• 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.

• 산업경영시스템학회지
• /
• 제39권1호
• /
• pp.9-16
• /
• 2016

The project schedule risk in the engineering and facility construction industry is increasingly considered as important management factor because the risks in terms of schedule or deadline may significantly affect the project cost. Especially, the project-based operating companies attempt to find the best estimate of the project completion time for use at their proposals, and therefore, usually have much interest in accurate estimation of the duration of the projects. In general, the management of projects schedule risk is achieved by modeling project schedule with PERT/CPM techniques, and then performing risk assessment with simulation such as Monte-Carlo simulation method. However, since these approaches require the accumulated executional data, which are not usually available in project-based operating company, and, further, they cannot reflect various schedule constraints, which usually are met during the project execution, the project managers have difficulty in preparing for the project risks in advance of their occurrence in the project execution. As these constraints may affect time and cost which role as the crucial evaluation factors to the quality of the project result, they must be identified and described in advance of their occurrence in the project management. This paper proposes a Bayesian Net based methodology for estimating project schedule risk by identifying and enforcing the project risks and its response plan which may occur in storage tank engineering and construction project environment. First, we translated the schedule network with the project risks and its response plan into Bayesian Net. Second, we analyzed the integrated Bayesian Net and suggested an estimate of project schedule risk with simulation approach. Finally, we applied our approach to a storage tank construction project to validate its feasibility.

• 인터넷정보학회논문지
• /
• 제13권5호
• /
• pp.21-31
• /
• 2012

정보 기술의 발전과 더불어 전장상황에서도 정보 시스템들의 고도화가 이루어짐으로써 적기에 대한 정보 획득 및 상황분석은 전장상황에서 주요한 요소가 되었다. 전장상황 분석의 핵심 요소인 위협평가는 피아식별을 통해 식별된 항공 정보를 가지고 해당 상황에 대한 위협치를 평가하여 무기할당에 정보를 제공하는 기술로써, 전장상황의 어느 단계 보다 확실한 정보를 요구하는 단계이다. 전장상황에서 대부분의 위협평가 데이터들은 감지된 센서 값에 의해 연산되어 전달되는데, 기존의 기법들에서 발생할 수 있는 센서 데이터들의 잘못된 연관관계 표현 및 데이터 누락은 전장상황에서의 의사결정에 혼란을 야기 시킬 수 있다. 따라서 각종 센서 데이터들의 연관 관계를 올바르게 정의하고, 센서데이터 누락에 따른 예측 불가능한 전투상황에 대한 신뢰도 높은 위협치 연산 알고리즘을 이용하는 효율적인 의사결정 위협평가 시스템이 필요하다. 본 논문에서는 JDL 정보 융합 모델을 기반으로 애매모호한 관계성을 표현하는데 유리한 퍼지 이론, 데이터 습득의 불확실한 전장상황에서 위협치를 추론하고 상황에 대한 학습이 가능한 베이지안 네트워크를 하이브리드하여 새로운 위협평가 방법을 제안한다. 또, 제안된 방법을 이용하여 가상의 전장 시나리오에 따른 위협평가 결과를 보였다.

• 대한토목학회논문집
• /
• 제34권3호
• /
• pp.821-831
• /
• 2014

추계학적 강수발생 및 모의기법은 수문학적 모형의 입력 자료로써 널리 이용되고 있다. 그러나 Modified Bartlett-Lewis Rectangular Pulse(MBLRP)와 같은 추계학적 포아송 클러스터 강수생성 모형에 대해서 국부최적화 방법을 통한 매개변수 추정 방법은 매개변수의 신뢰성에 상당한 영향을 주는 것으로 알려져 있다. 최근에는 MBLRP 모형의 국부해추정 문제를 해소하기 위하여 Particle Swarm Optimization (PSO) 또는 Shuffled Complex Evolution developed at The University of Arizona (SCE-UA) 등 매개변수 추정 성능이 우수한 전역최적화기법이 도입되고 있지만, 제한된 매개변수 공간에서 항상 신뢰성 있는 매개변수 추정이 가능한 것은 아니다. 뿐만 아니라, 모형의 매개변수들이 갖고 있는 불확실성에 관한 연구는 아직 충분히 논의되지 않았다. 이러한 관점에서 본 연구는 Bayesian 기법과 연계한 MBLRP 모형을 개발하였으며 각 매개변수들의 사후분포(Posterior Distribution)를 유도하여 매개변수가 내포하는 불확실성을 정량적으로 평가하였다. 그 결과 관측값에 대한 시간단위 이하 강수발생 통계치를 효과적으로 복원하고 있음을 확인할 수 있었다.

• 인터넷정보학회논문지
• /
• 제9권6호
• /
• pp.165-177
• /
• 2008

멀티 에이전트 강화학습에서 중요한 이슈 중의 하나는 자신의 성능에 영향을 미칠 수 있는 다른 에이전트들이 존재하는 동적 환경에서 어떻게 최적의 행동 정책을 학습하느냐 하는 것이다. 멀티 에이전트 강화 학습을 위한 기존 연구들은 대부분 단일 에이전트 강화 학습기법들을 큰 변화 없이 그대로 적용하거나 비록 다른 에이전트에 관한 별도의 모델을 이용하더라도 현실적이지 못한 가정들을 요구한다. 본 논문에서는 상대 에이전트에 대한 나이브 베이지안 기반의 행동 정책 모델을 소개한 뒤, 이것을 이용한 강화 학습 방법을 설명한다. 본 논문에서 제안하는 멀티 에이전트 강화학습 방법은 기존의 멀티 에이전트 강화 학습 연구들과는 달리 상대 에이전트의 Q 평가 함수 모델이 아니라 나이브 베이지안 기반의 행동 정책 모델을 학습한다. 또한, 표현력은 풍부하나 학습에 시간과 노력이 많이 요구되는 유한 상태 오토마타나 마코프 체인과 같은 행동 정책 모델들에 비해 비교적 간단한 형태의 행동 정책 모델은 이용함으로써 학습의 효율성을 높였다. 본 논문에서는 대표적인 적대적 멀티 에이전트 환경인 고양이와 쥐게임을 소개한 뒤, 이 게임을 테스트 베드 삼아 실험들을 전개함으로써 제안하는 나이브 베이지안 기반의 정책 모델의 효과를 분석해본다.

• 한국수자원학회논문집
• /
• 제31권4호
• /
• pp.407-413
• /
• 1998

본 연구는 기후 변화가 수자원 시스템에 미치는 영향에 대한 최근의 연구 동향을 살펴보고, 그 중의 한 기법을 미국의 Skagit 시스템에 실례로 적용해 보았다. 적용된 기법에서는, 기후변화로 인하여 Skagit 시스템의 월별 유입량의 평균과 분산이 $\pm$5% 증가한다고 가정하였다. 평균과 분산이 변화한 각각의 경우에 대하여 월별 운영률을 추계학적 동적 계획법으로 구하고 기후 변화가 없다고 가정한 경우의 운영률과 비교하였다. 그 결과 Skagit 시스템의 월별 운영률은 유입량 분산의 변화보다는 평균의 변화에 더욱 민감함을 보였다. 또, 결정된 운영률들은 모의 발생된 유입량 시나리오들을 이용하여 그 효율성을 비교하였는데, 운영률의 평가 지표로는 평균 연간 수익을 사용하였다. 산출된 운영률 중 가장 최선의 운영률을 선택하기 위하여, 본 연구에서는 Bayesian 결정 기법을 간단한 예로 설명하였다.

• 디지털융복합연구
• /
• 제13권7호
• /
• pp.169-175
• /
• 2015

주가지표처럼 동적이며 시간흐름을 따르는 시계열자료들을 이해하는 효과적인 방법은 주어진 시계열자료들에 대하여 모델을 결정함으로서 이해하는 것이 좋다. 주어진 자료들에 대한 모델 결정과정은 수집되어진 대용량 시계열자료 전체를 한 번에 다 살펴보는 것보다 자료를 특정의 중요한 몇 개의 하위그룹으로 군집화하여 각 군집별 모델결정을 통해 자료 전체를 이해하는 것이 효율적이다. 본 연구에서는 주어진 시계열자료들에 대하여 하위그룹으로의 효율적 군집화 과정 그리고 각 군집별 모델결정의 두 과정 중 첫 번째 과정인 하위집단으로 군집화 과정에 자료의 구간특징화 기법과 휴리스틱 베이지안기법의 융합을 이용하여 시간 및 계산비용을 감소시킬 수 있는 기법을 제안하였으며 실제적인 주가지표를 이용한 실험을 통해 제안하는 기법의 유효성을 확인하였다.

• 한국측량학회지
• /
• 제14권1호
• /
• pp.39-47
• /
• 1996

Landsat TM자료를 이용하여 전라남도 전역에 대한 토지피복분류를 실시하므로서 광역 분석시 자주 발생하게되는 서로 다른 두 path 데이타의 통합 분석기법을 제시하였다. path가 다를 경우 관측일이 다르므로 개별적 분석후 통합하였으며, 이 과정에서 두 scene간의 분류가능 항목의 변화 및 자료 중복지역의 처리문제 등이 대두되었다. 또한 광역 분석시 위도차에 따른 데이타값의 변화로 인하여 분류항목 및 training field의 선정이 어려웠다. 본 연구에서는 수차례의 시행착오를 통하여 이러한 문제에 대한 해결방안을 제시하였으며, 분류 정확도 향상을 위한 Bayesian 최대우도법 및 majority 필터링의 효율성을 입증하였다.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제20권3호
• /
• pp.51-64
• /
• 2015

In the present study, we develop two history matching techniques based on Markov chain Monte Carlo method where radial basis function and Gaussian distribution generated by unconditional geostatistical simulation are employed as the random walk transition kernels. The Bayesian inverse methods for aquifer characterization as the developed models can be effectively applied to the condition even when the targeted information such as hydraulic conductivity is absent and there are transient hydraulic head records due to imposed stress at observation wells. The model which uses unconditional simulation as random walk transition kernel has advantage in that spatial statistics can be directly associated with the predictions. The model using radial basis function network shares the same advantages as the model with unconditional simulation, yet the radial basis function network based the model does not require external geostatistical techniques. Also, by employing radial basis function as transition kernel, multi-scale nested structures can be rigorously addressed. In the validations of the developed models, the overall predictabilities of both models are sound by showing high correlation coefficient between the reference and the predicted. In terms of the model performance, the model with radial basis function network has higher error reduction rate and computational efficiency than with unconditional geostatistical simulation.

• Journal of Biosystems Engineering
• /
• 제40권4호
• /
• pp.417-427
• /
• 2015

Purpose: This study investigated different band selection methods to classify spectrally similar data - obtained from aerial images of healthy citrus canopies and citrus greening disease (Huanglongbing or HLB) infected canopies - using small differences without unmixing endmember components and therefore without the need for an endmember library. However, large number of hyperspectral bands has high redundancy which had to be reduced through band selection. The objective, therefore, was to first select the best set of bands and then detect citrus Huanglongbing infected canopies using these bands in aerial hyperspectral images. Methods: The forward feature selection algorithm (FFSA) was chosen for band selection. The selected bands were used for identifying HLB infected pixels using various classifiers such as K nearest neighbor (KNN), support vector machine (SVM), naïve Bayesian classifier (NBC), and generalized local discriminant bases (LDB). All bands were also utilized to compare results. Results: It was determined that a few well-chosen bands yielded much better results than when all bands were chosen, and brought the classification results on par with standard hyperspectral classification techniques such as spectral angle mapper (SAM) and mixture tuned matched filtering (MTMF). Median detection accuracies ranged from 66-80%, which showed great potential toward rapid detection of the disease. Conclusions: Among the methods investigated, a support vector machine classifier combined with the forward feature selection algorithm yielded the best results.