The question of whether core affective dimensions are represented in a modality-general or modality-specific manner remains a central issue in affective science. Most prior research examined vision and audition, leaving unclear whether other modalities, such as gustation, share similar affective structures. Using behavioral ratings from Park and Kim (2024), we applied a Bayesian hierarchical multivariate model to examine emotional responses to gustatory and auditory stimuli. We defined theoretically motivated contrasts for valence and arousal and assessed alignment between estimated category effects and these contrasts through posterior projections, cosine similarity, and Mahalanobis distances. Across analyses, valence exhibited strong alignment between modalities, with minimal cross-modal differences, supporting a modality-general representation. Conversely, arousal showed weak and divergent alignments: taste displayed weak positive alignment, whereas music exhibited negative alignment, accompanied by greater cross-modal separability. Posterior predictive checks indicated that the model adequately captured the observed condition means. These results align with previous neuroimaging, psychophysiological, and behavioral evidence suggesting that valence is encoded in abstract, supramodal representations, while arousal is more sensitive to modality-specific processes. Methodologically, this study demonstrates the value of Bayesian multivariate modeling in quantifying uncertainty and testing theoretically driven contrasts in multidimensional affective data.

This study aims to analyze the risk factors contributing to marine accidents involving Korean distant water fishing vessels using a Bayesian network approach. As marine accidents in this sector often result in severe casualties and significant economic losses, understanding their underlying causes is critical. Based on official investigation records from the Korea Maritime Safety Tribunal (2000-2023), a dataset of 46 accident cases involving longliners, trawlers, and other fishing vessels was constructed. The analysis categorized accidents by vessel types, gross tonnage, vessel age, location, operating status, and specific causes, including poor lookout and inadequate maintenance. Following the Formal Safety Assessment (FSA) framework recommended by the International Maritime Organization (IMO), the study applied Bayesian networks to quantify the probabilistic relationships among risk factors. The results revealed that the most hazardous conditions for different accident types included: vessels with 300-500 GT, aged 20-40 years, operating outside harbor limits during navigation or fishing. Specifically, collision and grounding incidents were primarily associated with poor lookout, while sinking and fire/explosion incidents were linked to inadequate maintenance. The findings underscore the necessity of tailored safety control measures for each accident type and vessel category. This research provides empirical evidence to support decision-making for improving safety policies under the Act on the Punishment of Serious Accidents and the Distant Water Fisheries Development Act.

확률론적 지진 안전성 평가(Probabilistic Safety Assessment)를 위해서 고장수목(Fault Tree) 기반 베이지안 네트워크(Bayesian Network, BN) 방법론이 제안된 바 있다. 해당 방법론은 시스템 구성요소들을 확률변수로 가정하고 변수들의 상관관계를 네트워크로 구축한 후, 변수들에 다양한 정보들을 입력함으로써 유연한 시스템 의사결정 수행이 가능하다는 장점이 있다. 그런데 이러한 시스템 평가를 위해서는 개별 요소들의 취약도 정보는 필수적이나, 플랜트 관련 설비들의 취약도 정보는 매우 한정적이다. 따라서, 우선적으 로 문헌조사를 수행하였고 Federal Emergency Management Agency(FEMA)에서 전체 시스템과 더불어 다양한 구조물 및 설비들의 취 약도 정보를 제공함을 확인하였다. 본 연구에서는 FEMA에서 제공하는 시스템 취약도와 개별 요소들의 취약도 정보를 기반으로 BN 을 통해 도출한 시스템 취약도를 비교･분석하는 것을 목표로 한다. 이를 위해 세 규모의 가스플랜트 Plot Plan을 정의하였고, 이에 대 응하는 BN 모델을 이용하여 시스템 취약도를 산출하였다. 세 규모에 대해 도출한 시스템 취약도와 FEMA에서 제공한 시스템 취약도 를 비교한 결과, 도출된 취약도가 보수적으로 산정됨을 확인하였고, 추가적으로 구축된 BN의 개별 설비들의 취약도 손상 상태 (Damage State, DS)를 변경해가면서 시스템 취약도를 산출한 결과 역시 FEMA에서 제시한 값보다 보수적임을 확인하였다. 이는 시스 템의 고장을 정의하는 DS 차이로 인한 결과이며 플랜트마다 모델링을 기반으로 하는 시스템 취약도 산출이 필요한 것으로 이해할 수 있다.

북극에 대한 관심이 높아지면서 쇄빙연구선의 필요성이 점점 커지고 있다. 특히 우리나라의 경우 2009년 진수된 7,500톤급의 아라온호가 유일한 쇄빙연구선인데, 현재 아라온호만으로는 북극과 남극의 관련 연구를 수행하는데 어려움이 있다. 이에 해양수산부에서는 제2쇄빙연구선의 건조를 추진 중에 있는데 제2쇄빙연구선 건조의 필요성과 규모의 적정성에 대한 논란이 있으므로 이러한 논란을 줄이고 보다 합리적인 의사결정을 위해서는 제2쇄빙연구선의 경제적 가치를 추정하는 것이 중요하다. 본 연구는 비시장재화의 가치측정방 법론인 조건부 가치측정법을 활용하여 제2쇄빙연구선의 경제적 편익을 산정하였다. 특히 본 연구의 추정방법과 관련하여 통상적인 CVM 은 가정되는 분포의 형태와 추정모형에 따라서 WTP 분석결과에 편차가 발생하게 된다. 이에 본 연구에서는 베이지안 추정법(Bayesian approach)을 활용한다. 분석결과에 따르면 가구당 연간 평균 WTP는 1,999원으로 추정되었으며 이를 전국 가구 수로 확대한 제2쇄빙연구선 건조 사업에 대한 총편익은 연간 약 373.9억 원인 것으로 산정되었다.

This presentation introduces a methodological framework that analyzes a model of destination image formation (Baloglu & McCleary 1999; Beerli & Martin 2004). Specifically, the main aims of this study are to investigate what type of stimulus factors (information sources) are connected to the formation of destination image, and to explore if there is a connection between their strength of willingness to visit a destination and their patterns to associate with the destination. The study employs an advanced nonparametric Bayesian relational model (Glückstad, Herlau, Schmidt, Rzepka, Araki and Mørup 2013; Mørup, Glückstad, Herlau & Schmidt, 2014) for a two-steps analysis . The first step attempts to segment consumers according to patterns of attributes consumers associate with three arbitrary selected destinations. The second step statistically analyzes latent structural patterns per segment by contrasting two independent datasets, one consisting of information sources and members of a segment and another consisting of destination attributes and the members of the segment. The results of two-steps analysis demonstrated that patterns of attributes respondents associate with the three selected destinations differ across individuals and the applied method enabled to segment respondents according to the differences, and consumers’ associations, their willingness to visit the destinations and types of information sources they have accessed to learn about the destinations are connected to each other.

본 연구에서는 질병 데이터를 활용한 사망률의 지도화에서 지역별 사망률의 변동성을 안정화할 수 있도록 하는 베이지언 기법을 적용하고, 기본적으로 활용되고 있는 SMR (Standardized mortality ratio)과 그 결과를 비교하였다. 우리나라 전국의 시군구 단위의 전립선암 사망자 수 데이터에 표준화와 베이지언 기법을 적용하고, 산출된 사망률을 지도화하여 기존에 없던 우리나라의 전립선암 사망률 지도를 질병 지도의 예시 자료로 작성하였다. 분석 결과, Bayesian 모델링 기법을 통해 계산된 위험비는 기존 SMR에 비해 좀 더 수렴된 형태의 안정적인 통계량을 가지는 것을 알 수 있었다. 국지적 Bayesian 기법은 이웃 지역들의 정보만을 반영하여 위험비를 평활화하기 때문에 본 연구에서 사용된 전역적 기법들과 비교할 때 평활화의 강도가 크지 않았다.

This paper proposes an emotion classifier from EEG signals based on Bayesʼ theorem and a machine learning using a perceptron convergence algorithm. The emotions are represented on the valence and arousal dimensions. The fast Fourier transform spectrum analysis is used to extract features from the EEG signals. To verify the proposed method, we use an open database for emotion analysis using physiological signal (DEAP) and compare it with C-SVC which is one of the support vector machines. An emotion is defined as two-level class and three-level class in both valence and arousal dimensions. For the two-level class case, the accuracy of the valence and arousal estimation is 67% and 66%, respectively. For the three-level class case, the accuracy is 53% and 51%, respectively. Compared with the best case of the C-SVC, the proposed classifier gave 4% and 8% more accurate estimations of valence and arousal for the two-level class. In estimation of three-level class, the proposed method showed a similar performance to the best case of the C-SVC.

본 논문에서는 페러데이 법칙을 이용한 진동발전 장치를 지하철의 자갈도상과 콘크리트 도상의 분류에 따른 기전력 량을 분석 하였다. 지하철 2호선 서초～방배 구간의 자갈도상에서 콘크리트 도상 변경으로 동일한 전동차 운행속도로 동일 구간에서 차량운행에 의한 동특성을 분석하고 진동력발전 장치를 이용해 얻어질 수 있는 기전력 량을 분석하였다. 또한 페러데이의 법칙에 의한 유도 기전력 식에 의한 계산 기전력 량과 발전 장치에 의한 관측 기전력 량을 베이지안 회귀 분석 및 상관분석을 통하여 철도에 적용되는 모델에 대한 신뢰구간과 모델식을 각 도상별로 업데이팅하였다. 수정된 식을 이용한 기전력은 한 개의 진동발전 장치 당 콘크리트 도상에서 4mV, 자갈도상에서는 40mV의 전력을 얻을 수 있다.

보증 데이터를 통해 제품의 수명 및 형상모수를 추정할 때 최우추정법과 같은 전통적인 통계 분석방법(Classical Statistical Method)을 많이 사용하였다. 그러나 전통적인 통계 분석방법을 통해 수명과 형상모수의 추정 시 표본의 크기가 작거나 불완전한 경우 추정량의 신뢰성이 떨어진다는 단점이 있고 또 누적된 경험과 과거자료를 충분히 이용하지 못하는 단점도 있다. 이러한 문제점을 해결하기 위해 모수의 사전분포를 가정하는 베이지안(Bayesian) 기법의 적용이 필요하다. 하지만 보증 데이터분석에 있어서 베이지안 기법을 이용한 연구는 아직 미흡한 실정이다. 본 연구에서는 수명분포가 와이블 분포를 갖는 보증데이터를 활용하여 모수 추정의 효율성을 비교 분석하고자 한다. 이를 위해 와이블 분포의 모수가 대수정규분포를 따르는 사전분포를 갖는 베이지안 기법과 전통적 통계기법인 생명표법(Actuarial method)을 활용하여 추정량을 도출하고 비교 분석하였다. 이를 통해 충분한 관측 데이터를 확보할 수 없는 경우에 베이지안 기법을 이용한 보증 데이터 분석방법의 성능을 확인하고자 한다.

Investigating the molecular clock, the ancestral character states, and the correlated evolution of discrete binary traits on phylogenetic trees, we studied the evolutionary history of the family Anthocoreidae, using ~3000bp of the mitochondrial 16S rRNA and nuclear 18S rRNA and 28S rRNA genes for 44 taxa. The BEAST and BayesTraits were used to examine the divergence times, cladogenesis, and historical habitat patterns. The correlated evolution of discrete characters was tested by reversible-jump Markov chain Monte Carlo. Our results suggest that (i) the ancestral habitat patterns of dead plants may have served as an important rule for the stem group of anthocorids; (ii) the radiation of angiosperms and the prey insect in the mid-Cretaceous might have provided anthocorids with more habitat options; and (iii) the transition of habitats played an important role for the change of ovipositor patterns in the family Anthocoreidae.

신뢰성 기반 형상 최적화(RBDO)글 위한 기술은 한정된 정보로 인한 인식론적 불확실성을 다룰 수 있는 베이지안 접근에 근거하여 발달된다. 최근까지, 전통적인 RBDO는 측정 데이터가 무한히 많아서 확실한 확률정보를 알고 있다는 가정 하에 실행되었다. 하지만 실제로는, 부족한 데이터로 인해 기존의 RBDO 방법의 유용성을 떨어뜨린다. 본 연구에서는, 확률정보의 불확실성을 인식하고, 따라서 산포를 갖게 되는 시스템 신뢰도의 확률 분포에서의 신뢰수준의 하한 값을 고려하기 위해 '베이지안 신뢰성'이 소개된다. 이런 경우, 베이지안 신뢰성 해석은 기존 신뢰도 해석의 이중 해석을 요구하게 된다. 크리깅 기반 차원 감소 방법(KDRM)은 신뢰도 해석을 위한 새로운 효율적인 방법으로써 사용되며, 제시된 방법은 몇 가지 수치예제를 사용하여 설명된다.

We construct the procedure to predict safety accidents following Bayesian approach. We make a model that can utilize the data to predict other levels of accidents. An event tree model which is a frequently used graphical tool in describing accident initiation and escalation to more severe accident is transformed into an influence diagram model. Prior distributions for accident occurrence rate and probabilities to escalating to more severe accidents are assumed and likelihood of number of accidents in a given period of time is assessed. And then posterior distributions are obtained based on observed data. We also points out the advantages of the bayesian approach that estimates the whole distribution of accident rate over the classical point estimation.

Copula 함수 기반의 모형들은 가뭄빈도해석 및 수문시계열분석 등 수문학적 모델링을 위해 다각적으로 활용되고 있다. 그러나 기존 연구에서는 Copula 함수 및 주변확률분포 매개변수에 대한 불확실성을 정량적으로 평가할 수 있는 모형의 개발 사례는 국내외적으로 미진한 실정이다. 이러한 점에서 본 연구에서는 기존 Copula 모형에 Bayesian 기법을 도입하여 매개변수의 불확실성을 평가할 수 있는 이변량 가뭄빈도해석 기법을 개발 하였다. 본 연구에서는 우선적으로 모의자료를 대상으로 모형의 적합성을 평가하였으며, 모형 적용결과 가정한 매개변수를 정확하게 재추정하는 것을 확인할 수 있다. 최종적으로 기 개발된 Bayesian Copula 함수 기반의 이변량 가뭄빈도해석 모형을 한강유역에 적용하여 최근 2013~2015 년에 가뭄 사상을 평가하였다. 서울, 경기 및 강원 지역에서 특히 가뭄이 심한 것으로 나타났으며, 대부분의 지역에서 결합재현기간이 100년을 상회하는 것으로 평가되었다. 본 연구를 통해 제안된 모형의 검증과정과 도출된 결과를 기준으로 판단해보면 가뭄자료의 분포특성 및 자료간의 상관성을 효과적으로 재현하는데 유리할 뿐만 아니라 매개변수의 불확실성을 평가할 수 있는 장점을 확인할 수 있었다.

최근 녹조현상이 심화되면서 이를 해결하기 위한 방안으로 댐의 추가방류에 대한 필요성이 제기되고 있다. 따라서 보다 합리적인 댐 추가방류와 관련된 정책 수립을 위해서 댐의 추가방류수에 대한 경제적 가치 측정의 필요성이 제기되고 있다. 이에 본 논문에서는 녹조 저감과 수질개선을 위한 댐의 추가방류에 대한 경제적 가치를 도출하기 위하여 일반가구의 지불의사액을 분석하고자 한다. 한편 연구방법론적인 측면에서 조건부 가치측 정법(CVM)을 적용하되, 최우추정법(Maximum Likelihood Estimation)을 이용하는 기존의 CVM 연구와 달리 베이지안(Bayesian) 추정법을 적 용하였다. 본 연구는 전국의 1,000가구를 대상으로 충주댐의 추가방류를 현재보다 200% 증가시켰을 경우를 가정하여 댐 추가방류의 사회적 편익 즉, 조류저감 효과를 산정하였다. 분석결과 가구당 연간 WTP는 1,909.3원으로 이를 연간 총편익으로 계산하면 357.1억 원, 10.56원/m3이다.

댐 위험도 해석시 수문학적 변량(강수, 유출 및 수위)들의 상호관계를 고려한 체계적인 분석과정이 요구된다. 그러나 기존 댐 위험도 해석 연구에서는 변량간의 체계적인 관계 평가를 수행하는데 있어서 한계점을 나타내고 있다. 이러한 점에서, 본 연구에서는 수리·수문학적 변량간의 관계를 효과적으로 평가하고자 Bayesian Network 기반의 댐 위험도 해석 기법을 개발하였다. 실제 댐에 대해서 제안된 모형을 적용한 결과 파괴인자간의 상호관계 규명 및 불확실성을 평가하는데 있어서 기존 연구보다 쉽게 가장 큰 파괴인자를 파악할 수 있는 장점이 있었다. 이와 더불어 다양한 시나리오에 따른 댐의 안정성을 파괴확률 및 예상피해의 함수인 위험도로 평가할 수 있도록 하였다. 즉, 기존 댐 위험도 기법으로 수행한 결과에서는 월류 확률이 도출 되지 않았지만, Copula 함수를 도입하여 댐 초기수위를 고려한 결과 댐 월류 확률이 발생하였 으며, 피해결과 역시 크게 증가하고 있는 것을 확인할 수 있었다. 이러한 결과를 기반으로 향후 댐의 보수보강 등의 우선순위 결정을 위한 도구로서 활용이 가능할 것으로 판단된다.

SWMM(Storm Water Management Model)은 모형 내 다양한 매개변수를 이용하여 지표 투수율 및 하수관거 영향 등 도시 유역의 유출 특성을 비교적 정확하게 모의하지만, 모형의 입력자료 부족과 매개변수의 불확실성으로 인한 신뢰성 문제가 대두되고 있다. 이러한 문제점을 해소하기 위해 본 연구에서는 SWMM 모형에 Bayesian 기법을 연계한 최적화 기법을 개발하고, 이를 활용하여 매개변수의 불확실성을 정량적으로 해석하고자 한다. 이를 위해 먼저 유출 특성에 민감한 매개변수를 민감도 분석을 통해 선정하고, SCE-UA(Shuffled Complex Evolution-University of Arizona), MCMC(Markov Chain Monte Carlo), DDS(Dynamically Dimensioned Search) 등 매개변수 최적화 기법을 적용하여 매개변수의 초기값을 설정한다. 매개변수의 다양한 물리적 범위를 고려하기 위한 방법으로 절단 정규분호(truncated Gaussian distribution)을 사전분포(prior)로 선정하여 매개변수의 사후분포(posterior)를 추정하게 된다. 최종적으로 각 매개변수간 사후분포를 이용하여 모의된 유출량의 불확실성을 정량적으로 분석하였다.

본 연구에서는 지역특성(위도, 경도, 고도)과 기후학적 특성(연최대강우량)을 계층적 Bayesian 모형안에서 연계하여 공간적 분석이 가능한 지역빈도해석 모형을 개발하였다. 기존 지역빈도해석은 강수지점의 지리적/지형적 특성을 반영한 해석이 어려운 단점이 있으며, 지점을 기준으로 해석된 확률강수량을 유역면적강우량으로 변환 시 불확실성이 큰 단점이 있다. 이에 본 연구에서는 계층적 Bayesian 기법을 이용하여 지역특성 및 기후학적 특성이 고려된 Gumbel 확률분포형의 매개변수를 추정하였으며, 이들 매개변수들을 공간적으로 보간하여 한강유역내 모든 지점에 대해서 확률강수량을 추정할 수 있도록 하였다. 결과적으로 기존 L-모멘트 방법과 유사한 결과를 확인할 수 있었으며 확률강수량의 불확실성 정량화와 더불어 지리적/지형적 영향을 고려한 해석이 가능하였다.

This paper verifies the performance of Extended Kalman Filter(EKF) and MCL(Monte Carlo Localization) approach to localization of an underwater vehicle through experiments. Especially, the experiments use acoustic range sensor whose measurement accuracy and uncertainty is not yet proved. Along with localization, the experiment also discloses the uncertainty features of the range measurement such as bias and variance. The proposed localization method rejects outlier range data and the experiment shows that outlier rejection improves localization performance. It is as expected that the proposed method doesn’t yield as precise location as those methods which use high priced DVL(Doppler Velocity Log), IMU(Inertial Measurement Unit), and high accuracy range sensors. However, it is noticeable that the proposed method can achieve the accuracy which is affordable for correction of accumulated dead reckoning error, even though it uses only range data of low reliability and accuracy.