http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 최기선(Gee-seon Choi) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
데이터 마이닝과 칼만필터링에 기반한 단기 물 수요예측 알고리즘
최기선(Gee-Seon Choi),신강욱(Gang-Wook Shin),임상희(Sang-Heui Lim),전명근(Myung-Geun Chun) 제어로봇시스템학회 2009 제어·로봇·시스템학회 논문지 Vol.15 No.10
This paper proposes a short-term water demand forecasting algorithm based on kalman filtering with data mining for sustainable water supply and effective energy saving. The proposed algorithm utilizes a mining method of water supply data and a decision tree method with special days like Chuseok. And the parameters of MLAR (Multi Linear Auto Regression) model are estimated by Kalman filtering algorithm. Thus, we can achieve the practicality of the proposed forecasting algorithm through the good results applied to actual operation data.
-
AR모델과 MLP를 이용한 단기 물 수요 예측 알고리즘 개발
최기선(Gee-Seon Choi),유철(Chool Yu),진력민(Ryuk-Min Jin),유성근(Seong-Keun Yu),전명근(Myung-Geun Chun) 한국지능시스템학회 2009 한국지능시스템학회논문지 Vol.19 No.5
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 다중 회귀모델은 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. In this paper, we develope a water demand forecasting algorithm using AR(Auto-regressive) and MLP(Multi-layer perceptron). To show effectiveness of the proposed method, we analyzed characteristics of time-series data collected in "A" purification plant at Jeon-Buk province during 2007-2008, and then performed the proposed method with various input factors selected through various analyses. As noted in experimental results, the performance of three types model such as multi-regressive, AR(Auto-regressive), and AR+MLP(Auto-regressive + Multi-layer perceptron) show 5.1%, 3.8%, and 3.6% with respect to MAPE(Mean Absolute Percentage Error), respectively. Thus, it is noted that the proposed method can be used to predict short-term water demand for the efficient operation of a water purification plant.
-
정수장 운영효율 향상을 위한 ELM 기반 단기 물 수요 예측
최기선(Gee-Seon Choi),이동훈(Dong-Hoon Lee),김성환(Sung-Hwan Kim),이경우(Kyung-Woo Lee),전명근(Myung-Geun Chun) 한국조명·전기설비학회 2009 조명·전기설비학회논문지 Vol.23 No.9
본 논문에서는 단기 물 수요 예측에 대한 모델구현을 위해 MLP의 과도학습 문제를 해결할 수 있고 빠른 학습이 가능한 ELM 기반 단기 물 수요 예측 알고리즘을 제안한다. 제시된 알고리즘의 검증을 위해 2007년도와 2008년도 충남지역 광역상수도인 A정수장에서 취득된 데이터를 분석하여 알고리즘 구현의 정확도 분석에 사용하였다. 실험결과 MLP모델은 MAPE가 5.82[%]인 반면, 제안된 방법인 ELM 기반 모델은 5.61[%]로 성능이 향상된 것으로 나타났다. 또한, MLP모델은 학습에 소요된 시간이 7.57초인 반면, ELM 기반 모델은 0.09초로 빠른 학습이 가능함을 알 수 있었다. 따라서 제안된 ELM 기반 알고리즘은 정수장의 효율적 운영을 위한 단기 물 수요 예측에 활용할 수 있음을 보였다. In this paper, we develop an ELM(Extreme Learning Machine) based short-term water demand prediction algorithm which solves overfitting problem of MLP(Multi Layer Perceptron) and has quick training time. To show effectiveness of proposed method, we analyzed time series data collected in A water treatment plant at Chung-Nam province during 2007~2008 years and used the selected data for the verification of developed algorithm. According to the experimental results, MLP model showed 5.82[%], but the proposed ELM based model showed 5.61[%] with respect to MAPE, respectively. Also, MLP model needed 7.57s training time, but ELM based model was 0.09s. Therefore, the proposed ELM based short-term water demand prediction model can be used to operate the water treatment plant effectively.
-
NN-TWI를 이용한 사천시 삼천포계통 단기 물 수요예측
최기선(Gee-seon Choi),최영환(Young-Hwan Choi),최성국(Sung-Koog Choi),이상수(Sang-Soo Lee),전명근(Myung-Geun Chun) 한국정보기술학회 2009 한국정보기술학회논문지 Vol.7 No.5
In this paper, we develop daily and hourly water demand forecasting model using NN and TWI for Sachon city. First, we build daily water demand model by neural networks with two input factors such as climate factor and past water demand data selected by correlation analysis. And then hourly water demand forecasting model is computed by multiplying the predicted value from a daily water demand forecasting model with TWI(Time Weight Index) which was calculated by considering four representative months during one year. According to the experimental results, the proposed daily water demand forecasting model shows better performance than linear ARIMA model. Also, hourly water demand forecasting model is superior to conventional method based on time cycle. From theses results, more exact water demand forecasting for Sachon city will contribute for promoting more stable facility operation.
-
이대종(Dae-Jong Lee),최기선(Gee-Seon Choi),전명근(Myung-Geun Chun) 한국지능시스템학회 2006 한국지능시스템학회 학술발표 논문집 Vol.16 No.1
MLP는 뛰어난 학습능력으로 인하여 많은 분야에 성공적으로 적용되고 있다. 그러나, 학습 방법으로서 최급경사법에 근거한 오차역전파 알고리즘을 적용하기 때문에 학습시간이 오래 걸리는 단점이 있다. 또한 입력차원의 크기가 크거나 클래스간 학습데이터의 유사성이 클 경우 최적의 파라미터를 구하는데는 한계가 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 LDA와 local MLP을 이용한 새로운 얼굴인식시스템을 제안하고자 한다. 제안된 방법은 우선 LDA 기법에 의해 차원이 축소된 얼굴의 특징벡터를 계산한다. 다음 단계로서 전체 학습영상을 사용하기 보다는 그룹별로 분할된 얼굴영상에 대해 MLP를 수행하므로서 그룹별로 최적인 파라미터를 결정한다. 마지막 단계로 그룹별로 수행된 local MLP를 결합함으로써 전체 얼굴인식 시스템을 구성한다. 제안된 방법의 타당성을 보이기 위해 ORL 얼굴영상을 대상으로 실험한 결과 기존 방법인 PCA나 LDA에 비해 향상된 결과를 보임을 확인할 수 있었다.
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
