• Communications for Statistical Applications and Methods
• /
• 제25권5호
• /
• pp.453-470
• /
• 2018

We study how to distinguish the parameters of the sparse autoregressive (AR) process from zero using a non-convex penalized estimation. A class of non-convex penalties are considered that include the smoothly clipped absolute deviation and minimax concave penalties as special examples. We prove that the penalized estimators achieve some standard theoretical properties such as weak and strong oracle properties which have been proved in sparse linear regression framework. The results hold when the maximal order of the AR process increases to infinity and the minimal size of true non-zero parameters decreases toward zero as the sample size increases. Further, we construct a practical method to select tuning parameters using generalized information criterion, of which the minimizer asymptotically recovers the best theoretical non-penalized estimator of the sparse AR process. Simulation studies are given to confirm the theoretical results.

• 대한전자공학회논문지
• /
• 제26권6호
• /
• pp.89-96
• /
• 1989

본 논문에서는 영역화에 기초를 둔 영상 부호화의 한 부분인 영역 부호화의 개선에 관한 연구가 수행되었다. 영역화시 texture의 효율적인 표현을 위하여 영상을 stochastic random field로 묘사 될 수 있는 stochastic 영역과 non-stochastic 영역으로 구분한다. 영역 부호화 및 복원시 stochastic 영역에 대해서는 autoregressive model을 이용하고 non-stochastic영역은 2차원 다항식 근사화를 이용한다. 제안 방식은 2차원 다항식 근사화만을 이용한 기존 방식보다 더 좋은 주관적 화질을 가지며, 상대적인 data 감축할 수 있었고 영상의 부호화 및 복원에 필요한 수행시간을 단축시켰다.

• Journal of the Korean Statistical Society
• /
• 제30권1호
• /
• pp.31-39
• /
• 2001

For estimating parameters of possibly nonlinear and/or non-stationary seasonal autoregressive(AR) processes, we introduce a new instrumental variable method which use the direction vector of the regressors in the same period as an instrument. On the basis of the new estimator, we propose new seasonal random walk tests whose limiting null distributions are standard normal regardless of the period of seasonality and types of mean adjustments. Monte-Carlo simulation shows that he powers of he proposed tests are better than those of the tests based on ordinary least squares estimator(OLSE).

• Communications for Statistical Applications and Methods
• /
• 제25권4호
• /
• pp.431-442
• /
• 2018

This paper highlights the computational explosion issues in the autoregressive moving average approach of frequency estimation of sinusoidal data with a large sample size. A new algorithm is proposed to circumvent the computational explosion difficulty in the conditional least-square estimation method. Notice that sinusoidal pattern can be generated by a non-invertible non-stationary autoregressive moving average (ARMA) model. The computational explosion is shown to be closely related to the non-invertibility of the equivalent ARMA model. Simulation studies illustrate the computational explosion phenomenon and show that the proposed algorithm can efficiently overcome computational explosion difficulty. Real data example of sunspot number is provided to illustrate the application of the proposed algorithm to the time series data exhibiting sinusoidal pattern.

• Communications for Statistical Applications and Methods
• /
• 제24권1호
• /
• pp.1-13
• /
• 2017

This manuscript summarized advances in bootstrap methods for long-range dependent time series data. The stationary linear long-memory process is briefly described, which is a target process for bootstrap methodologies on time-domain and frequency-domain in this review. We illustrate time-domain bootstrap under long-range dependence, moving or non-overlapping block bootstraps, and the autoregressive-sieve bootstrap. In particular, block bootstrap methodologies need an adjustment factor for the distribution estimation of the sample mean in contrast to applications to weak dependent time processes. However, the autoregressive-sieve bootstrap does not need any other modification for application to long-memory. The frequency domain bootstrap for Whittle estimation is provided using parametric spectral density estimates because there is no current nonparametric spectral density estimation method using a kernel function for the linear long-range dependent time process.

• 응용통계연구
• /
• 제30권3호
• /
• pp.323-334
• /
• 2017

실현변동성(RVs)이 지속적인 장기기억성과 상당히 큰 이상치의 존재로 인해 정상계열과 비정상계열의 경계에 위치한다는 것에 주목하였다. 실현변동성을 예측하기 위해 실현변동성 이상치 관측 유무에 따라 heterogeneous autoregressive (HAR) 모형과 integrated HAR (IHAR) 모형을 번갈아 사용하는 새로운 방법을 제안하였고, 이 방법을 IHAR-O-HAR라 칭하였다. 예측력 비교는 주요 지수인 S&P 500, Nasdaq과 Nikkei 225의 실현변동성 데이터를 이용하였으며 표본 외 예측력 비교에서 새로운 IHAR-O-HAR 방법은 RW 방법, HAR 방법이나 IHAR 방법의 예측력보다 우수함을 확인하였다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.27-39
• /
• 2016

본 논문은 다차원의 시계열 자료 분석에서 효율적인 희박벡터자기회귀모형에서의 모수 추정에 대해서 연구한다. 희박벡터자기회귀모형은 영에 가까운 계수를 정확이 영으로 둠으로써 희박성을 확보한다. 따라서 변수 선택과 모수 추정을 한꺼번에 할 수 있는 lasso를 이용한 방법론을 희박벡터자기회귀모형의 추정에 쓸 수 있다. 하지만 Davis 등(2015)에서는 모의실험을 통해 일반적인 lasso의 경우 영이아닌 계수를 참값보다 훨씬 더 많이 찾아 희박성에 약점이 있음을 보고하였다. 이에 따라 본 연구는 희박벡터자기회귀모형에 adaptive lasso를 이용하면 일반 lasso보다 희박성을 비롯한 전반적인 모수의 추정이 매우 유의하게 개선됨을 보인다. 또한 adaptive lasso에서 쓰이는 튜닝 모수들에 대한 선택도 아울러 논의한다.

• 문화기술의 융합
• /
• 제7권1호
• /
• pp.640-645
• /
• 2021

딥러닝 기반 종단간 TTS 시스템은 텍스트에서 스펙트로그램을 생성하는 Text2Mel 과정과 스펙트로그램에서 음성신호를 합성하는 보코더 등 두 가지 과정으로 구성되어 있다. 최근 TTS 시스템에 딥러닝 기술을 적용함에 따라 합성음의 명료도와 자연성이 사람의 발성과 유사할 정도로 향상되고 있다. 그러나 기존의 방식과 비교하여 음성을 합성하는 추론 속도가 매우 느리다는 단점을 갖고 있다. 최근 제안되고 있는 비-자기회귀 방식은 이전에 생성된 샘플에 의존하지 않고 병렬로 음성 샘플을 생성할 수 있어 음성 합성 처리 속도를 개선할 수 있다. 본 논문에서는 비-자기회귀 방식을 적용한 Text2Mel 기술인 FastSpeech, FastSpeech 2, FastPitch와, 보코더 기술인 Parallel WaveGAN, Multi-band MelGAN, WaveGlow를 소개하고, 이를 구현하여 실시간 처리 여부를 검증한다. 실험 결과 구한 RTF로 부터 제시된 방식 모두 실시간 처리가 충분히 가능함을 알 수 있다. 그리고 WaveGlow를 제외하고 학습 모델 크기가 수십에서 수백 MB 정도로, 메모리가 제한되어 있는 임베디드 환경에 적용 가능함을 알 수 있다.

• 응용통계연구
• /
• 제27권6호
• /
• pp.1039-1047
• /
• 2014

시계열 자료를 위한 가장 기본적인 모형인 자기회귀모형을 고려한다. 흔히 시계열 자료에서 정규성 가정이 위배되는 경우가 발생하며, 정규성 가정을 완화하기 위한 방법으로 두꺼운 꼬리를 가지는 분포 또는 비대칭 분포를 고려할 수 있다. 비대칭 지수멱 분포의 사용은 비뚤림이 있는 두꺼운 꼬리를 가지는 자기회귀모형의 이상치의 영향을 줄이고 로버스트한 추론을 할 수 있도록 한다. 본 논문에서는 자기회귀모형에 대한 오차항에 정규분포 보다 첨도와 왜도에 유연함을 가지는 분포를 고려함으로써 정규성 가정을 완화하여 추론하고자 하였다. 정규분포의 대안으로 비대칭 지수멱 분포를 고려하였으며 정규분포의 결과와 비교 하여 비대칭 지수멱 분포의 로버스트함을 보였다. 또한 주어진 분포에 대한 효율적인 베이지안 추론을 하기 위하여 SIR 알고리즘과 격자망 방법을 고려하였다.

• 디지털융복합연구
• /
• 제10권9호
• /
• pp.357-362
• /
• 2012

본 논문에서는 분산이 각각 다른 이분산성을 갖는 비선형 시계열 자료를 가지고, 비선형 시계열 모형중 1차 일반화 확률계수 자기회귀모형(GRCA(1))과 자료의 형태에 상관없이 적용할 수 있는 신경망 모형을 이용하여 예측을 해서 어느 모형이 최소 평균예측오차제곱의 기준에서 비선형 시계열 자료의 예측에 적합한지를 비교 분석 하는 것이다. 조건부 이분산 모형에 따르는 자료로 확인된 종합주가지수 변동율에 대한 사례 분석 결과를 보면 신경망 모형은 단기 예측에서 좋은 예측 결과를 보였고, 비선형 모형인 GRCA(1) 모형은 장기 예측에서 좋은 예측 결과를 보여 주었다.