• 응용통계연구
• /
• 제22권2호
• /
• pp.403-414
• /
• 2009

국내외적으로 지역통계에 관한 관심이 높아지고 있으며 이와 관련하여 소지역 추정에 관한 많은 연구가 진행되고 있다. 소지역 추정에 사용되는 추정량의 대부분은 MSE(moan squared error)를 최소화하여 얻어진다 (Rao, 2003). 최근 황희진과 신기일 (2008)은 MSPE(mean squared percentage error)를 최소화하는 추정량을 사용한 소지역 추정법을 제안하였다. 본 논문에서는 노동통계 중 지청별 일인당 평균 임금총액 추정에 황희진과 신기일 (2008)이 제안한 방법을 적용하여 보았으며 2007년 매월 노동통계 자료를 이용하여 기존의 MSE를 최소화 하여 얻어진 여러 추정량과 우수성을 비교해 보았다. 또한 노동통계를 위 한 소지역 추정의 실제 사용 가능성을 살펴보았다.

• Journal of the Korean Statistical Society
• /
• 제34권2호
• /
• pp.99-107
• /
• 2005

In this paper we consider the asymptotic mean squared error of positive part James-Stein estimators. In the normal-normal example, estimators of the mean squared error of these estimators are provided which are correct asymptotically up to O($m^{-l}$). Asymptotic estimators of the MSE's which correct up to O($m^{-l}$) are also provide. Here, m denotes the number of strata. A simulation study is undertaken to evaluate the performance of these estimators.

• 한국산학기술학회논문지
• /
• 제14권2호
• /
• pp.625-633
• /
• 2013

본 다중반응표면 최적화는 다수의 반응변수(품질특성치)를 동시에 고려하여, 입력변수의 최적 조건을 찾는 것을 목적으로 한다. 지금까지 다중반응표면 최적화를 위하여 다양한 방법이 제안되어 왔는데, 그 중 평균제곱오차 최소화법은 다수의 반응변수의 평균과 표준편차를 동시에 고려하여 최적화하는 방법이다. 이 방법은 기본적으로 평균과 표준편차가 동일한 가중치를 가지고 있다는 것을 전제로 하고 있다. 그러나 문제의 상황에 따라 평균과 표준편차에 서로 다른 가중치를 부여해야 하는 경우도 있다. 이에 본 논문에서는 기존의 평균제곱오차를 확대하여 평균과 표준편차에 서로 다른 가중치도 부여할 수 있도록 가중평균제곱오차 최소화법을 제안하고자 한다.

• Communications for Statistical Applications and Methods
• /
• 제14권1호
• /
• pp.121-131
• /
• 2007

In this paper, we examine the problem of estimating the sensitive characteristics and behaviors in a multinomial randomized response model using Bayesian approach. We derived a posterior distribution for parameter of interest for multinomial randomized response model. Based on the posterior distribution, we also calculated a credible intervals and mean squared error (MSE). We finally compare the maximum likelihood estimator and the Bayes estimator in terms of MSE.

• 자동차안전학회지
• /
• 제15권1호
• /
• pp.55-62
• /
• 2023

In this study, a chest deflection is predicted by introducing a deep learning technique with the results of the frontal impact of the USNCAP conducted for 110 car models from MY2018 to MY2020. The 120 data are divided into training data and test data, and the training data is divided into training data and validation data to determine the hyperparameters. In this process, the deceleration data of each vehicle is averaged in units of 10 ms from crash pulses measured up to 100 ms. The performance of the deep learning model is measured by the indices of the mean squared error and the mean absolute error on the test data. A DNN (Deep Neural Network) model can give different predictions for the same hyperparameter values at every run. Considering this, the mean and standard deviation of the MSE (Mean Squared Error) and the MAE (Mean Absolute Error) are calculated. In addition, the deep learning model performance according to the inclusion of CVW (Curb Vehicle Weight) is also reviewed.

• International journal of advanced smart convergence
• /
• 제13권1호
• /
• pp.206-211
• /
• 2024

This study used a total of 205,565 datasets of 'voltage', 'current', '℃', and 'time(s)' to systematically analyze the properties and performance of solid electrolytes. As a method for characterizing solid electrolytes, a linear regression model, one of the machine learning models, is used to visualize the relationship between 'voltage' and 'current' and calculate the regression coefficient, mean squared error (MSE), and coefficient of determination (R^2). The regression coefficient between 'Voltage' and 'Current' in the results of the linear regression model is about 1.89, indicating that 'Voltage' has a positive effect on 'Current', and it is expected that the current will increase by about 1.89 times as the voltage increases. MSE found that the mean squared error between the model's predicted and actual values was about 0.3, with smaller values closer to the model's predictions to the actual values. The coefficient of determination (R^2) is about 0.25, which can be interpreted as explaining 25% of the data.

• 한국인터넷방송통신학회논문지
• /
• 제19권5호
• /
• pp.79-85
• /
• 2019

본 연구에서는 Long Short Term Memory (LSTM) 신경망과 Gated Recurrent Unit(GRU) 신경망을 Internet of Things (IoT) 파워미터에 적용하여 단기 전력사용량 예측방법을 제안하고, 실제 가정의 전력사용량 데이터를 토대로 예측 성능을 분석한다. 성능평가 지표로써 Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Mean Percentage Error (MPE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE)를 이용한다. 실험 결과는 GRU 기반의 모델이 LSTM 기반의 모델에 비해 MAPE 기준으로 4.52%, MPE 기준으로 5.59%만큼의 성능개선을 보였다.

• Communications for Statistical Applications and Methods
• /
• 제15권2호
• /
• pp.255-264
• /
• 2008

공변량 값이 주어졌을 때 반응변수의 값을 예측하는 데에는 평균제곱오차를 최소로 하는 것을 고려하는 것이 보통이지만, 최근 Park과 Shin (2005), Jones 등 (2007) 등에서 평균제곱오차대신 평균제곱상대오차에 기반한 예측을 연구한바 있다. 이 논문에서는 Jones 등 (2007)의 방법을 대체할 새로운 비모수적 예측법을 제안하고, 제안된 방법의 유효성을 뒷받침하는 간단한 모의실험 결과를 제공한다.

• 한국통신학회논문지
• /
• 제34권10C호
• /
• pp.929-936
• /
• 2009

기존의 MIMO 다중 송수신기들이 협대역 flat 채널을 공유하고 있는 환경에서 오버레이 MIMO 시스템의 디자인을 고려한다. 오버레이 시스템의 수신기로 수신되는 기존 시스템 신호의 2nd-order 통계량과 오버레이 송신단으로부터 기존 시스템들의 수신단 사이의 채널이 모두 알려져 있다고 가정한다. 평균 송신 전력 제약과 이미 관심대역을 차지하고 있는 기존 시스템들의 수신단에 간섭을 일으키지 않는다는 제약 아래 오버레이 시스템의 각 수신안테나 출력에서의 데이터 심볼의 평균 제곱 오차 (MSE: mean-squared error)의 합인 전체 MSE를 최소화 하는 최적 오버레이 시스템의 선형 precoding과 decoding 행렬을 유도한다. 최적 해가 존재하기 위한 필요충분 조건 또한 유도하고, 제안된 시스템의 성능에 대한 모의 실험 결과를 제공한다.

• 한국전자통신학회논문지
• /
• 제16권4호
• /
• pp.625-632
• /
• 2021

본 논문은 잡음감쇠기에서 CNN(Convolutional Neural Network) 계층의 필터 수가 성능에 미치는 영향을 연구하였다 이 시스템은 적응필터 대신 신경망 예측필터를 이용하며 심층학습방법으로 잡음을 감쇠한다. 64-뉴런, 16-커널 CNN 필터와 오차 역전파 알고리즘을 이용하여 잡음이 포함된 음성신호로부터 음성을 추정한다. 본 연구에서 필터 수에 대한 잡음감쇠기의 성능을 검증하기 위하여 Keras 라이브러리를 사용한 프로그램을 작성하고 시뮬레이션을 실시하였다. 시뮬레이션 결과, 본 시스템은 필터 수가 16일 때 MSE(Mean Squared Error) 및 MAE(Mean Absolute Error) 값이 가장 작은 것으로 나타났으며 필터가 4개 일 때 성능이 가장 낮은 것을 볼 수 있다. 그리고 필터가 8개 이상이 되면 필터 수에 따라 MSE 및 MAE 값이 크게 차이나지 않는 것을 보여주었다. 이러한 결과로부터 음성신호의 주요 특징을 표현하기 위해서는 약 8개 이상의 필터를 사용해야 한다는 것을 알 수 있다.