• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.156-156
• /
• 2021

본 연구는 지역빈도해석을 기반으로한 인공신경망 모델과 기존에 널리 사용되는 방법인 홍수지수법의 성능을 몬테카를로 시뮬레이션을 이용하여 평가하였다. 컴퓨터 기술이 발달함에 따라 인공지능에 대한 접근성이 좋아지며 수문학을 포함한 다양한 분야에 적용되고 있다. 인공지능을 이용하여 강수량 및 유량 등 다양한 수문자료에 대한 예측이 이루어지고 있으나 빈도해석에 관한 연구는 비교적 적다. 본 연구에서 사용된 인공 지능 모델은 대상 지점의 지형학적 자료와 수문학적 자료를 이용하여 인공신경망을 통해 지점의 확률강우량(QRT-ANN) 및 확률분포형의 매개변수 (PRT-ANN)를 추정한다. 지형학적 자료로는 위도, 경도 그리고 고도가 사용되었으며 수문학적 자료로는 대상 지점의 최근 30년 일일연최대강우량을 사용하였다. 지역빈도해석의 정확도는 지역 내 통계적 특성이 비슷한 지점들이 포함되면 될수록 높아진다. 통계적 특성으로는 불일치 척도, 이질성 척도, 적합성 척도가 있으며 다양한 조건의 통계적 특성에 따른 세 개의 지역빈도해석 방법의 성능을 평가하고자 하였다. 대상 지역 내 n개의 지점이 있다고 가정하였을 때, 홍수지수법의 경우 n-1개의 지점으로 추정한 지역 성장곡선을 이용하여 나머지 1개 지점의 확률강우량을 산정할 수 있으며 인공신경망 모델들 또한 n-1개 지점들의 자료를 이용하여 모델을 구축한 뒤 나머지 지점의 확률강우량 및 확률분포형의 매개변수를 예측할 수 있다. PRT-ANN의 경우 예측된 매개변수를 이용하여 확률강우량을 산정하며 시뮬레이션 시행마다 발생시킨 자료의 지점빈도해석 결과에 대한 나머지 세 방법의 평균 제곱근 상대오차 (Relative root mean square error, RRMSE)를 계산하였다. 몬테카를로 시뮬레이션을 이용한 성능 분석을 통하여 관측값의 다양한 통계적 특성에 맞는 지역빈도해석 방법을 제시할 수 있을 것으로 판단된다.

• Communications for Statistical Applications and Methods
• /
• v.3 no.2
• /
• pp.227-237
• /
• 1996

비중심 ${\chi}^2$분포의 누적분포함수의 계산은 ${\chi}^2$검정에서 요구되고 있는 새로운 접근방법으로 신경망 이론을 적용하기 위하여 입력층의 입력노드가 세개, 출력증의 축력노드가 한개 그리고 한개의 은닉층으로 구성된 다층 퍼셉트론 네트워크부터 역전파 알고리즘을 개발하여 비중심${\chi}^2$분포의 확률계산을 시도하였다. 정확성과 계산속도를 고려하여 기존의 방법과 비교한 결과 효율적임을 알 수 있다.

• The KIPS Transactions:PartB
• /
• v.8B no.3
• /
• pp.231-236
• /
• 2001

일반적인 다층 신경망에서 가중치의 갱신 알고리즘으로 사용하는 오류 역전과 방식은 가중치 갱신 결과를 고정된(fixed) 한 개의 값으로 결정한다. 이는 여러 갱신의 가능성을 오직 한 개의 값으로 고정하기 때문에 다양한 가능성들을 모두 수용하지 못하는 면이 있다. 하지만 모든 가능성을 확률적 분포로 표현하는 갱신 알고리즘을 도입하면 이런 문제는 해결된다. 이러한 알고리즘을 사용한 베이지안 신경망 모형(Bayesian Neural Networks Models)은 주어진 입력값(Input)에 대해 블랙 박스(Black-Box)와같은 신경망 구조의 각 층(Layer)을 거친 출력값(Out put)을 계산한다. 이 때 주어진 입력 데이터에 대한 결과의 예측값은 사후분포(posterior distribution)의 기댓값(mean)에 의해 계산할 수 있다. 주어진 사전분포(prior distribution)와 학습데이터에 의한 우도함수(likelihood functions)에 의해 계산한 사후확률의 함수는 매우 복잡한 구조를 가짐으로 기댓값의 적분계산에 대한 어려움이 발생한다. 따라서 수치해석적인 방법보다는 확률적 추정에 의한 근사 방법인 몬테 칼로 시뮬레이션을 이용할 수 있다. 이러한 방법으로서 Hybrid Monte Carlo 알고리즘은 좋은 결과를 제공하여준다(Neal 1996). 본 논문에서는 Hybrid Monte Carlo 알고리즘을 적용한 신경망이 기존의 CHAID, CART 그리고 QUEST와 같은 여러 가지 분류 알고리즘에 비해서 우수한 결과를 제공하는 것을 나타내고 있다.

• The Korean Journal of Applied Statistics
• /
• v.18 no.1
• /
• pp.137-146
• /
• 2005

Neural network is one of the most notable technique. It usually provides more powerful forecasting models than the traditional time series techniques. Employing the Ensemble technique in forecasting model, one should provide a initial distribution. Usually the uniform distribution is assumed so that the initialization is noninformative. However, it would be expected a sequential informative initialization based on data rather than the uniform initialization gives further reduction in forecasting error. In this note, a modified Ensemble algorithm using sequential initial probability is developed. The sequential distribution is designed to have much weight on the recent data.

• Journal of Digital Contents Society
• /
• v.18 no.1
• /
• pp.183-190
• /
• 2017

This paper proposes an audio event detection method using Deep Neural Networks (DNN). The proposed method applies Feed Forward Neural Network (FFNN) to generate output probabilities of twenty audio events for each frame. Mel scale filter bank (FBANK) features are extracted from each frame, and its five consecutive frames are combined as one vector which is the input feature of the FFNN. The output layer of FFNN produces audio event probabilities for each input feature vector. More than five consecutive frames of which event probability exceeds threshold are detected as an audio event. An audio event continues until the event is detected within one second. The proposed method achieves as 71.8% accuracy for 20 classes of the UrbanSound8K and the BBC Sound FX dataset.

• Proceedings of the Korea Association of Information Systems Conference
• /
• 2005.12a
• /
• pp.119-129
• /
• 2005

현재의 이동통신시장은 시장의 포화상태로 인해 신규 고객의 확보보다는 기존 고객의 유지에 마케팅 활동을 강화하고 있다. 본 연구에서는 이탈고객관리(churn management)를 위한 방안으로 데이터마이닝 기법에 기반하여 고객을 등급별로 세분화하였다. 이동통신 고객데이터를 활용하여 로짓모형, 인공신경망, SVM 등을 이탈고객 예측모형을 개발하였고, 각 모형별 성과를 통계적으로 비교하였다. 이탈고객 예측모형을 통해 고객의 이탈가능성을 등급화하여 등급별 이탈확률과 점유율, 적중률을 산출하였다. 제안된 고객등급화 방법을 통해 이동통신사들은 고객의 이탈확률에 따른 차별화된 마케팅 전락을 수행할 수 있을 것으로 기대된다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.289-292
• /
• 2010

본 연구에서는 기둥이 제거되는 경우 선형정적해석법을 사용하여 부재력을 산정하고 확률 신경망을 이용하여 그 분포를 파악하였다. 1층 내부기둥이 제거될 경우 다른 부재의 부재력이 가장 큰 것으로 나타났다. 확룰신경망을 이용하여 부재력의 분포를 파악하고 추정하는 것은 연쇄붕괴 시 초고층 건물이나 비정형 건물에 대한 위험부재를 선정하고 파악하는데 시간과 노력을 경감할 수 있는 것으로 나타났다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.24 no.12B
• /
• pp.2447-2454
• /
• 1999

This paper proposes a N-APPEM(Nonlinear A Posteriori Probability Estimation Method) with a frame normalization method to conventional classification network to increase speech recognition ability. It also tests the recognition ability of the classification and prediction neural networks for the Korean isolated digits. From the experimental results, the prediction network with MLP(Multi-Layer Perceptron) achieves the highest recognition ability of 98.0%. The prediction requires very complicated networks increased linearly with the number of incoming speech categories. However, the classification network with the N-APPEM and the normalization improves the recognition ability up to 85.5% with a sin81e network, which is almost 12.0% improvement.

• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.36S no.1
• /
• pp.123-132
• /
• 1999

In this paper, a quadratic sigmoid neural equalizer(QSNE) is proposed to improve the performance of conventional neural equalizer in terms of bit error probability by using a quadratic sigmoid function as the activation function of neural networks. Conventional neural equalizers which have been used to compensate for nonlinear distortions adopt the sigmoid function. In the case of sigmoid neural equalizer, each neuron has one linear decision boundary. So many neurons are required when the neural equalizer has to separate complicated structure. But in case of the proposed QSNF and quadratic sigmoid neural decision feedback equalizer(QSNDFE), each neuron separates decision region with two parallel lines. Therefore, QSNE and QSNDFE have better performance and simpler structure than the conventional neural equalizers in terms of bit error probability. When the proposed QSNDFE is applied to communication systems and digital magnetic recording systems, it is an improvement of approximately 1.5dB~8.3dB in signal to moise ratio(SNR) over the conventional decision feedback equalizer(DEF) and neural decision feedback equalizer(NDFE). As intersymbol interference(ISI) and nonlinear distortions become severer, QSNDFE shows astounding SNR shows astounding SNR performance gain over the conventional equalizers in the same bit error probability.

• Journal of the Korea Society of Computer and Information
• /
• v.1 no.1
• /
• pp.83-94
• /
• 1996

The test statistic in ANOVA tests has a single or doubly noncentral F distribution and the noncentral F distribution is applied to the calculation of the power functions of tests of general linear hypotheses. In this paper. the evaluation of the cumulative function of the single noncentral F distribution is applied to the neural network theory. The neural network consists of the multi-layer perceptron structure and learning process has the algorithm of the backpropagation. Numerical comparisons are made between the results obtained by neural network theory and the Patnaik's values.