http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Short-term Electrical Load Forecasting Using Neuro-Fuzzy Model with Error Compensation
Wang, Bo-Hyeun Korean Institute of Intelligent Systems 2009 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGE Vol.9 No.4
This paper proposes a method to improve the accuracy of a short-term electrical load forecasting (STLF) system based on neuro-fuzzy models. The proposed method compensates load forecasts based on the error obtained during the previous prediction. The basic idea behind this approach is that the error of the current prediction is highly correlated with that of the previous prediction. This simple compensation scheme using error information drastically improves the performance of the STLF based on neuro-fuzzy models. The viability of the proposed method is demonstrated through the simulation studies performed on the load data collected by Korea Electric Power Corporation (KEPCO) in 1996 and 1997.
Short-term Electrical Load Forecasting Using Neuro-Fuzzy Model with Error Compensation
Bo-Hyeun Wang 한국지능시스템학회 2009 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGE Vol.9 No.4
This paper proposes a method to improve the accuracy of a short-term electrical load forecasting (STLF) system based on neuro-fuzzy models. The proposed method compensates load forecasts based on the error obtained during the previous prediction. The basic idea behind this approach is that the error of the current prediction is highly correlated with that of the previous prediction. This simple compensation scheme using error information drastically improves the performance of the STLF based on neuro-fuzzy models. The viability of the proposed method is demonstrated through the simulation studies performed on the load data collected by Korea Electric Power Corporation (KEPCO) in 1996 and 1997.
Structure Identification of a Neuro-Fuzzy Model Can Reduce Inconsistency of Its Rulebase
Wang, Bo-Hyeun,Cho, Hyun-Joon Korean Institute of Intelligent Systems 2007 한국지능시스템학회논문지 Vol.17 No.2
It has been shown that the structure identification of a neuro-fuzzy model improves their accuracy performances in a various modeling problems. In this paper, we claim that the structure identification of a neuro-fuzzy model can also reduce the degree of inconsistency of its fuzzy rulebase. Thus, the resulting neuro-fuzzy model serves as more like a structured knowledge representation scheme. For this, we briefly review a structure identification method of a neuro-fuzzy model and propose a systematic method to measure inconsistency of a fuzzy rulebase. The proposed method is applied to problems or fuzzy system reproduction and nonlinear system modeling in order to validate our claim.
Structure Identification of a Neuro-Fuzzy Model Can Reduce Inconsistency of Its Rulebase
Bo-Hyeun Wang,Hyun-Joon Cho 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.2
It has been shown that the structure identification of a neuro-fuzzy model improves their accuracy performances in a various modeling problems. In this paper, we claim that the structure identification of a neuro-fuzzy model can also reduce the degree of inconsistency of its fuzzy rulebase. Thus, the resulting neuro-fuzzy model serves as more like a structured knowledge representation scheme. For this, we briefly review a structure identification method of a neuro-fuzzy model and propose a systematic method to measure inconsistency of a fuzzy rulebase. The proposed method is applied to problems of fuzzy system reproduction and nonlinear system modeling in order to validate our claim.
가정용 전력 모니터링을 위한 전력신호 분석 알고리즘 개발
박성욱(Sung-Wook Park),왕보현(Bo-Hyeun Wang) 한국지능시스템학회 2011 한국지능시스템학회논문지 Vol.21 No.6
본 연구에서는 가정 내 모든 기기가 연결된 하나의 전력선을 모니터링 하여 그 전력선에 연결된 기기 각각의 젼력 소비 상황을 모니터링 하는 NILM(Non-Intrusive Load Monitoring) 시스템 구축에 필요한 신호 분석 알고리즘에 대한 연구를 수행하였다. 본 연구에서 제안한 신호 분석 알고리즘은 전력선에서 관찰된 여러 기기의 전력 소비 패턴이 혼합된 혼합 전력 패턴을 복수개의 시간 구간으로 분리하고, 연속된 시간 구간 사이의 신호 차이를 구한 후, 이 차이 신호를 분석하여 어떤 장치가 현재 시간 구간에서 동작 중인지를 알아낸다. 이 때 시간 구간을 충분히 작게 하고, 신호 분석에 사용되는 특징들이 독립적이고 additivity특징을 가지도록 선정한다면, 이 차이 신호에는 한 장치의 특징만이 남아 있으므로, 동시에 동작할 수 있는 장치 조합의 수 2<SUP>N</SUP>개가 아닌 장치 N 개에 해당하는 특징만을 이용하여 혼합 신호를 분석할 수 있다. 이를 통하여 장치 개수가 증가하더라도 연산량 역시 산술적으로 증가하는 합리적인 확장성을 확보할 수 있다. 실제 가정에서 각 장치의 데이터 패턴을 채집한 후 이를 인위적으로 조합하여 만든 실험 데이터를 활용하여 제안한 방법을 검증하였다. 검증 결과 4개의 장치가 동시에 동작하고 그 장치의 특징들이 제안한 알고리즘에서 제시한 기준을 만족하는 경우, 비록 제한된 실험이었지만 완벽한 분류 성공률을 보였다. 제안된 알고리즘을 실제 사용하기 위해서는 장치의 수를 증가하고, 시간 구간을 조정하며, 신호 혼합 패턴을 다양하게 한 실증적인 연구가 더 필요하다. 하지만 이 경우 본 연구에서 제안한 기준을 만족하는 특징을 선택한다면, 그렇지 않은 경우에 비하여, 일정 정도 성능이 보장되는 NILM 시스템을 구축할 수 있을 것으로 기대된다. This paper presents an algorithm identifying devices that generate observed mixed signals that are collected at main power-supply line. The proposed algorithm, which is necessary for low cost electric power monitoring system at appliance-level, that is non-intrusive load monitoring system, divides incoming mixed signal into multiple time intervals, calculating difference-signals between consecutive time interval, and identifies which device is operating at the time interval by analysing the difference-signals. Since the features of one device can remain when the time interval is short enough and the features are independent and additive, well-known classification algorithms can be used to classify the difference-signals with features of N individual devices, otherwise 2<SUP>N</SUP> features might be necessary. The proposed algorithm was verified using data mixed in a laboratory with individual devices’s data collected from field. When maximum 4 devices operate or stop sequentially and when features satisfy the requirements of proposed algorithm, the proposed algorithm resulted nearly 100% success rate under the constrained test condition. In order to apply the proposed algorithm in real world, the number devices shall increase, the time interval shall be smaller and the pattern of mixture shall be more diverse. However we can expect, if features used follow guidelines of proposed algorithm, future system could have certain level of performance without the guideline.
김영래(Young-Lae Kim),왕보현(Bo-Hyeun Wang) 한국지능시스템학회 2005 한국지능시스템학회 학술발표 논문집 Vol.15 No.1
본 논문은 고유얼굴 방법을 이용한 얼굴인식 시스템의 성능을 분석하였다. 제안한 고유얼굴을 이용한 얼굴인식 방법은 훈련집합의 얼굴 이미지 사이의 중요한 변화를 가지고 있는 특징 공간으로 투영시키면서 이루어진다. 중요한 특징들은 얼굴집합의 고유벡터(주성분)들이기 때문에 고유얼굴이라 한다. 특징 공간으로의 투영은 고유얼굴의 가중치의 합으로 입력얼굴을 기술할 수 있으며, 입력 얼굴의 인식은 훈련집합의 가중치와 입력 영상의 가중치를 비교하면서 이루어진다. 본 논문에서는 제안된 방법의 검증을 위해서 Harvard 데이터베이스를 이용하였으며, 시스템의 성능 분석을 위하여 조명에 대한 인식성능의 변화, 사용한 고유얼굴의 수에 대한 인식률의 변화, 전처리를 통하여 얻을 수 있는 인식률의 변화, 인식 거부 곡선을 통하여 시스템의 적용 가능성에 대한 실험을 수행하여 분석한다.