• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1728-1729
• /
• 2011

본 연구에서는 안정적인 물 공급과 에너지의 효율적 사용을 위한 단기 물 수요예측알고리즘 개발에 있어서, 지방 소도시 지역의 물 공급패턴에 대한 영향인자를 도출하기 위하여 기상환경인자와 과거 물 공급량에 대한 상관성 분석을 실시하였다. 그리고, 신경회로망 이론 중 ELM알고리즘을 적용한 단기 물 수요예측알고리즘을 개발하여 현장 적용성을 검토하고자 한다.

• 조명전기설비학회논문지
• /
• 제23권9호
• /
• pp.108-116
• /
• 2009

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. 실험 결과 MLP모델은 MAPE가 5.82[%]인 반면, 제안된 방법인 ELM기반 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.

• 한국지능시스템학회논문지
• /
• 제17권6호
• /
• pp.807-812
• /
• 2007

최근 단일 은닉층을 갖는 전방향 신경회로망 구조로, 기존의 경사 기반 학습알고리즘들보다 학습 속도가 매우 우수한 ELM(Extreme Learning Machine)이 제안되었다. ELM 알고리즘은 입력 가중치들과 은닉 바이어스들의 초기 값을 무작위로 선택하고 출력 가중치들은 Moore-Penrose(MP) 일반화된 역행렬 방법을 통하여 구해진다. 그러나 입력 가중치들과 은닉층 바이어스들의 초기 값 선택이 어렵다는 단점을 갖고 있다. 본 논문에서는 최적화 알고리즘 중 박테리아 생존(Bacterial Foraging) 알고리즘의 수정된 구조를 이용하여 ELM의 초기 입력 가중치들과 은닉층 바이어스들을 선택하는 개선된 방법을 제안하였다. 실험을 통하여 제안된 알고리즘이 많은 입력 데이터를 가지는 문제들에 대하여 성능이 우수함을 보였다.

• 한국정보통신학회논문지
• /
• 제6권3호
• /
• pp.481-486
• /
• 2002

본 논문에서는 카오스에 기반을 툰 ELM(Expanding Logistic Map) 암호화 알고리즘을 개선하기 위해 CELM(Cascade ELM)을 제안한다. 제안된 암호화 알고리즘은 3차 방정식에 기반을 둔 ELM 의 차수를 증가시켜 키의 범위를 확대하고, 서로 다른 Key 값과 초기 값의 함수를 Cascade 연결한 것으로 시뮬레이션결과 키의 랜덤성이 보장되면서 안정성이 국제 기준에 부합됨을 알 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 추계학술대회 학술발표 논문집 제16권 제2호
• /
• pp.189-192
• /
• 2006

본 논문에서는 ELM(Extreme Learning Machine)을 이용하여 계산속도 뿐만 아니라 성능면에서도 우수한 입력 속성선택 기법을 제안한다. 일반적으로 입력 속성 선택문제는 다양한 속성들의 영향을 고려함으로써 모든 입력속성들을 평가하는데 많은 계산량이 요구되는 단점이 있다. 이러한 문제점을 개선하기 위하여 학습속도가 기존의 신경회로망에 비하여 월등히 우수한 ELM 알고리즘을 적용한다. 입력속성 선택은 ELM으로부터 산출된 출력값을 이용하여 출력 오차에 영향이 큰 속성들 순으로 순위를 결정한 후, 전방향 선택이나 후방향 선택기법을 이용하여 입력속성을 선택한다. 제안된 방법은 다양한 데이터에 적용하여 타당성을 검증한다.

• 디지털콘텐츠학회 논문지
• /
• 제17권6호
• /
• pp.565-579
• /
• 2016

본 논문에서는 극한 기계학습을 이용하는 하이브리드 균형 표본 유전자 알고리즘(hSBGA-ELM)을 기반으로 한 새로운 암 아류형 분류자를 제안하였다. 제안 된 암 아류형 분류자는 정확한 암 아류형 분류기 설계를 위해 공개 전체암지도 (Global Cancer Map)로부터 15063개의 유전자 발현 데이터를 사용합니다. 제안된 방법에서는 14가지(유방암, 전립선 암, 폐암, 대장 암, 림프종, 방광, 흑색 종, 자궁, 백혈병, 신장, 췌장, 난소, 중피종 및 CNS)의 암 아류형을 효율적으로 분류합니다. 제안 된 hSBGA-ELM은 유전자 선택 절차 및 암 아류형 분류를 하나의 프레임 워크로 단일화 한다. 제안 된 하이브리드 균형 표본 유전 알고리즘은 GCM 데이터베이스에서 이용 가능한 16,063 개의 유전자로부터 암 아류형 분류를 담당하는 축소된 강인 유전자 셋을 찾는다. 선택/축소된 유전자 세트는 익스트림 기계학습을 이용하여 암 아류형 분류기를 구성하는데 사용된다. 결과적으로, 크기가 축소된 강인 유전자 집합이 제안하는 암 아류형 분류기의 안정된 일반화 성능을 보장하게 한다. 제안 된 hSBGA-ELM은 암에 관여하는 것으로 예측되는 95개의 유전자를 발견하였으며 기존의 암 아류형 분류기와의 비교를 통해 제안 된 방법의 효율을 보여준다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 춘계종합학술대회
• /
• pp.469-472
• /
• 2002

본 논문에서는 카오스에 기반을 둔 ELM(Expanding Logistic Map) 암호화 알고리즘을 개선하기 위해 CELM(Cascade Expanding Logistic Map)을 제안한다. 제안된 암호화 시스템은 3차 방정식에 기반을 둔 ELM의 차수를 증가시켜 키의 범위를 확대하고, 서로 다른 Key 값과 초기 값의 함수를 Cascade연결하여 안정성을 높일 수 있었다.

• 전자공학회논문지
• /
• 제50권1호
• /
• pp.269-275
• /
• 2013

본 논문에서는 Extreme Learning Machine(ELM)을 이용한 자기부상시스템 모델링 기법을 제안한다. 자기부상시스템의 모델링을 위하여 일반적으로 테일러 급수를 이용한 선형화 모델이 사용되어져 왔으나, 이런 수학적 기법의 경우 자기부상시스템의 비선형 반영에 한계가 있다는 단점을 가지고 있다. 이러한 단점을 극복하기 위해 본 논문에서는 학습시간이 빠른 특성을 가진 ELM을 이용한 자기부상시스템의 모델링 기법을 제안한다. 제안된 기법은 입력 가중치들과 은닉 바이어스들의 초기값을 무작위로 선택하고 출력 가중치들은 Moore-Penrose의 일반화된 역행렬 방법을 통하여 구해진다. 실험을 통하여 제안된 알고리즘이 자기부상시스템의 모델링에서 수학적 기법에 비해 우수한 성능을 보임을 알 수 있었다.

• 전기학회논문지P
• /
• 제61권4호
• /
• pp.228-233
• /
• 2012

In power system, substation facilities have become too complex and larger according to an extended power system. Also, customers require the high quality of electrical power system. However, some facilities become old and often break down unexpectedly. The unexpected failure may cause a break in power system and loss of profits. Therefore it is important to prevent abrupt faults by monitoring the condition of power systems. Among the various power facilities, power transformers play an important role in the transmission and distribution systems. In this research, we develop intelligent diagnosis technique for monitoring of power transformer by FCM(Fuzzy c-means) and ELM(Extreme Learning Machine). The proposed technique make it possible to diagnosis the faults occurred in transformer. To demonstrate the validity of proposed method, various experiments are performed and their results are presented.

• 전기학회논문지P
• /
• 제62권4호
• /
• pp.169-174
• /
• 2013

Due to the increase of power consumption, it is difficult to construct an accurate prediction model for daily peak power demand. It is very important work to know power demand in next day to manage and control power system. In this research, we develop a daily peak power demand prediction method based on Extreme Learning Machine(ELM) with fast learning procedure. Using data sets between 2006 and 2010 in Korea, the proposed method has been intensively tested. As the prediction results, we confirm that the proposed method makes it possible to effective estimate daily peak power demand than conventional methods.