제를 해결하기 위한 자동화 K-평균 군집분석 절차를 제안하고, R을 이용하여 구현한 결과를 제공한다. 자동화 K-평균 군집분석에서 제안된 절차는 처음 단계로서 계층적 군집분석을 행한 후 이를 이용하여 군집 수와 초기 군집수를 자동으로 정하고, 다음 단계로 이 결과를 이용하여 K-평균 군집분석을 수행하는 방법을 택하였다. 처음 단계에서 이용된 계층적 군집분석 방법으로는 Ward의 군집분석을 한 후에 Mojena의 규칙을 이용하여 군집 수를 정하는 방법을 택하거나, 모형근거 군집분석방법을 수행한 후에 BIC 값을 이용하여 군집 수를 정하는 방법을 이용하였다. 제안된 자동화 K-평균 군집절차에는 대량자료의 분석에도 용이하게 이용될 수 있도록 반복된 표본추출 방법을 이용하여 군집 수 및 군집 중심을 구하는 절차를 포함하였다. 구현된 R 프로그램은 www.knou.ac.kr/ sskim/autokmeans.r에서 제공하고 있다.

• 한국전자통신학회논문지
• /
• 제7권2호
• /
• pp.381-389
• /
• 2012

본 논문은 실외환경에서 이동하는 자율주행로봇의 위치추정 문제를 다룬다. 위성 GPS정보와 IMU센서 정보를 보정하여 로봇의 위치를 확률적으로 추정하는 MCL방법을 제안한다. MCL 방법은 로봇의 위치 예측 과정과 센서 정보에 의해 예측된 위치를 보정하는 과정으로 구성된다. 위치 예측을 위해 필요한 모션모델은 이동 로봇이 구동시의 직진 오차와 회전 오차를 포함한다. 보정은 신뢰도 값에 기반한 리샘플링에 의해 이루어진다. 신뢰도 값은 사용된 GPS와 IMU의 센서 모델에 의해 구해진다. 센서 모델을 구하기 위하여 GPS의 오차 범위를 반복 실험을 통해 구하였다. GPS는 로봇의 위치 추정을 위해 사용되며 IMU는 로봇의 이동 방향을 추정하기 위해 사용된다. 본 논문에서 제안한 방법을 실외환경에서의 이동로봇 위치 추정에 적용하였고, 실험결과를 분석하여 제안한 방법을 유효성을 보였다.

• 응용통계연구
• /
• 제31권6호
• /
• pp.721-732
• /
• 2018

잠재집단 모형은 다변량 범주형 자료 안에 숨겨진 집단을 찾는 매우 중요한 도구종의 하나이다. 하지만 실제 자료분석에서 너무 많은 관찰변수들을 포함시킨 모형은 모형을 복잡하게 만들고 또한 모수추정의 정확도에 영향을 주기 때문에 정보가 손실되지 않는 내에서 유용한 변수를 찾는 것은 중요한 문제이다. Dean과 Raftery (2010)은 잠재집단 모형에서의 변수선택을 위해 BIC를 이용한 Headlong search 알고리즘을 제시하였는데 본 논문에서는 이 방법을 대체할 수 있는 방법으로 적합한 모형으로부터 계산된 잠재집단에 속할 사후확률을 이용하여 변수 선택을 하는 방법을 제안하고자 한다. 이를 위하여 잠재집단 모형의 적합성을 측정할 수 있는 새로운 통계량과 이를 이용한 변수선택 알고리즘을 제시할 것이다. 또한 제안된 방법의 효율성을 모의실험과 실증자료 분석을 통해 살펴보고자 한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.1042-1047
• /
• 2004

Voltage control is an essential part of the electric energy transmission and distribution system to maintain proper voltage limit at the consumer's terminal. Besides the generating units that provide the basic voltage control, there are many additional voltage-controlling agents e.g., shunt capacitors, shunt reactors, static VAr compensators, regulating transformers mentioned in [1], [2]. The most popular one, among all those agents for controlling voltage levels at the distribution and transmission system, is the on-load tap changer transformer. It serves two functions-energy transformation in different voltage levels and the voltage control. Artificial Neural Network (ANN) has been realized as a convenient tool that can be used in controlling the on load tap changer in the distribution transformers. Usage of the ANN in this area needs suitable training and testing data for performance analysis before the practical application. This paper briefly describes a procedure of processing the data to train an Artificial Neural Network (ANN) to control the tap changer operating decision of parallel transformers for a closed primary bus. The data set are used to train a two layer ANN using three different neural net learning algorithms, namely, Standard Backpropagation [3], Bayesian Regularization [4] and Scaled Conjugate Gradient [5]. The experimental results are presented including performance analysis.

• 품질경영학회지
• /
• 제21권2호
• /
• pp.1-16
• /
• 1993

Early generations of products had little to no inherent capability to test themselves. The technologies involved often required only visual inspection and limited probing to troubleshoot the system once it was turned over to maintenance personnel. However, as the complexity of military and commercial systems grew, symptoms of failure became less noticeable to the operator. Therefore, the procedure to access, inspect, repair and replace a component became complicated, the requirements for personnel skill and testing equipment increased. and it took too long of a time to maintain a system. Meanwhile, the need for availability became more mission-critical and maintenance become very expensive. The obvious solution was to design in-system circuits or devices to self-test the primary system, the Built-In-Test(BIT) was born. This approach has continued right on up through present systems and is an integral part of systems now being designed. The object of this paper is to present a state-of-the-art research for filtering out the BIT diagnosis mistakes using Bayesian analysis and develop the algorithm for Redundant systems with BIT to improve BIT diagnosis.

• Journal of the Korean Data and Information Science Society
• /
• 제20권1호
• /
• pp.77-87
• /
• 2009

최근 들어 소지역 추정 문제를 해결하는데 베이지안 방법이 주목을 받고 있다. 본 논문에서는 고객집단별 보험금에 대한 실제 자료를 MCMC 기법을 통한 계층적 베이지안 모형과 일원분류, GLM-Normal, GLM-Gamma 모형으로 분석하여 그 결과를 비교하였다. 결론적으로 소지역 추정에 의하여 얻어진 보험금 추정량이 다른 방법으로부터 얻어진 추정량들과 비교하여 가장 합리적이고 좋은 추정량임을 보일 수 있었다. 특히, 표본 수가 적은 집단에 대하여 소지역 추정의 정확성이 현저하게 높음을 알 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 추계학술대회 논문집 학회본부
• /
• pp.600-602
• /
• 1997

In this study, a hybrid neural net consisting of an Adaptive LVQ(ALVQ) algorithm and MLP is proposed to perform speaker identification task. ALVQ is a new learning procedure using adaptively feature vector sequence instead of only one feature vector in training codebooks initialized by LBG algorithm and the optimization criterion of this method is consistent with the speaker classification decision rule. ALVQ aims at providing a compressed, geometrically consistent data representation. It is fit to cover irregular data distributions and computes the distance of the input vector sequence from its nodes. On the other hand, MLP aim at a data representation to fit to discriminate patterns belonging to different classes. It has been shown that MLP nets can approximate Bayesian "optimal" classifiers with high precision, and their output values can be related a-posteriori class probabilities. The different characteristics of these neural models make it possible to devise hybrid neural net systems, consisting of classification modules based on these two different philosophies. The proposed method is compared with LBG algorithm, LVQ algorithm and MLP for performance.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제27권2호
• /
• pp.87-98
• /
• 2022

This study aims to prepare a technical protocol for identifying the source of nitrate in water using nitrogen (δ¹⁵N) and oxygen (δ¹⁸O) stable isotope ratios. The technical processes for nitrate sources identification are composed of site investigation, sample collection and analysis, isotope analysis, source identification using isotope characteristics, and source apportionment for multiple potential sources with the Bayesian isotope mixing model. Characteristics of various nitrate potential sources are reviewed, and their typical ranges of δ¹⁵N and δ¹⁸O are comparatively analyzed and summarized. This study also summarizes the current knowledge on the dual-isotope approach and how to correlate the field-relevant information such as land use and hydrochemical data to the nitrate source identification.

• Asian-Australasian Journal of Animal Sciences
• /
• 제33권9호
• /
• pp.1387-1399
• /
• 2020

Objective: The objective of this study was to estimate the genetic parameters and trends for milk, fat, and protein yields in the first three lactations of Thai dairy cattle using a 3-trait,-3-lactation random regression test-day model. Methods: Data included 168,996, 63,388, and 27,145 test-day records from the first, second, and third lactations, respectively. Records were from 19,068 cows calving from 1993 to 2013 in 124 herds. (Co) variance components were estimated by Bayesian methods. Gibbs sampling was used to obtain posterior distributions. The model included herd-year-month of testing, breed group-season of calving-month in tested milk group, linear and quadratic age at calving as fixed effects, and random regression coefficients for additive genetic and permanent environmental effects, which were defined as modified constant, linear, quadratic, cubic and quartic Legendre coefficients. Results: Average daily heritabilities ranged from 0.36 to 0.48 for milk, 0.33 to 0.44 for fat and 0.37 to 0.48 for protein yields; they were higher in the third lactation for all traits. Heritabilities of test-day milk and protein yields for selected days in milk were higher in the middle than at the beginning or end of lactation, whereas those for test-day fat yields were high at the beginning and end of lactation. Genetics correlations (305-d yield) among production yields within lactations (0.44 to 0.69) were higher than those across lactations (0.36 to 0.68). The largest genetic correlation was observed between the first and second lactation. The genetic trends of 305-d milk, fat and protein yields were 230 to 250, 25 to 29, and 30 to 35 kg per year, respectively. Conclusion: A random regression model seems to be a flexible and reliable procedure for the genetic evaluation of production yields. It can be used to perform breeding value estimation for national genetic evaluation in the Thai dairy cattle population.