• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2001년도 제16회 학술발표회 논문초록집
• /
• pp.49-53
• /
• 2001

터보프롭 엔진의 성능진단을 위한 선형 GPA(Gas Path Analysis) 및 비선형 GPA 프로그램을 개발하고 최적 계측 변수 선정을 위한 해석을 수행하였다. 압축기 오염과 압축기 터빈 및 동력터빈의 부식에 의한 손상을 가정하고 계측변수를 6개, 8개, 10개로 달리하여 각각 선형 GPA 기법과 비선형 GPA 기법을 이용하여 해석을 수행한 후 RMS 오차를 비교하였다. 해석 결과 비선형 GPA 기법을 이용한 경우의 RMS 오차가 선형 GPA 기법을 이용한 경우보다 적어 비선형 GPA 기법의 유용성을 확인할 수 있었다. 또한 적절한 계측변수의 선정을 통해 보다 적은 계측 장비로 더 신뢰성 있는 결과를 얻을 수 있음을 확인하였다.

• 재무관리연구
• /
• 제17권1호
• /
• pp.161-180
• /
• 2000

본 연구는 주가를 예측하는데 있어서 선형 회귀모형을 이용하는 방법과 비선형 인공신경망 모형을 이용하는 방법을 비교 분석하여, 어떤 모형이 더 우수한 예측성과를 내는지를 검증한다. 자본시장에서 투자자들은 접근하는 정보가 다르고 각기 상이한 예측 변수들을 토대로 나름대로의 예측치를 만들어 낸다. 이렇게 볼 때 개별 투자자들이 이용하는 다양한 정보집합을 결합하여 단일의 뛰어난 정보집합을 만들어내는 것은 매우 어려운 과제이다. 따라서 본 연구에서는 이용 가능한 소수의 예측 변수들을 어떤 방식으로 결합하는 것이 예측오차의 분산을 최소화할 수 있는지에 대한 현실적인 접근방법을 모색하고자 한다. 거시경제변수나 시장자료를 입력변수로 사용한 기존 연구와는 달리 본 연구에서는 재무제표 정보를 입력변수로 사용하였다 즉, 대차대조표의 최종요약치인 주당 지분의 장부가치와 손익계산서의 최종요약치인 주당 순이익을 입력변수로 사용했으며 1991년부터 1995년까지의 추정(학습)결과를 토대로 모형을 선택하여 1996년의 제무제표 정보로 1997년의 주가를 예측하는 것이 본 연구의 과제이다. 연구결과, 대체로 선형회귀모형에 비해 비선형 신경망 모형이 예측오차의 분산을 감소시키는 것으로 나타났다.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2004년도 하계학술대회 논문집 Vol.5 No.2
• /
• pp.757-760
• /
• 2004

Shaking beam을 이용한 초음파 선형모터는 모터 구동부에서 발생하는 타원궤적이 선형 slider 와 마찰이 되어 선형운동을 발생시킨다. 이러한 초음파 선형모터에서 설계변수는 모터의 효율과 추력(thrust force) 등 동특성을 결정한다. 특히 초음파 모터 동작부의 tip 과 선형 slider 의 contact point와 압착은 모터의 속도, 추력 동작 주파수, 효율에 직접적인 영향을 주는 중요한 parameter 로 작용된다. 본 연구에서는 모터와 선형 slider 의 압착과 contact point둥의 설계변수가 초음파 선형 모터의 성능에 주는 영향을 고찰하였다. 모터으구동부와 선형 slider 사이의 압착력 ($10N{\sim}50N$)과 4가지 곡률을 갖는 tip을 설계변수로 취하였다. Tip 의 형태에 따른 곡률과 모터 구동부와 선형 slider 사이의 압착력 변화에 따른 모터의 동작특성이 변화되는 것을 확인할 수 있었다.

• 응용통계연구
• /
• 제14권2호
• /
• pp.321-332
• /
• 2001

본 논문에서는 반응변수가 두 가지의 값을 갖는 회귀분석에 적용할 수 있는 사영추적회귀를 고려하였다. 회귀모형에 필요한 설명변수들의 선형결합이 하나이고 연결함수의 형태를 사전에 알지 못한다는 가정하에서 모의담금질 기법을 이용하여 모형에 필요한 선형결합을 찾는 알고리즘을 제시하였다. 이진 반응변수의 경우에는 평활모수의 값에 따라 잔차이탈도함수의 반응표면이 단봉의 형태를 갖지 않는 경우가 있어 비동질적 마코프체인을 이용한 모의담금질 기법을 적용하면 효율적으로 선형결합을 탐색할 수 있다.

• 대한공간정보학회지
• /
• 제13권2호
• /
• pp.39-43
• /
• 2005

본 연구에서는 비측량용 시진기의 해석 모델로서 주로 사용되는 직접선형변환(Direct Linear Transformation) 모델의 매개변수로부터 물리적 사진기 매개변수를 산정하는 데 있어서의 정확도를 분석하였으며, 사진측량 작업에서 직접선형변화 모델의 사용을 최적화 하였다. 모의 관측 자료를 사용하여, 다양한 경우에 대하여 물리적 사진기 매개변수를 직접선형변환에 의한 방법과 번들 조정에 의한 방법으로 각각 계산하였으며, 두 결과에 대해 검사점들의 평균제곱근오차를 비교함으로써 직접선형변환을 적용함에 있어서 지상기준점의 배치를 최적화 하였다.

• Communications for Statistical Applications and Methods
• /
• 제5권3호
• /
• pp.571-580
• /
• 1998

선형회귀분석에서 새로운 변수가 모형에 추가될 때 변수변환의 필요성과 적절한 변환의 형태를 진단하는 기능이 있다고 알려져 있는 편잔차그림과 덧편잔차그림을 비선형회귀모형에 적용하고 이 그림들이 기능을 제대로 수행할 수 있는 조건을 알아보았다.

• 응용통계연구
• /
• 제26권1호
• /
• pp.131-139
• /
• 2013

지지벡터기계는 잡음변수가 존재하는 경우에 성능이 저하될 수 있다. 또한 최종 분류기에서 각 변수들의 중요도를 알리 어려운 단점이 있다. 따라서 변수선택은 지지벡터기계의 해석력과 정확도를 높일 수 있다. 기존의 문헌상의 대부분의 연구는 선형 지지벡터기계에서 성근 해를 주는 벌점함수를 통해 변수를 선택에 관한 것이다. 실제로는 분류의 정확도를 높이기 위해 비선형 커널을 사용하는 경우가 일반적이다. 따라서 변수선택은 비선형 지지벡터기계에서도 마찬가지로 필요하다. 본 논문에서는 모의실험 및 실제자료를 통하여 비선형 지지벡터의 대표적인 변수선택법인 COSSO(component selection and smoothing operator)와 KNIFE(kernel iterative feature extraction)의 성능을 비교한다.

• 응용통계연구
• /
• 제34권6호
• /
• pp.937-944
• /
• 2021

본 연구는 부분선형모형에서 변수선택의 문제를 다룬다. 부분선형모형은 평활화모수 추정과 같은 비모수 추정과 선형설명변수에 대한 추정의 문제를 함께 포함하고 있어 변수선택이 쉽지 않다. 본 연구에서는 빠른 전진선택법인 LARS 를 이용한 변수선택법을 제시한다. 제안된 방법은 LARS에 의하여 선별된 변수들에 대하여 t-검정, 가능한 모든 회귀모형 비교 또는 단계별 선택법을 적용한다. 제안된 방법들의 효율성을 비교하기 위하여 실제데이터에 적용한 예제와 모의실험 결과가 제시된다.

• 응용통계연구
• /
• 제33권1호
• /
• pp.1-10
• /
• 2020

본 연구에서는 선형회귀모형에서 이상치와 변수변환을 고려한 변수선택 알고리즘을 다룬다. 제안된 방법은 잠재적 이상치를 탐지하여 제거한 후 변수변환 추정을 위해 최소 절사 제곱 추정법을 적용하며 가능한 모든 회귀모형을 비교하여 최종적으로 변수를 선택한다. 정확한 변수 선택과 추정된 모델의 적합도의 맥락에서 방법의 효율성을 보여주기 위해 실제 데이터 분석 및 시뮬레이션 결과가 제시된다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1987년도 한국자동제어학술회의논문집; 한국과학기술대학, 충남; 16-17 Oct. 1987
• /
• pp.130-134
• /
• 1987

이 논문에서는 매개변수(parameter)들이 시간에 따라 변하는 선형 시변 시스템(linear time-varying system)에서 시스템의 안정도(stability)를 보장할 수 있는 매개변수들의 변동영역(perturbation region of parameters)에 대한 충분조건을 시간영역에서 Lyapunov 방법을 사용하여 구하였다. 그리고 이 충분조건을 만족하는 매개변수 변동영역을 비선형 계획법(nonlinear programing)을 이용하여 구하는 방법을 제시하였다. 시뮬레이션 결과 이 방법으로 지금까지 이루어져 왔던 다른 연구 결과들보다 더 넓고 다양한 매개변수 변동영역을 구할 수 있었다.