• International Journal of Advanced Culture Technology
• /
• 제3권2호
• /
• pp.161-170
• /
• 2015

Mean separated histogram equalization in order to preserve the original mean brightness has been proposed. To provide the minimum mean brightness error after the histogram modification, the input image's histogram is successively divided by the factor of 2 until the mean brightness error is satisfied the defined threshold. Then each divided group or sub-histogram will be independently equalized based on the proportional input mean. To provide the overall minimum mean brightness error, each group will be controlled by adding some certain pixels from the adjacent grey level of the next group for giving its mean near by the corresponding the divided mean. However, it still exists some little error which will be put into the next adjacent group. By successive dividing the original histogram, we found that the absolute mean brightness error is gradually decreased when the number of group is increased. Therefore, the error threshold is assigned in order to automatically dividing the original histogram for obtaining the desired absolute mean brightness error (AMBE). This process will be applied to the color image by treating each color independently.

• The Journal of the Acoustical Society of Korea
• /
• 제16권3E호
• /
• pp.62-68
• /
• 1997

In this paper, a modified adaptive sign (MAS) algorithm based on a mixed norm error criterion is proposed. The mixed norm error criterion of be minimized is constructed as a combined convex function of the mean-absolute error and the mean-absolute error to the third power. A convergence analysis of the MAS algorithm is also presented. Under a set of mild assumptions, a set of nonlinear evolution equations that characterizes the statistical mean and mean-squared behavior of the algorithm is derived. Computed simulations are carried out to verify the validity of our derivations.

• 한국인터넷방송통신학회논문지
• /
• 제19권5호
• /
• pp.79-85
• /
• 2019

본 연구에서는 Long Short Term Memory (LSTM) 신경망과 Gated Recurrent Unit(GRU) 신경망을 Internet of Things (IoT) 파워미터에 적용하여 단기 전력사용량 예측방법을 제안하고, 실제 가정의 전력사용량 데이터를 토대로 예측 성능을 분석한다. 성능평가 지표로써 Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Mean Percentage Error (MPE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE)를 이용한다. 실험 결과는 GRU 기반의 모델이 LSTM 기반의 모델에 비해 MAPE 기준으로 4.52%, MPE 기준으로 5.59%만큼의 성능개선을 보였다.

• 대한토목학회논문집
• /
• 제31권1B호
• /
• pp.21-27
• /
• 2011

유출예측량을 모의할 때 과거와 현재의 수문자료를 이용한다는 측면에서 미래 예측결과의 불확실성을 완전히 제거할 수는 없겠지만, 다양한 기법별 분석에 의하여 불확실성을 감소시킬 수 있다. 본 연구에서는 유출예측의 정확성 향상을 위해 다양한 유출예측 기법을 적용 및 평가하였으며 확률론적 예측을 가능하게 하는 예측기법인 ESP와 관측 시계열 자료를 이용한 통계기법으로 공주지점의 유출예측을 수행하였다. 각 기법에 따른 유출예측 결과의 신뢰성 평가는 MAE(Mean Absolute Error), RMSE(Root Mean Squared Error), RRMSE(Relative Root Mean Squared Error), Mean Absolute Percentage Error (MAPE), TIC(Theil Inequality Coefficient)를 이용하였다. ESP 확률을 이용하여 예측한 유출결과와 통계적 시계열 분석에 의해 예측된 유출결과를 MAE, RMSE, RRMSE, MAPE, TIC를 이용하여 비교 분석하였으며 유출예측의 개선효과를 확인해본 결과, ESP 확률을 이용한 예측이 MAE(10.6), RMSE(15.14), RRMSE(0.244), MAPE(22.74%), TIC(0.13)으로 평가되었으며 MAE(23.2), RMSE(37.13), RRMSE(0.596), MAPE(26.69%), TIC(0.30)으로 평가된 ARMA와 MAE(26.4), RMSE(34.44), RRMSE(0.563), MAPE(47.38%), TIC(0.25)으로 평가된 Winters 에 비해 신뢰성이 높게 나타났다.

• 자동차안전학회지
• /
• 제15권1호
• /
• pp.55-62
• /
• 2023

In this study, a chest deflection is predicted by introducing a deep learning technique with the results of the frontal impact of the USNCAP conducted for 110 car models from MY2018 to MY2020. The 120 data are divided into training data and test data, and the training data is divided into training data and validation data to determine the hyperparameters. In this process, the deceleration data of each vehicle is averaged in units of 10 ms from crash pulses measured up to 100 ms. The performance of the deep learning model is measured by the indices of the mean squared error and the mean absolute error on the test data. A DNN (Deep Neural Network) model can give different predictions for the same hyperparameter values at every run. Considering this, the mean and standard deviation of the MSE (Mean Squared Error) and the MAE (Mean Absolute Error) are calculated. In addition, the deep learning model performance according to the inclusion of CVW (Curb Vehicle Weight) is also reviewed.

• 에너지공학
• /
• 제27권4호
• /
• pp.103-110
• /
• 2018

본 논문에서는 Mean Absolute Percentage Error (이하 MAPE)와 Symmetric Mean Absolute Percentage (이하 sMAPE)의 새로운 접근법을 이용한 시계열 예측 모델의 평가 방법을 소개한다. MAPE, sMAPE에는 다음과 같은 문제점이 있다. 데이터 집합에서 관측 값이 0일 경우 평가할 수 없고, 관측 값이 0에 매우 가깝다면 과도한 평가 값을 측정한다. 관측 값과 예측 값 간에 동일한 오차를 가지더라도 다른 값으로 평가하는 문제도 가지고 있다. 동일한 오류 값이 과대 예측되었는지 아니면 과소 예측되었는지에 따라 다른 평가 값을 측정하거나 관측 값의 부호와 예측 값의 부호가 서로 다르면 그 오차는 평가 값에 반영되지 않는다. 이러한 문제는 Maximum Mean Absolute Percentage Error (이하 mMAPE)에 의해 해결하였다. 우리는 MAPE 평가 방법의 분모에서 관측 값을 사용하는 대신 최대 절대 값을 사용했다. 최대 절대 값이 1보다 작으면 분모를 제거하여 0 값이 정의되지 않은 문제와 미세한 값일 경우 과대 측정되는 문제를 해결하였다. Beijing PM2.5의 온도 데이터와 시뮬레이션 데이터를 통해 mMAPE와 다른 평가 방법들의 결과 값을 비교하였으며, 위의 문제들을 해결할 수 있음을 검증하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권6호
• /
• pp.1093-1102
• /
• 2012

본 연구에서는 다변량시계열모형인 VAR (vector autoregressive regression)모형에 의하여 금리 스프레드의 시계열예측을 수행하였다. 국내외 거시경제변수들 중에서 교차상관분석 및 그랜져인과 검정을 통하여 상호간에 설명력이 있는 변수들을 추출하여 VAR모형의 시계열변수로 사용하였다. 마지막 12개월의 예측치에 대한 MAPE (mean absolute percentage error)와 RMSE (root mean square error)에 근거하여 모형의 예측력을 단일변량 시계열모형인 AR (autoregressive regression) 모형과 비교하였다.

• 한국농림기상학회지
• /
• 제14권4호
• /
• pp.269-276
• /
• 2012

작물모형 평가에 사용되거나 사용할 수 있는 9가지 지표를 소개하였으며 이들의 특징은 다음과 같다. efficiency of model (EF)와 index of agreement (d)은 dimension이 없고 관측수(n)에 의존적이지 않았으며, dimension에 대해서만 자유로운 것은 relative root mean square error (RRMSE), bias factor (Bf)와 accuracy factor (Af)이다. Root mean sqruar, mean error, mean absolute error들은 관측수와 dimension에 영향을 받기 때문에 판단 시 주의가 필요하다. 따라서 이들의 특징을 파악하여 목적에 맞게 모형의 성능을 파악하여야 한다.

• 산업경영시스템학회지
• /
• 제38권3호
• /
• pp.159-168
• /
• 2015

Aggregate Production Planning determines levels of production, human resources, inventory to maximize company's profits and fulfill customer's demands based on demand forecasts. Since performance of aggregate production planning heavily depends on accuracy of given forecasting demands, choosing an accurate forecasting method should be antecedent for achieving a good aggregate production planning. Generally, typical forecasting error metrics such as MSE (Mean Squared Error), MAD (Mean Absolute Deviation), MAPE (Mean Absolute Percentage Error), and CFE (Cumulated Forecast Error) are utilized to choose a proper forecasting method for an aggregate production planning. However, these metrics are designed only to measure a difference between real and forecast demands and they are not able to consider any results such as increasing cost or decreasing profit caused by forecasting error. Consequently, the traditional metrics fail to give enough explanation to select a good forecasting method in aggregate production planning. To overcome this limitation of typical metrics for forecasting method this study suggests a new metric, WACFE (Weighted Absolute and Cumulative Forecast Error), to evaluate forecasting methods. Basically, the WACFE is designed to consider not only forecasting errors but also costs which the errors might cause in for Aggregate Production Planning. The WACFE is a product sum of cumulative forecasting error and weight factors for backorder and inventory costs. We demonstrate the effectiveness of the proposed metric by conducting intensive experiments with demand data sets from M3-competition. Finally, we showed that the WACFE provides a higher correlation with the total cost than other metrics and, consequently, is a better performance in selection of forecasting methods for aggregate production planning.

• Journal of the Korean Statistical Society
• /
• 제22권1호
• /
• pp.71-81
• /
• 1993

Among k independent normal populations with unknown means and a common unknown variance, the problem of detecting the population with the largest absolute value of mean is considered. This problem is formulated in a manner close to the framework of testing hypotheses, and the maximum error probability and the minimum power are considered. The power charts necessary to determine the sample size are provided. The problem of detecting the population with the smallest absolute value of mean is also considered.