Two key challenges in statistical relational learning are uncertainty and complexity. Standard frameworks for handling uncertainty are probability and first-order logic respectively. A Markov logic network (MLN) is a first-order knowledge base with weights attached to each formula and is suitable for classification of dataset which have variables correlated with each other. But we need domain knowledge to construct first-order logics and a computational complexity problem arises when calculating weights of first-order logics. To overcome these problems we suggest a method to generate first-order logics and learn weights using association analysis in this study.

최근 사용자 제작 콘텐츠(UCC)를 포함한 다양한 콘텐츠의 생산으로 인해 데이터의 저장 및 재생성 과정에서 원본과 다른 데이터로 변형되는 경향이 있다. 특히 UCC의 경우 해상도 측면에서 화질의 저하가 발생되는데, 이때 발생되는 것이 바로 블록형 재깅 결함이다. 본 논문은 해상도의 급격한 변화가 있을 때 발생하는 블록형 결함을 제거하기 위하여 주성분 분석방법과 은닉 마코프 모델을 기반으로 블록형 재깅 결함을 제거하는 방법을 제안한다. 실험을 통해 제안한 방법은 기존 방법들에 비해 디테일을 유지하면서도 재깅 결함을 효과적으로 제거함을 확인하였다.

Most of process data control have been designed under the assumption that there are independence between observed data. However, it has been difficult to apply the traditional method to real-time data because they are autocorrelated, and they are not norm

최근 자동화생산 및 장치산업에서 로봇시스템의 사용이 증가하고 있다. 그러나 로봇 오퍼레이터, 프로그래머, 공무요원 등 간의 커뮤니케이션 부족으로 휴먼에러가 발생하여 사람의 안전재해사고 뿐 아니라 로봇시스템 가동율에서도 나뱉 영향을 주고 있다. 따라서 본 연구에서는 여유컴포넌트 마코프모형을 기초로 휴먼에러를 고려한 마코프모형을 제안한다.

단기간에 발생하는 홍수와 달리 가뭄은 긴 시간 동안 큰 피해를 발생시키기 때문에 가뭄을 효과적인 예측하는 것은 매우 중요하다. 현재까지 제안된 여러 가뭄지수들은 사전에 정의된 등급을 이용하기 때문에 대상자료 자체에 내재된 불확실성을 고려하지 못하고 있다. 본 연구에서는 월 강우량 자료를 이용하여 내재되어 있는 불확실성을 고려할 수 있는 은닉 마코프 모형(Hidden Markov Model, HMM)을 이용하여 기상학적 가뭄을 확률론적으로 평가하였다. 기상청에서 제공하는 1973년부터 2012년까지의 일 강우량 자료와 기후변화정보센터(Climate Change Information Center)에서 제공하는 2013년부터 2100년까지의 기후변화 시나리오(RCP 8.5) 기반 월강우량 자료를 대상으로 총 128년간의 강우량 자료에 HMM에 적용하고 가뭄현상을 분석하였다. 본 연구에서 제안된 은닉 마코프 가뭄지수(Hidden Markov based Drought Index, HMDI)는 자료에 내재된 불확실성을 이용하여 가뭄의 상태를 분류할 수 있으며, 이는 SPI와 같은 기존의 가뭄지수와 달리 특정 시점에서 각 은닉상태들이 나타날 확률로 표현되었다. 또한 HMDI를 이용하여 미래 기상학적 가뭄의 계절·기간별 발생특성과 가뭄위험도를 분석하였다.

지금까지 많은 연구를 통하여 제안된 다양한 가뭄지수들은 사전에 정의된 등급을 통하여 가뭄을 평가하기 때문에 가뭄현상에 내재된 불확실성을 고려하지 못하고 있다. 본 연구에서는 월 유출량 자료에 내재되어 있는 불확실성을 고려하기 위해 은닉 마코프 모형(HMM) 기반의 가뭄지수(HMDI)를 제안하고, 이를 이용하여 수문학적 가뭄에 대한 확률론적 평가를 수행하였다. WAMIS에서 제공하는 한강유역의 평창강과 남한강상류의 월평균 유출량 자료(1966∼2009)를 이용하여 3, 6, 12개월씩 누적시킨 후, HMM에 적용하여 은닉상태의 사후확률을 계산하였다. 연구방법의 검증을 위해 HMM을 이용하여 추정된 각 은닉상태 별 사후확률(HMDI)과 기준값에 의해 가뭄을 평가하는 방법 중 하나인 표준유출지수(SSI)와 비교를 하였다. 분석결과, 기존 가뭄지수(SSI)를 사용하였을 때는 하나의 지수로 특정 시점에서의 가뭄 상태를 판단하였지만, HMDI는 자료에 내재된 불확실성을 이용하여 가뭄의 상태를 분류하였고, 이는 특정 시점에서 가뭄 상태들이 나타날 확률로 표현되었다. 또한, 실제 가뭄사례와의 비교를 통해서 HMDI가 SSI에 비하여 가뭄에 대한 재현능력이 우수한 것으로 나타났다.

현재 국내·외에서 다양한 방법을 통해 가뭄을 평가하기 위한 연구가 활발히 진행되고 있으며, 이러한 방법들은 가뭄지수를 이용하여 가뭄을 정량적으로 표현하고 있다. 다양한 관점에서 다양한 가뭄지수가 제안되고 있지만, 대부분의 가뭄지수는 가뭄을 사전에 정의된 등급을 통해 가뭄을 평가하기 때문에 수문자료에 내재된 불확실성을 고려하지 못하고 있다. 이에 따라 본 연구에서는 은닉 마코프 모형(Hidden Markov Model, HMM)을 이용하여 월 유출량 자료에 내재되어 있는 수문학적 가뭄상태를 확률론적으로 평가하는 방법을 제안하였다. 한강유역의 최상류 유역에 해당하는 평창강 유역과 남한강상류 유역을 대상으로 WAMIS에서 제공하는 1966년부터 2009년까지 기록된 월평균 유출량 자료를 이용하였다. 본 연구는 HMM을 이용하는 확률론적으로 가뭄평가 방법을 표준유출지수(Standardized Streamflow Index, SSI)를 이용하는 등급기반 가뭄평가 방법과 비교분석을 통해서 HMM을 이용하는 확률론적으로 가뭄평가 방법이 가뭄의 상태를 다양한 상태들의 발생확률로 표현할 수 있으며, 이러한 상태들의 천이확률을 통해서 가뭄의 지속성을 더 잘 표현할 수 있음을 보여준다.

본 연구에서는 수자원 계획 및 설계에 기본자료로 활용되는 월강수량 자료를 모의발생하는 코플라 기반 마코프 모형을 개발하였다. 월강수량의 시간지체 의존성을 고려하기 위해서 코플라 함수를 이용하여 결합확률을 추정하여 마코프 모형에 결합하였으며, 기존의 강수모의발생 모형인 마코프 모형과 비교분석하여 모형의 효율성을 검토하였다. 통계적 특성(평균, 표준편차 등)과 계열상관도를 바탕으로 모의된 결과를 분석한 결과, 코플라 기반 마코프 모형이 보다 효율적인 모형임을 확인할 수 있었다.

본 논문에서는 연속자료로서 세계 최장의 기록을 보유하고 있는 서울지점의 강우량 자료를 이용하여 강우 발생특성의 장기 변동성을 분석하였다. 우선 마코프 연쇄에 근거한 전이확률 및 발생특성을 분석하여 측우기 자료의 정확성을 강우의 발생확률적 측면에서 평가하였다. 그리고 2차원 LOWESS 회귀방법을 이용하여 전이확률의 월간 장기변화특성을 분석하였다. 전이확률 및 발생특성 분석결과 원자료 계열의 CWK와 MRG는 발생특성이 다르게 나타났다. 강우사상의 특성은

대기에서의 물순환은 기후시스템이라는 커다란 공간 안에서 다양한 인자들의 상호작용을 통하여 이루어진다. 즉, 어떠한 기후 현상도 그 자체적으로 발생할 수는 없다. 따라서, 많은 연구자들은 영향인자들의 분석을 통하여 기후 변화를 이해하고자 노력하여 왔다. 본 연구에서는 다양한 인자에 의하여 영향을 받아 발생하는 강수량의 예측을 위하여 실제 세계의 근사적이고 부정확한 성질을 표현하는데 효과적인 퍼지 개념을 이용하였다. 예측을 위하여 적용한 모형은 크게 뉴로-

본 연구에서는 월 Palmer 가뭄심도지수(PDSI)를 산정하여 목표지역을 중심으로 가뭄 관리 및 감시를 수행하고자 하였으며, 이에 이용한 자료는 1906년부터 1999년까지 94개년의 목포기상대 자료를 이용하였다. 월 Palmer 지수를 7개의 추계학적 등급으로 분류하고 마코프연쇄(markov chain)를 이용해 월전이확률을 산정함으로써 동적인 확률변화를 살펴보고자 하였으며, 가뭄의 정상상태확률 또한 산정하였다. 본 연구를 통하여 전체 7등급 중 가