• Communications for Statistical Applications and Methods
• /
• v.4 no.2
• /
• pp.327-332
• /
• 1997

다층 신경망은 비모수 회귀함수 추정의 한 방법이다. 다충 신경망을 학습시키기 위해 역전파 알고리즘이 널리 사용되고 있다. 그러나 이 알고리즘은 이상치에 매우 민감하여 이상치를 포함하고 있는 자료에 대하여 원하지 않는 회귀함수를 추정한다. 본 논문에서는 통계물리에서 자주 사용하는 방법을 이용하여 로버스트 역전파 알고리즘을 제안하고 수학적으로 신경망과 매우 유사한 PRP(projection pursuit regression) 방법, 일반적인 역전파 알고리즘과 모의실험을 통해 비교 분석한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.6
• /
• pp.533-541
• /
• 2000

본 논문에서는 독립변수들의 차원을 감소시켜 일반회귀 신경망의 성능을 개선하는 방법을 제안하였다. 제안된 방법에서는 적응적 학습 알고리즘의 주요성분분석 기법을 이용하여 독립변수 패턴의 특징을 추출하고 이를 일반회귀 신경망의 학습데이터로 이용하였다. 이는 주요성분분석 기법이 가지는 대용량의 입력 데이터를 통계적으로 독립인 특징들의 집합으로 변환시키는 속성을 살려 학습데이터의 차원을 감소시킴으로서 고차원의 학습데이터에 따른 일반회귀 신경망이 가지는 제약을 해결하기 위함이다. 제안된 기법의 일반회귀 신경망을 3개의 독립변수 패턴을 가진 암모니아 제조공정문제와 10개의 독립변수 패턴을 가진 자동차 연비문제에 각각 적용하여 시뮬레이션한 결과, 기존의 일반회귀 신경망에 의한 결과와 비교할 때 더욱 우수한 학습성능과 회귀성능이 있음을 확인할 수 있었다. 그리고 커널함수의 평활요소 설정 면에서도 우수한 특성이 있음을 확인할 수 있었다.

• Proceedings of the Korean Society for Quality Management Conference
• /
• 2006.04a
• /
• pp.506-512
• /
• 2006

다양한 아파트 특성들을 이용하여 아파트 가격을 추정하고 예측하는 연구 또한 많이 존재하고 있는 실정이다. 그렇지만 이러한 연구들 대부분이 회귀모형에 지나치게 의존하고 있는 실정이다 그러나 회귀모형은 단점보다 장점이 많은 모형이다. 본 연구는 회귀모형을 부정하기보다는 새로운 모형을 도입하여, 회귀모형의 문제점들을 극복하고 회귀모형과 상호보완적인 모형을 도입할 필요성에 의해서 본 연구를 수행한 것이다. 다양한 아파트 특성들에 대하여 신경망모형을 이용하여 아파트 가격을 예측하고, 기존의 회귀모형과 비교하는 것이 본 연구의 주목적이다 또한 회귀모형과 신경망모형의 상호 보완적인 측면을 규명하는 것은 본 연구의 부차적인 목적이 된다 아파트 특성들은 주변에서 쉽게 이용 가능한 데이터를 위주로 하였다. 2004년 6월 기준으로 서울시 송파구와 도봉구의 아파트 매매가격들과 12개의 아파트 특성들을 수집하였다. 아파트 매매가격들 (즉, 매매 하한가, 일반 거래가, 매매 상한가) 을 새로운 측정방법을 이용하여 하나의 매매가격으로 추정하였으며, 대표성을 가지도록 하였다. 신경망모형을 도입하여 아파트 특성들을 이용하여 아파트 가격을 정밀하고 유효하게 예측하고, 기존의 회귀모형들과 비교하는 것은 아파트 가격에 대한 연구 분야에 큰 의미가 있다 하겠다. 그리고 주택에 관한 기존의 연구와 신규 연구에 신경망모형이 활용될 수 있으리라 판단된다.

• The Journal of the Acoustical Society of Korea
• /
• v.18 no.3
• /
• pp.62-67
• /
• 1999

In this paper, we investigates a reliable model of the Predictive Recurrent Neural Network for the speech recognition. Predictive Neural Networks are modeled by syllable units. For the given input syllable, then a model which gives the minimum prediction error is taken as the recognition result. The Predictive Neural Network which has the structure of recurrent network was composed to give the dynamic feature of the speech pattern into the network. We have compared with the recognition ability of the Recurrent Network proposed by Elman and Jordan. ETRI's SAMDORI has been used for the speech DB. In order to find a reliable model of neural networks, the changes of two recognition rates were compared one another in conditions of: (1) changing prediction order and the number of hidden units: and (2) accumulating previous values with self-loop coefficient in its context. The result shows that the optimum prediction order, the number of hidden units, and self-loop coefficient have differently responded according to the structure of neural network used. However, in general, the Jordan's recurrent network shows relatively higher recognition rate than Elman's. The effects of recognition rate on the self-loop coefficient were variable according to the structures of neural network and their values.

• Korean Journal of Construction Engineering and Management
• /
• v.7 no.2 s.30
• /
• pp.162-170
• /
• 2006

Neural network analysis is expected to enhance the forecasting ability for the real estate market. This paper reviews definition, structure, strengths and weaknesses of neural network analysis, and verifies the applicability of neural network analysis for the real estate market. Neural network analysis is compared with regression analysis using the same sample data. The analyses model the macroeconomic parameters that influence the sales price of apartments. The results show that neural network analysis provides better forecasting accuracy than regression analysis does, what confirms the applicability of neural network analysis for the real estate market.

• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2744-2746
• /
• 2000

일반화된 회귀 신경망을 이용하여 반도체 공정 최적화를 위한 플라즈마를 모델링한다. 플라즈마는 Box-W린son 실험계획표에 의해 특성화되었으며, 여기에서 변화시킨 인자로는 소스전력, 압력, 척지지대의 위치, 그리고 염소의 유량이다. 총 24회의 실험이 수행이 되었으며, 플라즈마 변수는 Langmuir Probe를 이용하여 측정하였다. 측정된 주요 플라즈마 변수로는 전자밀도, 전자온도, 그리고 플라즈마 전위이다. 폭변수를 점진적으로 증가시켜 회귀신경망을 최적화하였으며. 최적화된 모델은 통계적인 반응표면모델과 비교하였다. 비교 결과, 회귀신경망은 반응표면모델에 상응하는 예측능력을 보이고 있음을 알 수 있었다.

• The Korean Journal of Applied Statistics
• /
• v.37 no.3
• /
• pp.297-309
• /
• 2024

This paper evaluates the performance of the neural network autoregressive model combined with an exponential smoothing model, called the NNARX+ETS model. The combined model utilizes the components of ETS as exogenous variables for NNARX, to forecast time series data using artificial neural networks. The main idea is to enhance the performance of NNAR using only lags of the original time series data, by combining traditional time series analysis methods with the neural networks through NNARX. We employ two real data for performance evaluation and compare the NNARX+ETS with NNAR and traditional time series analysis methods such as ETS and ARIMA (autoregressive integrated moving average) models.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.1516-1519
• /
• 2011

예측에 필요한 중요한 자료에는 비선형 자료와 시계열과 같은 선형 자료 등이 있다. 이들 자료는 그 함축적인 관계가 매우 복잡하여 전통적인 통계분석 도구로 식별하는데 어려움이 많다. 신경망 분석은 비모수적 문제나 비선형 곡선 적합능력의 우수성 때문에 현실세계에서의 고유한 복잡성을 다루는 많은 경제 응용 분야에서 널리 이용되고 있다. 신경망은 또한 경제 시계열자료의 예측분야에서도 여러 연구에서 훌륭한 도구로서 적용되고 있다. 전통적으로 우리나라에서 시계열자료의 예측은 선형 자료적 분석을 중심으로 하는 분석도구인 자기회귀누적이동평균(ARIMA)모형을 이용한 시계열분석이 일반적이다. 이 연구에서는 신경망과 ARIMA 모형을 이용하여 한국의 주가변동 자료 및 자동차등록 현황 자료등과 같은 시계열자료를 이용한 예측결과를 비교한다. 연구의 결과는 신경망을 이용한 예측 방법들이 ARIMA 예측 결과보다 통계적으로 작은 오차를 주는 보다 효율적인 방법임을 보여주고 있다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2009.05a
• /
• pp.220-226
• /
• 2009

본 연구는 회귀모형을 부정하기보다는 새로운 모형을 도입하여, 회귀모형의 문제점을 극복하고 회귀모형과 상호보완적인 모형을 소개하고자 본 연구를 수행하였다. 현재까지 인공지능 분야에서 널리 이용되어 왔던 신경망모형(Neural Network Model)은 입력변수가 불완전하고 변동폭이 넓은 경우에도 해석이 가능하며, 데이터 수가 적거나 불규칙한 경우라도 사례의 반복학습을 통해 오차를 줄여나가기 때문에, 데이터 수에 민감한 영향을 받는 회귀모형보다 정밀한 산정이 가능하다(박우열, 차정환, 강경인, 2002). 이러한 신경망모형에 아파트 특성들을 도입하여 아파트 가격을 정밀하고 유효하게 예측하는 것은 아파트 가격에 대한 연구 분야에 큰 의미가 있다. 그리고 주택에 관한 기존 연구와 신규 연구에 신경망모형이 활용될 수 있으리라 판단된다.

• Proceedings of the Korean Society for Quality Management Conference
• /
• 2010.04a
• /
• pp.379-385
• /
• 2010

본 연구는 회귀모형을 부정하기보다는 새로운 모형을 도입하여, 회귀모형의 문제점을 극복하고 회귀모형과 상호보완적인 모형을 소개하고자 본 연구를 수행하였다. 현재까지 인공지능 분야에서 멀리 이용되어 왔던 신경망모형 (Neural Network Model)은 입력변수가 불완전하고 변동 폭이 넓은 경우에도 해석이 가능하며, 데이터 수가 적거나 불규칙한 경우라도 사례의 반복학습을 통해 오차를 줄여나가기 때문에, 데이터 수에 민감한 영향을 받는 회귀모형보다 정밀한 산정이 가능하다(박우열, 차정환, 강경인, 2002). 이러한 신경망모형에 아파트 특성들을 도입하여 아파트 가격을 정말하고 유효하게 예측하는 것은 아파트 가격에 대한 연구 분야에 큰 의미가 있다. 그리고 주택에 관한 기존 연구와 신규 연구에 신경망모형이 활용될 수 있으리라 판단된다.