최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
서정훈, 조재호, 원유재
2020 / JIPS(Journal of Information Processing Systems)
데이터가 존재하지 않습니다.
loading...
본 연구는 VAR 다변량 데이터 모델을 활용하여 기상 변화에 따른 공간 감마선량의 이상 상황 예측 가능성을 확인하였다. 감마선량은 방사성 물질 방출 여부를 확인하는 데 중요하며, 날씨 데이터와의 상관관계를 분석하여 예측 모델을 구축하였다. 실험 결과, VAR 모델을 통해 감마선량 이상 상황을 효과적으로 예측할 수 있음을 확인하였다.
Multiple time series models
Introduction to time series using Stata
Models for dependent time series
Applied economic forecasting using time series methods
Applied time series analysis, with R
Time series analysis
Time series and analysis of irregularly observed data
SAS for forecasting time series
Time series modelling with unobserved components
Statistical analysis of climate series : analyzing, plotting, modeling, and predicting with R
New introduction to multiple time series analysis
Predictions in time series using regression models
The GVAR handbook : structure and applications of a macro model of the global economy for policy analysis
시계열 분석 및 응용
The analysis of time series : an introduction
Forecasting with dynamic regression models
Random effect and latent variable model selection
Structural vector autoregressive analysis
The roots of backpropagation : from ordered derivatives to neural networks and political forecasting
R과 SAS를 이용한 경시적 자료분석
SN Applied Sciences
Abdallah W.,Abdallah N.,Marion J.M.,Oueidat M.,Chauvet P.Korean Journal of Applied Statistics
Changryong Baek; Sl Gi LeeInternational Journal of Energy Economics and Policy
Usman M.,Loves L.,Russel E.,Ansori M.,Warsono W.,Widiarti W.,Wamiliana W.International Journal of Advances in Engineering Sciences and Applied Mathematics
Broszkiewicz-Suwaj, Ewa; Wyłomańska, AgnieszkaIEEE Transactions on Signal Processing
Bai P.,Safikhani A.,Michailidis G.IEEE Transactions on Signal Processing
Peiliang Bai; Abolfazl Safikhani; George MichailidisJournal of The Korean Data Analysis Society
노태영; 최태련湖北工程学院学报 / Journal of Hubei Engineering University
张佐; 陈贵词; 丁咏梅; Zhang Zuo; Chen Guici; Ding YongmeiTechnometrics
Nicoleta Serban; Rodrigue NgueyepTechnometrics
Ngueyep, Rodrigue; Serban, NicoletaJOURNAL OF STATISTICAL COMPUTATION AND SIMULATION
Maleki, Mohsen; Wraith, Darren; Mahmoudi, Mohammad R.; Contreras-Reyes, Javier E.CHAOS SOLITONS & FRACTALS
Wang, Li; Xie, Yuxin; Wang, Xiaoyi; Xu, Jiping; Zhang, Huiyan; Yu, Jiabin; Sun, Qian; Zhao, ZhiyaoJournal of Physics: Conference Series
N Indryani; Warsono; Mustofa Usman; Widiarti; Dian Kurniasari; S U NabilaIEEE TRANSACTIONS ON SIGNAL PROCESSING
Isufi, Elvin; Loukas, Andreas; Perraudin, Nathanael; Leus, GeertJournal of Applied Geodesy
Iyer, S.; Mahajan, A.Indonesian Journal of Science and Technology
Caraka, Rezzy Eko; Chen, Rung Ching; Yasin, Hasbi; Suhartono, ; Lee, Youngjo; Pardamean, Bens일본근대학연구
임병진保定学院学报 / Journal of Baoding UNIVERSITY
王艳; Wang YanAccident; analysis and prevention
Serhiyenko V; Ivan JN; Ravishanker N; Islam MSInternational Journal of Energy Economics and Policy
Warsono ,Russel E.,Wamiliana ,Widiarti ,Usman M.전선 / 학사
일기나 기후에서 대기 관측은 현상 분석뿐만 아니라 예보 및 예측을 위해서는 필수적인 요소이다. 이 과목에서는 온도, 기압, 습도, 바람 등 기상요소의 지상 및 상층 직접 관측의 원리와 측정기기 그리고 분석 방법에 대해 학습한다. 또한, 관측의 중요성이 증대하는 위성, 기상 레이다, 라이다 및 대기복사 관측의 기본 원리 및 활용의 예를 공부한다. 두 시간을 실험 시간으로 할애하며 실험은 직접적인 기기의 조작이나 견학, 관측자료의 분석을 통해 실시한다.전선 / 학사
위성관측의 발달은 기상학과 기후학 분야에서 괄목할 만한 활용의 증대를 가져왔다. 위성자료는 자료동화를 통해 수치예보의 성능을 좌우하는 가장 중요한 요소로 대두되었다. 또한 장기간 위성관측 자료는 대기물리과정, 기후/환경변화 감시, 기후모델의 검증과 이해 등 기후변화연구에서 필요불가결한 부분이 되고 있다. 이 강의에서는 인공위성 관측이 어떻게 이루어지며, 기상/기후분야에서 어떠한 활용이 이루어지고 있는지에 초점을 맞추어 진행한다.전선 / 대학원
일변량 시계열자료의 분석을 위해 시간영역에서의 분석모형인 ARIMA 모형의 설정, 적합, 진단 및 예측 방법과 진동수 영역에서의 Spectral theory 이론을 학습하고 실제자료의 분석을 통해 모형을 수립하는 방법을 배운다.전선 / 대학원
한 개체로부터 다른 실험조건하에서나 여러 다른 관측시간에 반복적으로 얻어진 자료를 분석하기위한 통계기법을 다룬다. 연속형의 반복측정자료를 분석하기 위해 다변량정규분포의 가정을 필요로 하는 고전적인 다변량모형을 소개하고 최근에 널리 사용되고 있는 혼합모형을 다룬다. 이산형의 반복측정자료 분석을 위해서는 가중최소제곱법에 근거한 모형과 랜덤화 모형을 다루고 일반화선형모형을 확장한 일반화추정방정식(GEE)모형을 다룬다.전선 / 대학원
대기난류 및 대기 경계층(혹은 미기상학)의 지식을 이용하여 실제대기에서 각종오염 물질이 어떻게 확산되고 수송되어 가는 지를 추정할 수 있는 모델 및 그 방법론에 대하여 강의한다.전선 / 학사
시계열자료의 분석법 및 여러가지 종류의 시계열자료 분석용 패키지의 사용법에 대해 공부한다. 주로 다루어지는 내용은 ARIMA모형, 계절 ARIMA 모형, 이분산성 (GARCH) 모형, 이산형 시계열 모형 등이며, 이들 모형에서 모수 추론 방법론 및 변화점 탐지 이론 등을 다룬다.전선 / 대학원
본 강좌는 다양한 머신러닝기법을 활용한 기후환경데이터 분석 방법을 소개한다. Linear regression, Logistic regression, Support Vector Machine (SVM), Random Forest, XGBoost, LightGBM 등과 같은 지도 학습 기법에 더불어,K-mean clustering, Principal Component Analysis, Singular Value Decomposition,Self-Organizing Map (SOM) 등의 비지도 학습 머신러닝 기법들의 구동 원리를 파악할 수 있는 이론 강의와, 이 중 일부를 활용한 실습 과정으로 구성된다. 다양한 머신러닝 기법 기반의 데이터 분석 방법을 비교함으로서 머신러닝 기법들의 장단점을 파악할 수 있도록 한다.전선 / 대학원
인공위성의 발달과 더불어 대기 및 지상의 기상 및 기후요소의 관측은 일기예보와 기후분석에서 없어서는 안될 중요한 대기과학의 한 분야로 간주되고 있다. 이 과목에서는 대기복사 이론이 대기원격탐사에 어떻게 적용되어 일기 및 기후자료를 얻을 수 있는지에 대해 강의하며, 얻어진 자료가 물 및 에너지 수지, 대기물리과정의 이해, 자료동화, 기후분석 등에 어떻게 활용되는지 강의한다.전선 / 대학원
데이터마이닝 (Data Mining)은 대용량 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙 등을 찾아내고 모형화해서 의사결정을 돕고, 유용한 정보로 변환하는 일련의 과정이다. 본 강좌에서는 기술모델링과 예측모델링에 사용되는 통계학, 기계학습, 신경회로망 기법들을 공부하고, 응용 사례 연구와 패키지를 이용한 프로젝트를 수행한다.전선 / 학사
일기와 관련한 지구상 각 지역의 특징적인 기상 현상을 설명한다. 특히 동아시아지역의 몬순, 중위도 고·저기압계, 태풍, 강수를 다룬다. 컴퓨터를 이용한 기본 일기도의 작성과 분석을 실험하며 기본 일기도를 이용하여 보조 일기도의 작성한다. 강의에서 다룬 일기계의 실제 예보법을 습득하고 일기예보 브리핑을 수행한다.전선 / 대학원
중도절단 생존시간 자료를 분석하는 고급 통계적 기법들을 다룬다. 생존함수의 추정을 위한 일반적인 방법인 KaplanㅡMeier 추정량의 정의 및 여러 성질들을 다룬다. 좌 절단 자료의 분석을 위하여 필수적인 셈 과정에 대한 이론을 배우고, 이를 이용한 위험함수의 추정방법을 설명한다. 생존시간 자료의 회귀모형을 위하여 비례위험모형에 대하여 다루고, 회귀계수의 점근적 일치성 및 근사분포를 유도한다.전선 / 대학원
대기과학연구에 필수적으로 이용되는 대기 전지구 모델 및 일기예보 모델의 근간을 구성하는 대기역학 코어 및 자료동화 시스템에 이용되는 다양한 수치적인 방법들을 공부한다. 실습시간에는 실제 현업 모델 혹은 단순화된 현업 모델을 이용하여, 대기역학 코어 및 자료동화 시스템이 실제 기상현상의 수치모의에 있어 어떻게 이용되는지 연습할 수 있는 기회를 갖는다.전필 / 학사
기본적으로 선형회귀모형을 주어진 자료에 적합시키는 방법을 소개하며, 모형모수에 대한 추론도 다룬다. 이 과목에서 다루는 주제를 나열하면, 단순선형회귀, 다중선형회귀, 모형적합진단, 가중선형회귀, 변수변환, 회귀진단, 레버리지 및 영향점 탐지, 범주형변수를 위한 회귀분석기법, 다중공선성, 변수선택 및 모형선택, 비선형회귀, 일반화선형모형, 인공신경망 등이다.전선 / 대학원
농림기상 분야의 정보에 공간정보의 비중이 크다. 디지털화된 공간정보는 기초 지형정보, 인문사회적정보, 원격탐사 등과 관계형 데이터베이스로 연결할 수 있으며, 정보의 조합과 분석을 통해 농림기상 분야의 관리에 필요한 정보를 생성할 수 있다. 이 강의에서는 프로그래밍을 기반으로 농림기상분야의 공간분석 능력을 기르고, 대량 생산되고 있는 모바일과 원격탐사 데이터 등의 적용 가능성과 방향을 고찰한다.전필 / 대학원
본 교과목은 데이터과학 분야에 관심있는 통계학 석사 과정 대학원생을 대상으로, 데이터 랭글링 및 시각화, 회귀분석, 선형 모형, 일반화 선형 모형, 혼합 모형, 분류를 포함하여 모든 데이터 과학자가 익숙해야 하는 통계 방법론 및 이를 통계 소프트웨어를 사용해 적용하는 실례를 다룬다. 기존의 통계학 과목과 비교하여 본 교과목은 이론에 대한 강조가 덜한 대신, 통계 방법론을 구현하고 주요 개념을 실제 자료에 적용하여 데이터를 분석하기 위해 어떻게 소프트웨어를 사용하는지에 대해 더 중점을 둔다. 주요 개념에 대해서는 그것이 “작동하는 이유”에 대한 직관적 설명을 위주로 한다. 본 과목의 모든 통계 분석은 R과 Python을 사용한다.전선 / 학사
이 과목에서는 데이터 분석에서 가장 많이 사용되는 분석방법 중 하나인 회귀모형을 대해서 소개한다. 단순 선형회귀모형부터 다중회귀모형에 관한 내용을 다루고 회귀모형에서의 중요한 가정과 모형진단에 대해서 알아본다. 또한 회귀모형을 이용한 예측과 예측변수의 선택에 대해 소개하고 분석결과를 보고서에 어떻게 제시할지 대해서 학습한다.전선 / 대학원
선형시스템의 최적추정자인 칼만필터를 기본으로 하여 모델의 불확실성을 고려한 적응필터 및 강인필터, 계산량을 줄이기 위한 슈미트필터, 다양한 측정치에 대한 내고장을 높이기 위한 분산필터를 소개한다. 또한 비선형 모델에 대한 확장칼만필터를 기반으로 최근에 많은 연구가 되고 있는 무향 칼만필터 (Unscented Kalman Filter)에 대한 특성을 분석한다. 마지막으로 상태변수가 정규분포를 가지지 않을 때 최적의 필터로 최근에 각광을 받고있는 다양한 입자필터 (Particle Filter)를 소개한다. 수업에서 소개된 필터는 INS/GPS 결합시스템과 레이더 추적문제에 적용한다.전필 / 학사
본 수업에서는 경제학 기본이론, 통계학, 경제수학 등을 이수한 학생들을 대상으로 농업경제 현상에 관련된 경제변수들의 관계를 측정하기 위한 기본이론을 다룬다. 모델설정, 추정, 예측 및 정책분석을 궁극적 목표로 하며 이를 위해서 필요한 회귀분석, 중회귀분석, 시계열 분석 등을 학습한다. 또한 이론만이 아니라 이를 실증적으로 적용할 수 있도록 컴퓨터 실습시간을 가진다.전선 / 대학원
(1) 통계적 변동성을 표현하는 확률 함수의 결정 인자들을 이해하고, (2) 통계적 변동성을 따르는 사건들에 대한 사실적 모사의 반복 작업을 통해 최종 현상을 유추하는 Monte Carlo 방법의 기본 운용 기술을 익힘. 또한, (3) 방사선의 발생과 물질과의 반응에서 나타나는 확률적 선택 현상을 전산 추적하는 scheme을 구성하고 programming 작업을 수행하며, (4) 최종 평가 자료의 분산 범위를 최소화하는 시뮬레이션 최적화 기술을 익힘.전선 / 대학원
본 강의는 인공환경을 건축구조물 단위의 시스템으로서 이해하고, 생애주기 동안 주변 환경과 어떻게 상호작용하는지에 대한 폭넓은 이해를 제공한다. 건축구조물의 사용 환경에 따른 거동을 다자유도시스템(state-space representation)으로 분석하기 위해 동역학 기초지식이 요구된다. SIMO, MIMO 시스템 관련하여 대표적인 응답기반 시스템식별 기술(시계열 기반, 주파수영역 기반, 확률기반 등)의 이론에 대해 학습한다. 더 나아가 시스템식별 기술을 머신러닝 알고리즘(ARMA, Neural Network, LSTM 등)과 접목하여 부분 계측된 인공환경의 실시간모니터링과 미래성능예측, 그리고 유지보수를 위한 의사결정 도출방법을 학습한다. 궁극적으로 학생들에게 다차원적인 건축물과 환경의 상호작용에 대한 통찰력을 제공한다.