In this paper, we design a terminal sliding mode controller based on neural network for nonlinear systems with uncertainties. Terminal sliding mode control (TSMC) method can drive the tracking errors to zero within finite time. Also, TSMC has the advantages such as improved performance, robustness, reliability and precision by contrast with classical sliding mode control. For the control of nonlinear system with uncertainties, we employ the self-recurrent wavelet neural network(SRWNN) which is used for the prediction of uncertainties. The weights of SRWNN are trained by adaptive laws based on Lyapunov stability theorem. Finally, we carry out simulations to illustrate the effectiveness of the proposed control.
This paper proposes the self-recurrent wavelet neural network (SRWNN) observer based sliding mode control (SMC) method for nonlinear systems. Unlike the classical SMC, we assume that all states of nonlinear systems are not measured and design the SRWNN observer to measure the states of nonlinear systems. The SRWNN in the observer is used for approximating the observer system's gain. To generate the control input for controlling the nonlinear system, the measured states are used. The sliding surface with a boundary layer is defined to remove the chattering of the control input. Simulation result to show the effectiveness of the SRWNN observer is presented.
본 연구의 목적은 2007년~2010년 유로 도입 이후 금융위기 및 그에 따른 EU 부채위기까지의 기간 내에 미국, 유럽 및 BRIC 금융시장 간의 선형과 비선형 인과관계의 존재를 통해 글로벌 전이효과를 조사하는데 있다. 금융위기로 인한 글로벌 전이효과가 잘 설명되어 있지만, 미국, 유럽 및 BRIC 주식시장 간의 변동성 전이효과의 특성 뿐만 아니라 전달 메커니즘은 체계적으로 조사되지 않았다. 동적 선형 및 비선형 인과관계를 조사하기 위해 단계적인 필터링 방법론이 도입되었는데, 이는 벡터자기회귀모형과 다변량 GARCH 모형을 포함한다. 본 논문의 표본은 유로 이후 기간을 포함하고 또한 2007년 금융위기, 2008년 글로벌 금융위기, 2010년 유로존 부채위기도 포함한다. 본 연구의 실증결과는 BRIC 주식시장의 효율성에 많은 함의를 가질 수 있는데 시장의 예측가능성에 영향을 미칠 뿐만 아니라 시장의 금융통합의 과정을 수량화하기 위해서 미래의 연구에 유용할 수 있다. 미국, 유럽 및 BRIC 간의 상호 의존성이 감지되면 금융시장 규제, 헤징 및 거래 전략에 대한 중요한 함의를 나타낼 수 있다. 또한 결과는 BRIC이 미국발 서브프라임 금융위기 이후 국제적으로 통합되고 있고 전이효과가 더욱 구체화 되어 현저하게 나타나고 있다는 것을 보여준다. 더욱이, 탈동조화 견해를 지지하는 일관된 증거가 전혀 없다. 일부 비선형 인과관계는 조사기간 동안 필터링 후에도 지속된다. 비록 꼬리분포 의존성과 고적률이 나머지 상호 의존성의 유의한 요소일 수 있을지라도, 이것은 비선형 인과관계가 단순한 변동성 효과에 의해 대체로 설명될 수 있다.
본 논문은 비선형 특성을 내재한 물 수요예측을 위하여 기존의 시계열 자기회귀 알고리즘과 다층신경망 학습방법을 결합한 단기 물 수요 예측 알고리즘을 개발하였다. 제시된 방법을 검증하기 위한 사례연구로 2007년도와 2008년도 전북지역의 광역상수도 A정수장에서 취득된 데이터를 활용하여 알고리즘 구축 및 제안 방법의 정확도를 분석하였다. 실험 결과 다중회귀모델은 MAPE가 5.1%, AR모델은 3.8%, 제안된 방법인 AR+MLP 모델은 3.6%로 나타나 성능이 우수한 것으로 나타났다. 따라서 제안된 방법을 사용할 경우 정수장에서 단기 물 수요예측에 유용하게 활용할 수 있음을 보였다.
도시유역에 대한 집중호우에 따른 침수피해가 증가하고 있으며, 기존에 수행된 많은 연구에서 입증 되어진 바와 같이 도시 침수는 하수관망의 통수능을 상회함에 따라 발생하는 내수침수에 주로 기인하고 있다. 도시화가 상당히 진행되고 인구가 밀집되어 있는 지역에 대한 침수피해는 심각한 사회 경제적 피해를 야기한다. 이에 따라 도시지역에 대한 홍수 예측을 위한 확정 및 확률론적 연구가 진행되어 왔지만, 충분한 선행시간을 확보하며 단시간에 홍수량에 대한 예측결과를 도출하기에는 부족한 실정이다. 본 연구에서는 최적의 실시간 도시 홍수 예측 기법을 제시하기 위하여 도시유출해석 기반 실시간 홍수 예측을 위한 IDNN, TDNN 그리고 NARX 동적신경망을 비교하였다. 강남 지역의 2010, 2011년 실제 호우사상에 대하여 총 홍수량 예측 결과, 입력 지연 인공신경망의 최대 Nash-Sutcliffe 효율 계수는 각각 0.86, 0.53, 시간 지연 인공신경망의 경우 0.92, 0.41, 외생변수를 이용한 비선형 자기 회귀의 경우 0.99, 0.98으로 나타났다. 연구 대상지역에 대한 각 맨홀 누적월류량을 고려한 예측 결과의 오차분석을 통하여 외생변수를 이용한 비선형 자기 회귀 기법을 사용하는 것이 추후 도시 홍수 대응체계 구축에 적합할 것으로 나타났다.
본고(本稿)는 둘 혹은 여러 변수(變數)가 서로 비선형적(非線型的) 인과관계(因果關係)의 특정한 구조를 가질 때 주어진 관측치(觀測値)로부터 인과관계(因果關係)에 관한 올바른 추론(推論)을 유도하기 위한 새로운 이론인 Baek-Brock의 방법(方法)을 소개하고 이것을 통화(通貨), 생산(生産) 및 물가(物價)의 세 변수(變數)에 적용하여 기존의 인과성(因果性) 검정(檢定)과 어떻게 다른 결과를 얻는지 살펴본다. Baek-Brock의 방법(方法)은 일반적으로 두 변수(變數) 사이의 인과관계(因果關係)를 검정(檢定)하는 데 사용될 수 있으나 변수간(變數間)에 내재하는 실제 인과관계(因果關係)가 선형(線型)인 경우 Granger 검정법(檢定法) 등 기존의 방법(方法)이 높은 검정력(檢定力)을 보이므로 여기서는 주로 비선형인과성(非線型因果性) 검정(檢定)에 초점을 맞춘다. 본(本) 검정법(檢定法)은 인과성(因果性) 여부를 조건부확률에 기초하여 정의한 후 개별확률을 상관적분(相關積分) (correlation integral)을 사용하여 추정(推定)토록 하였다. 이 방법(方法)은 변수간(變數間)의 인과관계(因果關係)가 비선형적(非線型的)일 때 유효하다는 장점을 지니나 인과성(因果性)이 없다는 귀무가설하(歸無假說下)에서 표본수에 따른 검정통계량(檢定統計量)의 점근분포(漸近分布), 그릇된 귀무가설(歸無假說)에 대한 최대의 기각력(棄却力)을 창출하는 척도모수(尺度母數)(scale parameter) 등에 관한 이론적 배경이 미흡하다는 단점이 있다. 본고(本稿)에서는 이를 Monte Carlo 시뮬레이션을 실시하여 보완하였다. 통화(通貨), 생산(生産) 및 물가간(物價間)에는 Granger 검정법(檢定法)을 실시했을 경우 통화(通貨)와 생산(生産)만이 서로 인과성(因果性)이 있을 뿐 물가(物價)와 다른 변수간(變數間)의 인과성(因果性) 증거는 희박하였다. 한편 Baek-Brock의 검정법(檢定法)은 이미 벡터자기회귀모형(自己回歸模型)(VAR)을 통해 밝혀진 선형관계(線型關係) 외에 물가(物價)가 생산(生産) 및 통화(通貨)에 미치는 비선형인과성(非線型因果性)에 관한 추가적 정보를 제공해 주고 있으며 구체적으로 그러한 인과관계(因果關係)가 몇 기(期) 후부터 나타나는지 밝혀 준다. 그러나 이를 이용한 구체적인 모형화(模型化)는 추후의 논문을 통해 밝히기로 한다.
주택가격을 정확히 추정하기 위한 많은 연구가 진행되어 왔다. 선행연구들은 주택의 고유 특성과 인근 지역 특성을 통제하는 계량경제모형을 활용한 분석이 많았다. 본 연구에서는 인공신경망 모형(ANN)을 활용하여 주택가격을 추정하였다. 딥러닝 기술의 장점은 변수 간의 복잡하고 비선형적인 특성을 모델링하고 데이터의 패턴을 인식할 수 있다는 것이다. 본 연구에서는 부동산 시장에서 공간적 분포도 패턴으로 인식할 수 있다는 가정하에 지리좌표를 설명변수로 ANN에 투입하였다. 선형회귀분석과 ANN 모형 간 비교 결과, 선형 모형 대비 ANN 모형의 설명력이 높았으며, 특히 ANN 모형은 지리좌표를 투입하였을 때 더 높은 정확도를 보여주었다. 또한 ANN 모형의 경우 지리좌표를 통해 모형 잔차의 공간적 자기 상관성이 크게 감소하였다는 점을 확인하였다. 이를 통해 ANN 모형의 패턴인식 능력을 활용하면 공간적 패턴을 학습시킴으로써 주택가격을 정확히 추정할 수 있음을 밝혔다.
본 연구에서는 시계열 자료의 비정상성과 비선형성과 같은 복잡성을 효과적으로 포용할 수 있는 경험적모드분해법(empirical mode decomposition; EMD)을 토대로 시계열 자료의 분석 및 예측을 위한 혼합(hybrid) 모형을 연구한다. EMD에 의하여 생성되는 내재모드함수(intrinsic mode function; IMF)는 해석 및 예측의 편리성을 개선하기 위하여 누적에너지의 개념을 사용하여 그룹화하였으며, 그룹화된 IMF 및 residue의 성분들은 그 성질에 따라서 ARIMA 모형 및 지수평활법과 결합된 혼합 모형으로 예측된다. 제안된 방법은 일별 코스피 지수의 예측을 위해서 적용하였다. 다양한 형태의 혼합 모형을 사용하여 코스피 지수를 예측하였으며 전통적인 예측 방법과 비교하였다. 분석 결과, 그룹화된 성분들은 코스피 지수의 움직임을 단기적, 중기적, 장기적으로 해석하는데 편리함을 주었으며, 그룹화된 IMF 및 residue를 각각 ARIMA 모형과 지수평활법으로 조합한 혼합 모형이 우수한 예측력을 보여주었다.
본 연구는 기업은행은 1999년${\sim}$2003년 중소기업 대출 자료로 바젤2 자산상관계수 계산공식의 현실성을 검토하였다. 실증분석 결과에 따르면, 자산상관계수는 매출규모와는 양(+)의 관계를, 신용등급과는 음(-)의 관계를 갖는 것으로 나타나 바젤2 계산공식이 상정하고 있는 자산상관계수 패턴이 국내에서도 현실성이 있었다. 이는 자산상관계수가 매출규모와 음(-)의 관계를 보이는 것으로 보고한 Kim-Park(2004)과 상반되는 결과이다. 또한, 바젤2에서는 60억원 이하의 매출규모에 대해서는 60억원으로 간주하고 있지만, 매출규모 60억원 이하에서도 자산상관계수가 매출규모와 양(+)의 관계를 갖는 것으로 나타났다. 바젤2 계산공식에 의해 산출된 자산상관계수는 자료로 추정한 자산상관계수가 비해 1.3배${\sim}$19.2배 높으며, 이러한 차이는 통계적으로 유의할 뿐 만 아니라 경제적으로도 유의하다. 회귀분석 결과에 의하면, 바젤2 자산상관계수의 상향편의는 주로 계산공식에서 절편을 과도하게 높게 설정하였기 때문에 발생한 것으로 나타났으며, 바젤2에서는 매출규모와 자산상관계수간의 관계를 선형으로 설정하였지만, 로그선형이 실제 자료를 더 잘 적합시키는 것으로 나타났다. 이상의 결과로 보건대, 바젤2의 자산상관계수 계산공식은 비교적 현실적으로 고아된어져 있지만, 국내의 실정에 맞게 조정하기 위해서 보다 광범위한 실증분석이 필요한 것으로 판단된다.
Unlike the wavelet neural network, since a mother wavelet layer of the self-recurrent wavelet neural network (SRWNN) is composed of self-feedback neurons, it has the ability to store past information of the wavelet. Therefore we propose the prediction method for the nonlinear chaotic time series model using a SRWNN. The SRWNN model is learned for the modeling of a function such that the inputs arc known values of the time series and the output is the value in the future. The parameters of the network are tuned to minimize the difference between the nonlinear mapping of the chaotic time series and the output of SRWNN using the gradient-descent method for the adaptive backpropagation algorithm. Through the computer simulations, we demonstrate the feasibility and the effectiveness of our method for the prediction of the logistic map and the Mackey-Glass delay-differential equation as a nonlinear chaotic time series.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.