• 인지과학
• /
• 제20권3호
• /
• pp.335-355
• /
• 2009

위험정보를 확률이나 빈도양식으로 제시하고 질병으로 사망할 확률(기저율)에 대한 위험을 판단하게 하고 양성판정을 받은 사람이 질병에 걸렸을 확률(사후확률)에 대한 위험판단과 추론의 정확성을 비교하였다. 베이스 추론 과제를 사용한 연구 1에서 숫자양식의 효과가 관찰되었다. 참가자들은 위험이 확률보다는 빈도로 제시될 때 더 위험하다고 판단하였고 질병에 걸렸을 확률을 더 정확하게 추론하였다. 빈도의 범위가 좁을 때보다 넓을 때 더 위험하다고 판단하는 효과는 관찰되지 않았다. 분석적 사고체계가 위험판단에 미치는 영향을 검토하려고 사후확률을 계산하는 조건과 계산하지 않는 조건을 비교하였다. 숫자양식의 효과는 여전히 관찰되었다. 연구 2는 기저율과 사후확률의 크기에 따라 숫자양식 효과와 빈도범위 효과가 달라지는지 알아보았다. 숫자양식의 효과는 기저율과 사후확률의 크기에 상관없이 모든 조건에서 관찰되었다. 위험한 사건이 발생할 확률의 높고 낮음에 상관없이 빈도로 제시되었을 때 참가자들이 더 위험하다고 판단하였다. 그러나 빈도범위 효과는 기저율이 낮은 조건에서만 발견되었다. 본 연구의 결과들을 이중처리체계 이론과 관련시켜 논의하였다.

• 대한전자공학회논문지SP
• /
• 제44권1호
• /
• pp.40-48
• /
• 2007

이 논문은 다중 스케일 베이지안 관점에서 다층 퍼셉트론과 마코프 랜덤 필드를 사용한 새로운 결 분할 방법을 제안한다. 다층 퍼셉트론의 출력은 사후 확률을 모델링하므로 본 논문에서는 다중 스케일 웨이블릿 계수들을 다층 퍼셉트론의 입력으로 사용한다. 다층 퍼셉트론으로부터 구한 사후 확률과 MAP (maximum a posterior) 분류를 이용하여 각 스케일에서 결 분류를 수행한다. 또한 가장 섬세한 스케일에서 더 개선된 분할 결과를 얻기 위하여 모든 스케일에서 MAP 분류 결과들을 거친 스케일에서 섬세한 스케일까지 차례로 융합한다. 이런 과정은 한 스케일에서의 분류 정보와 그 인접한 보다 거친 스케일에서 얻어지는 문맥과 관련한 연역적 정보를 이용하여 MAP 분류를 행함으로써 이루어진다. 이 융합 과정에서, MRF (Markov random fields) 사전 모델이 평탄화 제한자로서 동작하고, 깁스 샘플러 (Gibbs sampler)는 MAP 분류기로서 동작한다. 제안한 분할 방법은 HMT (Hidden Markov Trees) 모델과 HMTseg 알고리즘을 이용한 결 분할 방법보다 더 좋은 성능을 보인다.

• Asian-Australasian Journal of Animal Sciences
• /
• 제24권3호
• /
• pp.330-335
• /
• 2011

The mode of inheritance of total milk yield and its genetic parameters were investigated in Churra dairy sheep through segregation analyses using a Monte Carlo Markov Chains (MCMC) method. Data which consisted of 7,126 lactations belonging to 5,154 ewes were collected between 1999 and 2002 from 15 Spanish Churra dairy flocks. A postulated major gene was assumed to be additive and priors used for variance components were uniform. Based on 50 000 Gibbs samples from ten replicates chains of 100,000 cycles, the estimated marginal posterior means${\pm}$posterior standard deviations of variance components of milk yield were $23.17{\pm}18.42$, $65.20{\pm}25.05$, $120.40{\pm}42.12$ and $420.83{\pm}40.26$ for major gene variance ($\sigma_G^2$), polygenic variance ($\sigma_u^2$), permanent environmental variance ($\sigma_{pe}^2$) and error variance ($\sigma_e^2$), respectively. The results of this study showed the postulated major locus was not significant, and the 95% highest posterior density regions ($HPDs_{95%}$) of most major gene parameters included 0, and particularly for the major gene variance. The estimated transmission probabilities for the 95% highest posterior density regions ($HPDs_{95%}$) were overlapped. These results indicated that segregation of a major gene was unlikely and that the mode of inheritance of total milk yield in Churra dairy sheep is purely polygenic. Based on 50,000 Gibbs samples from ten replicates chains of 100,000 cycles, the estimated polygenic heritability and repeatability were $h^2=0.20{\pm}0.05$ and r=$0.34{\pm}0.06$, respectively.

• 한국수자원학회논문집
• /
• 제32권1호
• /
• pp.15-29
• /
• 1999

본 연구에서는 공간적으로 분포되어 있는 연강우량 자료를 이용한 지역 기상학적인 가뭄을 정의하고 해석하는 모형을 제시하였다. 비선형. 비매개변수법에 기초한 공간 해석 신경망(Spatial Analysis Neural Network; SANN)모형을 이용하여, 각 년에 대하여 공간의 임의 점에서의 극심, 심 경심, 및 비 가뭄 확률을 전 대상 지역에 대하여 산출을 통하여 가뭄확률도를 작성하며, Bayesian 가뭄 심도 지수(BDSI)를 통하여 전 대상 지역을 가장 적적하게 극심, 심, 경심, 비 가뭄 지역으로 분류하는 방법을 제시하였다. 또한, 각 년의 대표적인 가뭄의 형태를 제시하여 줄 수 있는 지역 가뭄 확률과 지역 가뭄 확률 지수를 소개하였다. 이 모든 시공간적 가뭄 해석의 방법은 실제로 우리나라(남한) 전역에 대하여 실시하여, 과거 1967년부터 1996년 까지의 공간적이고 시간적인 가뭄의 발생 현황과 그 특징을 조사 하였다. 본 연구는 우리나라 장기 수자원 개발 및 유역 관리를 위한 공간적이고도 시간적인 가뭄 정보를 제공하였다는 데 그 의의가 있을 것이다.

• 한국지능시스템학회논문지
• /
• 제19권3호
• /
• pp.311-316
• /
• 2009

본 논문에서는 파티클 필터(Particle Filter)를 사용한 모바일 감시 로봇을 위한 실시간 움직임 추정 알고리즘을 제안한다. 파티클 필터는 몬테카를로(Monte Carlo) 샘플링 방법을 기반으로 사전분포확률(Prior distribution probability)와 사후분포확률(Posterior distribution probability)을 가지는 베이지안 조건 확률 모델(Bayesian conditional probabilities model)을 사용하는 방법이다. 그러나 대부분의 파티클 필터에서는 초기 확률밀도(Prior probability density)를 임의로 정의하여 사용하지만, 본 논문에서는 Sum of Absolute Difference (SAD)를 이용하여 초기 확률밀도를 구하고, 이를 파티클 필터에 적용하여 모바일 감시 로봇 환경에서 임의로 움직이는 물체를 강인하게 실시간으로 추정하고 추적하는 시스템을 구현하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권12호
• /
• pp.6009-6027
• /
• 2019

Support vector machine (SVM) classifiers have been widely used for object detection. These methods usually locate the object by finding the region with maximal score in an image. With bag-of-features representation, the SVM score of an image region can be written as the sum of its inside feature-weights. As a result, the searching process can be executed efficiently by using strategies such as branch-and-bound. However, the feature-weight derived by optimizing region classification cannot really reveal the category knowledge of a feature-point, which could cause bad localization. In this paper, we represent a region in an image by a collection of local feature-points and determine the object by the region with the maximum posterior probability of belonging to the object class. Based on the Bayes' theorem and Naive-Bayes assumptions, the posterior probability is reformulated as the sum of feature-scores. The feature-score is manifested in the form of the logarithm of a probability ratio. Instead of estimating the numerator and denominator probabilities separately, we readily employ the density ratio estimation techniques directly, and overcome the above limitation. Experiments on a car dataset and PASCAL VOC 2007 dataset validated the effectiveness of our method compared to the baselines. In addition, the performance can be further improved by taking advantage of the recently developed deep convolutional neural network features.

• 한국정보통신학회논문지
• /
• 제23권10호
• /
• pp.1195-1200
• /
• 2019

본 논문은 그룹검사(Group Testing)에 대한 검출 알고리즘을 제안한다. 그룹검사는 다수의 샘플 중 극히 일부의 결함 샘플을 찾는 문제로써 이것은 압축센싱 문제와 유사하다. 본 논문에서는 잡음이 없는 그룹검사를 정의하고, 결함 샘플을 검출하기 위한 확률 기반의 알고리즘을 제안한다. 제안하는 알고리즘은 입력과 출력 신호 간 외부확률들이 서로 교환하여 출력 신호의 사후 확률이 최대가 되도록 구성한다. 그리고 검출 알고리즘에 대한 모의실험을 통해 그룹검사 문제에서 결함 샘플을 찾는다. 본 연구에 대한 모의시험 결과는 정보이론의 하한치와 비교하여 입력과 출력 신호 크기에 따라 실패확률이 얼마나 차이가 있는지 확인한다.

• The Journal of Asian Finance, Economics and Business
• /
• 제8권4호
• /
• pp.665-672
• /
• 2021

The paper examines the impact of shadow economy and corruption, along with public expenditure, trade openness, foreign direct investment (FDI), inflation, and tax revenue on the economic growth of the BRICS countries. Data were collected from the World Bank, Transparency International, and Heritage Foundation over the 1991-2017 period. The Bayesian linear regression method is used to examine whether shadow economy, corruption and other indicators affect the economic growth of countries studied. This paper applies the normal prior suggested by Lemoine (2019) while the posterior distribution is simulated using Monte Carlo Markov Chain (MCMC) technique through the Gibbs sampling algorithm. The results indicate that public expenditure and trade openness can enhance the BRICS countries' economic growth, with the positive impact probability of 75.69% and 67.11%, respectively. Also, FDI, inflation, and tax revenue positively affect this growth, though the probability of positive effect is ambiguous, ranging from 51.13% to 56.36%. Further, the research's major finding is that shadow economy and control of corruption have a positive effect on the economic growth of the BRICS countries. Nevertheless, the posterior probabilities of these two factors are 62.23% and 65.25%, respectively. This result suggests that their positive effect probability is not high.

• 지능정보연구
• /
• 제17권3호
• /
• pp.25-41
• /
• 2011

최근 몇 년간 SVM(support vector machines)기법은 패턴인식 또는 분류의사결정문제를 위한 분석기법으로서 기존의 데이터마이닝 기법과 비교할 때, 매우 높은 성과를 갖는 것으로 인식되어 왔다. 더 나아나 많은 연구자들은 SVM기법이 1980년대 이후 대표적인 예측 및 분류모형으로 인정받은 인공신경망기법(ANNs : Artificial Neural Networks)에 비해 더 성과가 좋다는 사실을 실증적으로 입증해 왔다(Amendolia et al., 2003; Huang et al., 2004, Huang et al., 2005; Tay and Cao, 2001; Min and Lee, 2005; Shin et al., 2005; Kim, 2003). 일반적으로 이와 같이 다양한 데이터마이닝 기법에 의해 분석되는 이진분류 또는 다분류 의사결정문제들은 특히 금융분야 등에 있어서 오분류비용에 민감하며, 이로 인한 오분류의 경제적 손실도 상대적으로 매우 크다고 할 수 있다. 따라서 기업부도예측모형과 같은 이진분류모형의 결과값을, 부도확률에 기초하여 정교하게 계산된 사후확률의 개념으로서 다분류의 신용등급평가의 문제로 변환할 필요가 있다. 그러나, SVM 모형의 결과값은 기본적으로 그와 같은 부도확률분포를 보여주지 않는다. 따라서, 그러한 확률분포를 정교하게 보여줄 방법을 제시할 필요가 있다(Platt, 1999; Drish, 2001). 본 연구는 AdaBoost 알고리즘기반의 SVM 모형을 이용하여, 이진분류모형으로서 IT 기업의 부실예측모형에 적용한 후, 이 SVM 모형의 예측결과를 SVM의 손실함수에 적용하여 계산된 값을 사후부도확률의 정규분포 특성에 따라 이를 구간화하여 IT기업에 대한 다분류 신용등급 평가의 문제로 전환시키는 방법을 제시하였다. 그리고 본 연구에서 제안하는 방법은 이러한 AdaBoost 알고리즘기반 SVM 모형이 각 기업이 고유한 신용위험(부도확률)을 갖고 있다는 조건하에서, 신용등급부여를 위한 부도확률분포 구간을 정교하게 조정함으로써 오분류 문제를 좀 더 줄일 수 있음을 제시하였다.

• 대한음성학회지:말소리
• /
• 제62호
• /
• pp.113-131
• /
• 2007

It is reported that the segmental feature based recognition system shows better results than conventional feature based system in the previous studies. On the other hand, the various studies of combining neural network and hidden Markov models within a single system are done with expectations that it may potentially combine the advantages of both systems. With the influence of these studies, tandem approach was presented to use neural network as the classifier and hidden Markov models as the decoder. In this paper, we applied the trend information of segmental features to tandem architecture and used posterior probabilities, which are the output of neural network, as inputs of recognition system. The experiments are performed on Auroral database to examine the potentiality of the trend feature based tandem architecture. From the results, the proposed system outperforms on very low SNR environments. Consequently, we argue that the trend information on tandem architecture can be additionally used for traditional MFCC features.