• 응용통계연구
• /
• 제18권1호
• /
• pp.137-146
• /
• 2005

신경망은 전통적인 시계열 기법들에 비해 대체적으로 예측성능의 우수함이 입증되었으나 계절성과 추세성을 갖는 시계열자료에 대해 예측력이 떨어지는 단점을 가지고 있다. 최근에는 Ensemble 기법인 Bagging Algorithm과 신경망의 혼합모형인 Bagging Neural Network이 개밭되었다. 이 기법은 분산과 편향을 많이 줄여줌으로써 더 좋은 예측을 할 수 있는 것으로 나타났다. 그러나 Ensemble 기법을 이용한 예측모형은 시계열자료를 적합 시키는데 있어 초기부여확률 및 예측자 선정시의 문제점을 가지고 있다. 이에 본 연구에서는 이러한 문제점을 해결하고 더불어 예측력을 향상시키기 위한 방법으로 초기부여확률이 균일분포가 아닌 순차적인 형태의 분포를 제시하고 신경망을 예측자로 활용한 변형된 Ensemble Algorithm을 제안한다. 또한 예측모형의 평가를 위해 실제자료를 가지고 기존 예측모형들과 제안한 방법을 이용하여 예측하고 각 MSE의 비교를 통하여 예측정확도를 알아보고자 한다.

• 한국인터넷방송통신학회논문지
• /
• 제18권3호
• /
• pp.77-82
• /
• 2018

본 논문은 가변 스텝 크기를 가지는 MSAG-GMMA(modified Stop-and-Go generalized multi modulus algorithm) 적응 블라인드 등화 알고리즘의 성능 분석에 관한 것이다. 제안한 알고리즘은 등화 계수 갱신 식에서 고정 스텝 크기에 결정지향 알고리즘의 오차신호의 크기를 곱하여 오차크기에 따라서 스텝 크기가 변하도록 하였다. 또한 결정지향 알고리즘의 오차신호의 크기를 판단하여 어느 임계값 이상에서는 정상상태로의 빠른 수렴 속도를 유지하도록 스텝 크기가 고정인 값을 가지는 MSAG-GMMA가 동작하고, 미만일 때는 스텝 크기가 가변되는 MSAG-GMMA가 동작하도록 하였다. 제안한 알고리즘의 성능을 평가하기 위하여 성능 지수로 앙상블 ISI, 앙상블-평균 MSE, 그리고 등화기의 출력으로 얻어지는 등화 후 신호점도를 사용하였다. 모의실험을 통하여 제안한 알고리즘이 MMA, GMMA, 그리고 MSAG-GMMA보다 빠른 수렴 속도와 정상상태에서 작은 잔류 오차를 가짐을 확인하였다.

• 한국전자파학회논문지
• /
• 제11권5호
• /
• pp.681-688
• /
• 2000

본 논문에서는 IMT-2000을 목표로 한 핸드셋에 상요할 수 있는 안테나로, 작고 가벼운 평면형 bowtie 안테나를 설계하고 해석하였다. MoM에 기반을 둔 Ensemble 시뮬레이션을 통해 공지주파수를 결정하는 설계 파라미터를 찾고, IMT-2000의 사용주파수에 맞추어 공진이 일어나도록 날개각의 설계 파라미터를 21$^{\circ}$로 고정한 안테나구조에서 Ensemble 심류레이션과 FDTD 수치해석을 이용하여 해석한다. FDTD 방법으로 해석을 하면, FDTD의 정확한 해에도 불구하고, 이 안테나는 상당한 오차를 가지게 되는데, 이유는 bowtie의 경사면 해석에서 계단형 근사 오차로 인한 것이다. 이러한 오차를 줄이기 위해 안테나의 경사면이 있는 각 셀 안에서 도체면/자유공간이 나뉘는 영역을 네 부분으로 구분해 자유공간이 차지하는 면적과 길이의 값을 적용하여 그 셀에서 계산되는 H-field의 값을 수정하는 새로운 알고리즘을 적용하여 보다 정확한 해를 얻는다. 즉, 기본 FDTD에서 반사손실의 협대역 특성이 수정 FDTD 알고리즘으로, 인해, 목적에 맞는 주파수 대역까지 확장될 수 있다.

• E2M - 전기 전자와 첨단 소재
• /
• 제10권10호
• /
• pp.1000-1004
• /
• 1997

In this paper the current-voltage characteristics of a submicron GaAs MESFET is simulated by using the self-consistent ensemble Monte Carlo method. The numerical algorithm employed in solving the two-dimensional Poisson equation is the successive over-relaxation(SOR) method. The total number of employed superparticles is about 1000 and the field adjusting time is 10fs. To obtain the steady-state results the simulation is performed for 10ps at each bias condition. The simulation results show the average electron velocity is modified by the gate voltage.

• East Asian Economic Review
• /
• 제25권4호
• /
• pp.403-424
• /
• 2021

AdaBoost tweaks the sample weight for each training set used in the iterative process, however, it is demonstrated that it provides more correlated errors as the boosting iteration proceeds if models' accuracy is high enough. Therefore, in this study, we propose a novel way to improve the performance of the existing AdaBoost algorithm by employing heterogeneous models and a stochastic twist. By employing the heterogeneous ensemble, it ensures different models that have a different initial assumption about the data are used to improve on diversity. Also, by using a stochastic algorithm with a decaying convergence rate, the model is designed to balance out the trade-off between model prediction performance and model convergence. The result showed that the stochastic algorithm with decaying convergence rate's did have a improving effect and outperformed other existing boosting techniques.

• 한국정보통신학회논문지
• /
• 제19권2호
• /
• pp.279-286
• /
• 2015

EMD는 미리 정의된 어떠한 기저함수도 사용하지 않으며 사용자에 의해 미리 정의된 파라미터값도 필요치 않은 완전히 데이터에 기반한 신호 처리의 특징을 갖는다. 그러나 유사한 스케일을 갖는 신호 모드로 분해하는 것을 방해하는 모드 혼합이 발생하는 단점이 있다. 이를 해결하기 위해 EEMD 알고리즘이 도입되었으며, EEMD는 처리하고자 하는 신호에 가우시안 백색 잡음을 혼합하여 앙상블 수만큼 신호를 만들어 EMD 방법을 적용함으로써 모드 혼합 문제를 해결한다. 그럼에도 EEMD는 잡음이 추가된 신호 분해 시 원 신호와 상이한 모드 수를 만들어 내며, 분해된 신호들을 원 신호로 재구성 시에도 레지듀 잡음이 포함된다. 본 논문은 개선된 EEMD알고리즘으로 EMD의 모드 혼합 문제를 해결하고 원신호를 정확히 재구성하며 EEMD 보다 적은 연산 비용으로 신호 모드 분리를 제안한다. 실험결과는 EEMD 방법과 비교하여 적은 체과정의 반복으로 빠른 모드 분리를 보여 주었으며 EEMD 방법의 20.87%의 비용만으로 완전한 신호 분해가 가능하였고, 신호 복원에 있어서도 EEMD 보다 우수한 성능을 보여주었다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제51권4호
• /
• pp.152-159
• /
• 2002

Fitness sharing that shares fitness if calculated distance between individuals is smaller than sharing radius is one of the representative speciation methods and can complement evolutionary algorithm which converges one solution. Recently, there are many researches on designing neural network architecture using evolutionary algorithm but most of them use only the fittest solution in the last generation. In this paper, we elaborate generating diverse neural networks using fitness sharing and combing them to compute outputs then, propose calculating distance between individuals using modified Kullback-Leibler entropy for improvement of fitness sharing performance. In the experiment of Australian credit card assessment, breast cancer, and diabetes in UCI database, proposed method performs better than not only simple average output or Pearson Correlation but also previous published methods.

• Asia pacific journal of information systems
• /
• 제29권4호
• /
• pp.789-816
• /
• 2019

Text classification is a challenging task, especially when dealing with a huge amount of text data. The performance of a classification model can be varied depending on what type of words contained in the document corpus and what type of features generated for classification. Aside from proposing a new modified version of the existing algorithm or creating a new algorithm, we attempt to modify the use of data. The classifier performance is usually affected by the quality of learning data as the classifier is built based on these training data. We assume that the data from different domains might have different characteristics of noise, which can be utilized in the process of learning the classifier. Therefore, we attempt to enhance the robustness of the classifier by injecting the heterogeneous data artificially into the learning process in order to improve the classification accuracy. Semi-supervised approach was applied for utilizing the heterogeneous data in the process of learning the document classifier. However, the performance of document classifier might be degraded by the unlabeled data. Therefore, we further proposed an algorithm to extract only the documents that contribute to the accuracy improvement of the classifier.

• Geomechanics and Engineering
• /
• 제32권6호
• /
• pp.583-600
• /
• 2023

The resilient modulus (M_R) of various pavement materials plays a significant role in the pavement design by a mechanistic-empirical method. The M_R determination is done by experimental tests that need time and money, along with special experimental tools. The present paper suggested a novel hybridized extreme gradient boosting (XGB) structure for forecasting the M_R of modified base materials subject to wet-dry cycles. The models were created by various combinations of input variables called deep learning. Input variables consist of the number of W-D cycles (WDC), the ratio of free lime to SAF (CSAFR), the ratio of maximum dry density to the optimum moisture content (DMR), confining pressure (σ₃), and deviatoric stress (σ_d). Two XGB structures were produced for the estimation aims, where determinative variables were optimized by particle swarm optimization (PSO) and black widow optimization algorithm (BWOA). According to the results' description and outputs of Taylor diagram, M1 model with the combination of WDC, CSAFR, DMR, σ₃, and σ_d is recognized as the most suitable model, with R² and RMSE values of BWOA-XGB for model M1 equal to 0.9991 and 55.19 MPa, respectively. Interestingly, the lowest value of RMSE for literature was at 116.94 MPa, while this study could gain the extremely lower RMSE owned by BWOA-XGB model at 55.198 MPa. At last, the explanations indicate the BWO algorithm's capability in determining the optimal value of XGB determinative parameters in M_R prediction procedure.