• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.08a
• /
• pp.153-156
• /
• 2000

본문에서는 예측형 회귀신경망과 HMM의 하이브리드 네트워크인 회귀신경망 예측 HMM을 구성하였다. 회귀신경망 예측 HMM은 예측형 회귀신경망을 HMM의 각 상태마다 예측기로 정의하여 일정치인 평균벡터 대신에 과거의 특징벡터의 영향을 받아 동적으로 변화하는 신경망에 의한 예측치를 이용하므로 학습패턴 설정자체가 시변성을 반영하는 동적 네트워크의 특성을 가진다. 따라서 음성과 같은 시계열 패턴의 인식에 유리하다. 회귀신경망 예측 HMM은 예측형 회귀신경망의 구조에 따라 Elman망 예측 HMM과 Jordan망 예측 HMM으로 구분하였다. 실험에서는 회귀신경망 예측 HMM의 상태수를 4, 5, 6으로 증가시켜 각 상태 수별로 예측차수 및 중간층 유니트 수의 변화에 따른 인식성능을 조사하였다. 실험결과 평가용. 데이터에 대하여 Elman망예측 HMM은 상태수가 6이고, 예측차수가 3차, 중간층 유니트의 수가 15차원일 때, Jordan망 예측 HMM의 경우 상태수가 5이고, 예측차수가 3차, 중간층 유니트의 수가 10차원일 때 각각 99.5%로 우수한 결과를 얻었다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2010.10a
• /
• pp.108-109
• /
• 2010

본 연구에서는 비선형예측기법으로서 그 우수성을 인정받고 있는 인공신경망모형을 사용하여 컨테이너 물동량 예측을 수행하였다. 그러나 인공신경망모형을 사용해 시계열의 예측결과를 ARIMA모형과 같이 널리 알려진 다른 전통적인 수요예측기법들과 비교 평가한 과거 연구들을 보게 되면 각기 주장하는 바와 그 결론이 상반됨을 알 수 있다. 그래서 인공신경망의 예측성과를 높이기 위한 기존의 선행연구들의 다양한 시도들을 바탕으로 국내 항만의 컨테이너물동량을 예측하고, 그를 통해 여러 모형간의 비교 검증작업을 수행하였다.

• The Journal of Information Technology
• /
• v.5 no.2
• /
• pp.17-26
• /
• 2002

On this paper, we propose SOSL(Self-Organized Supervised Learning) and it's architecture SOSL is hybrid type neural network. It consists of several CBP (Component Back Propagation) neural networks, and a modified PCA neural networks. CBP neural networks perform supervised learning procedure in parallel to clustered and complex input patterns. Modified PCA networks perform it's learning in order to transform dimensions of original input patterns to lower dimensions by clustering and local projection. Proposed SOSL can effectively apply to neural network learning with large input patterns results in huge networks size.

• Information and Communications Magazine
• /
• v.26 no.6
• /
• pp.23-29
• /
• 2009

꾸준한 성장세를 바탕으로 최근에는 타 매체가 쉽게 접근하기 어려운 HD다채널 방송이라는 전략적 이점으로 제2도약의 동력을 마련한 국내위성방송은 그러나, 미디어의 큰 흐름 중 Interactivity즉 양방향성에 대해서는 기본적인 제한성을 갖고 있다. 또한 초기진입 단계인 IPTV의 경우, 전국적 동일 서비스를 위한 망의 QoS(Quality of Service)나 콘텐츠 수급 비용 측면에서 기존 매체가 겪어온 과정을 겪고 있다. 본 고에서는 이러한 양 매체의 기본적 속성을 바탕으로 상호 장단점을 보완할 수 있는 전략적 방안의 하나로 하이브리드형 서비스에 대해 사례 중심으로 알아보고자 한다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.7 no.3
• /
• pp.518-523
• /
• 2006

Due to keen competition among companies, they have segmented customers and they are trying to offer specially targeted customer by means of the distinguished method. In accordance, data mining techniques are noted as the effective method that extracts useful information. This paper explores customer segmentation of the home study company using a hybrid decision tree and artificial neural network model. With the application of variance selection process from decision tree, the systemic process of defining input vector's value and the rule generation were developed. In point of customer management, this research analyzes current customers and produces the patterns of them so that the company can maintain good customer relationship. The case study shows that the predicted accuracy of the proposed model is higher than those of regression, decision tree (CART), artificial neural networks.

• The Korean Journal of Applied Statistics
• /
• v.32 no.6
• /
• pp.899-908
• /
• 2019

Massive in-depth neural networks with numerous parameters are powerful machine learning methods, but they have overfitting problems due to the excessive flexibility of the models. Dropout is one methods to overcome the problem of oversized neural networks. It is also an effective method that randomly drops input and hidden nodes from the neural network during training. Every sample is fed to a thinned network from an exponential number of different networks. In this study, instead of feeding one sample for each thinned network, two or more samples are used in fitting for one thinned network known as a Hybrid Dropout. Simulation results using real data show that the new method improves the stability of estimates and reduces the minimum error for the verification data.

• Proceedings of the IEEK Conference
• /
• 1999.06a
• /
• pp.94-97
• /
• 1999

In this paper, a new real-time neural network connection admission controller is proposed. The proposed controller measures traffic flows, cell loss rate and cell delay periodically each classes. The Neural network learns the relation between those measured information and service quality by real-time. Also the proposed controller uses the DWRR multiplexer with buffer dedicated to every traffic source in order to measure the delay that cells experience in buffer. Experimental result shows that the proposed method can control effectively heterogeneous traffic sources with diverse QoS requirement.

• Proceedings of the KIPE Conference
• /
• 2015.11a
• /
• pp.117-118
• /
• 2015

본 연구에서는 독립형 직류 배전망 구성에 이용될 수 있는 태양광 발전 시스템 및 ESS(Energy Storage System)를 이용한 하이브리드형 분산 전원 시스템의 구성 일례를 제시한다. 제안된 시스템의 전력회로는 태양광 발전 시스템용 PCS에는 직렬 공진 탱크를 가지는 절연형 풀브리지 방식, ESS용 PCS에는 비절연형 양방향 컨버터로 구성되었다. 태양광 PCS의 제어방식으로는 전류 제어기가 사용되었으며, ESS 용 PCS에는 비집중식 제어방식이 적용 되었다. 제안된 방식의 타당성을 검증하기 위해 100[kW]급 태양광 시스템, 100[kW]급 ESS를 기반으로 하이브리드 시스템을 구현하고 직류 계통 전압 제어 특성, 부하급변에 대한 전력분담 제어 실험결과를 제시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.70-70
• /
• 2023

강우 발생 중 용담댐 상류로부터 용담댐으로 유입되는 유입량을 정확하게 예측하는 것은 하류 지역의 홍수 피해를 최소화하기 위한 댐의 적절한 운영에 필수적이다. 물리 기반 강우-유출 시뮬레이션 모형은 물리적 과정의 이해를 바탕으로 홍수 예측 분야에 광범위하게 사용되고 있다. 그러나 복잡한 물리 과정을 완벽히 이해하는 것은 거의 불가능하므로 다양한 가정 조건들을 이용해 복잡한 과정을 단순화하여 계산해야 하는 한계가 존재한다. 최근에는 방대한 데이터의 축적과 컴퓨터 능력의 향상으로 인해 데이터 기반 모형이 다양한 실무 문제를 해결하는 데 강력한 도구로 활용되고 있을 뿐 아니라 시뮬레이션 및 예측 등에도 다양하게 이용되고 있다. 그러나 예측 시간이 늘어날수록 입력자료로 이용되는 과거 자료와 출력자료로 이용되는 미래자료와의 상관관계가 줄어들어 모형의 성능이 저하된다. 따라서 본 연구에서는 용담댐의 시간당 유입량을 예측하기 위해 물리 기반 강우-유출 모형과 오차 보정 모형을 결합한 하이브리드 접근 방식을 제안한다. 물리 기반 강우-유출 모형으로는 HEC-HMS 모형을 사용하였으며, 오차 보정 모형에는 기계학습 모형인 인공신경망(Artificial Neural Network, ANN) 모형을 사용하였다. HEC-HMS 모형, ANN 및 하이브리드 모형(HEC-HMS + ANN)의 성능을 비교하기 위해 20 개의 홍수 사상을 모형 구축 및 검증에 사용하였다. 그 결과 하이브리드 모형은 예측 시간이 늘어날수록 HEC-HMS 및 ANN 모형보다 우수한 성능을 나타냈다. 물리모형에 기계학습을 이용한 오차 보정 절차를 통합한 경우 홍수 유출 예측의 정확성이 향상되었다. 다양한 모형의 비교 결과 본 연구에서 적용한 하이브리드 모형이 물리기반 강우-유출 모형 및 순수 기계학습 모형보다 우수한 성능을 보여줌으로써, 하이브리드 모형은 물리모형과 순수 기계학습 모형의 단점들을 보완하는데 이용할 수 있음을 나타낸다. 이 연구의 주요 목적은 강우-유출 시물레이션 모형의 오차 보정 기술에 대한 더 깊은 이해를 제공하는데 있다.

• The Korean Journal of Applied Statistics
• /
• v.21 no.3
• /
• pp.399-411
• /
• 2008

Today, the statistical survey has been carried out variously for the decision-making and administration of the organization. We use the different items in the statistical survey according to the purpose of study. Currently, Gyeongnam province is executing the social index survey to the provincials every year. But, this survey has the limit of the analysis as execution of the different survey per 3 year cycles. The solution for this problem is data fusion technique. Data fusion is generally defined as the use of techniques that collect to combine data including multiple sources in order to raise the quality of information. But, data fusion doesn't mean the ultimate result. Therefor, efficient analysis for the fused data is also important. In this study, we suggest the application methodology of neural network by latent variable through the fused data in statistical survey.