• 대한교통학회지
• /
• 제18권4호
• /
• pp.95-105
• /
• 2000

본 연구의 목적은 기존의 대표적 통행발생모형인 회귀모형과 신경망 이론에 의한 통행발생모형을 비교.분석하여 통행발생모형에 대한 새로운 방법을 제시하고자 하는 것이다. 이를 위해 모형의 검정력과 안정성을 현재적 설명력과 장래 예측력의 결합으로 전제하고, 시나리오에 따른 모형의 검정력 변화를 통한 안정성 평가를 수행하였다. 연구결과 역전파 신경망 모형(Backpropagation Neural Networks)은 회귀모형의 검정력과 안정성을 상회하는 우수한 결과를 보여 주었으며, 이는 향후 통행발생 모형으로 역전파 신경망 모형의 적용 가능성을 의미하는 것으로 해석된다. 특히 복잡해진 교통현상과 다양한 수집자료를 고려할 때 교통분야에서의 신경망 모형의 적용은 더욱 확대될 전망이다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2000년도 추계정기학술대회:지능형기술과 CRM
• /
• pp.417-426
• /
• 2000

This study suggests integrated neural network models for Interest rate forecasting using change-point detection, classifiers, and classification functions based on structural change. The proposed model is composed of three phases with tee-staged learning. The first phase is to detect successive and appropriate structural changes in interest rare dataset. The second phase is to forecast change-point group with classifiers (discriminant analysis, logistic regression, and backpropagation neural networks) and their. combined classification functions. The fecal phase is to forecast the interest rate with backpropagation neural networks. We propose some classification functions to overcome the problems of two-staged learning that cannot measure the performance of the first learning. Subsequently, we compare the structured models with a neural network model alone and, in addition, determine which of classifiers and classification functions can perform better. This article then examines the predictability of the proposed classification functions for interest rate forecasting using structural change.

• 대한산업공학회지
• /
• 제23권2호
• /
• pp.371-383
• /
• 1997

This paper propose a fuzzy regression method using fuzzy neural networks when a membership value is attached to each input-output pair. First, a method of linear fuzzy regression analysis is described by interpreting the reliability of each input-output pair as its membership values. Next, an architecture of fuzzy neural networks with fuzzy weights and fuzzy biases is shown. The fuzzy neural network maps a crisp input vector to a fuzzy output. A cost function is defined using the fuzzy output from the fuzzy neural network and the corresponding target output with a membership value. A learning algorithm is derived from the cost function. The derived learning algorithm trains the fuzzy neural network so that the level set of the fuzzy output includes the target output. Last, the proposed method is illustrated by computer simulations on numerical examples.

• 수산해양기술연구
• /
• 제58권3호
• /
• pp.272-280
• /
• 2022

The first step is to determine the principal dimensions of the design ship, such as length between perpendiculars, beam, draft and depth when accomplishing the design of a new vessel. To make this process easier, a database with a large amount of existing ship data and a regression analysis technique are needed. Recently, deep learning, a branch of artificial intelligence (AI) has been used in regression analysis. In this paper, deep learning neural networks are used for regression analysis to find the regression function between the input and output data. To find the neural network structure with the highest accuracy, the errors of neural network structures with varying the number of the layers and the nodes are compared. In this paper, Python TensorFlow Keras API and MATLAB Deep Learning Toolbox are used to build deep learning neural networks. Constructed DNN (deep neural networks) makes helpful in determining the principal dimension of the ship and saves much time in the ship design process.

• 한국도로학회논문집
• /
• 제10권3호
• /
• pp.129-138
• /
• 2008

기존 콘크리트 포장의 단면 설계 시 발생하는 문제점을 해결하기 위해 유한 요소법(FEM)을 이용하여 것이 하나의 방법론으로 부각되었으며 현재 한국형 포장 설계법 개발 연구에서도 적용 중에 있다. 본 연구에서는 ABAQUS와 포트란 해석 프로그램을 이용하여 콘크리트 포장의 한계 응력을 계산하였고, 그 결과를 뉴럴 네트워크와 선형 회귀식을 이용하여 비교 분석하였다. 입력 변수가 많지만 다양한 해석을 하지 못하는 경우(입력변수 6개에 대해 81 경우 수 해석)에 대해 구조해석 결과를 뉴럴 네트워크(이하 NN: Neural Networks)와 선형 회귀식으로 비교한 결과, 구조해석 결과와 다소 차이가 있음을 확인하였다. 반면 입력 변수를 줄이되 다양한 경우에 해석한 경우(입력 변수 3개에 대해 343 경우의 수)의 분석 결과, NN과 선형 회귀식이 구조해석 결과와 매우 유사한 결과가 나타나는 것을 알 수 있었다. 하지만 그래프의 (0,0), (1,1) 부분에서 NN이 선형 회귀식에 비해 더 정확한 것을 확인하였다. 이와 같은 연구 결과를 통해서 한국형 포장 설계법의 핵심인 응력 계산 모듈을 선형 회귀식보다 좀 더 정확한 NN으로 해석하는 것을 제안하였다.

• 전산구조공학
• /
• 제10권2호
• /
• pp.265-272
• /
• 1997

본 논문은 신경망 근사 해석 모델 개발을 궁극적인 목적으로 하는 기초적 연구로서, 기존의 수치해석 알고리즘과의 성능 비교를 통하여 신경망 알고리즘의 특성과 역할을 수치해석의 관점에서 정확히 판단하는데 목적이 있다. 신경망 알고리즘을 변형하여 선형 연립 방정식의 해를 구하는 두가지 방법을 제안하였고, 회귀분석, 보간법과의 비교를 통하여 광범위한 근사자(universal approximator)로서의 역할을 보였다.

• 조명전기설비학회논문지
• /
• 제16권2호
• /
• pp.98-103
• /
• 2002

전력수요를 예측할 경우 가장 중요한 문제 중의 하나가 특수일 부하의 처리문제이다. 따라서 본 연구에서 길고(구정, 추석) 짧은(식목일, 현충일 등) 특수일 피크 부하를 신경회로망과 회귀모형을 이용하여 예측하는 방법을 제시한다. 신경회로망 모형의 특수일 부하 처리는 패턴 변환비를 이용하며, 4차의 직교 다항 회귀모형은 과거의 10년 (1985∼1994)간의 특수일 피크부하 자료를 이용하여 길고 짧은 특수일 부하를 예측한다. 특수일 피크 부하를 예측한 결과, 신경회로망 모형의 주간 평균 예측 오차율과 직교 다항 회귀모형의 예측 오차율을 분석한 결과 1∼2[%]대로 두 모형 모두 양호한 결과를 얻었다. 또한 4차의 직교 다항 회귀 모형의 수정결정계수 및 F 검정을 분석한 결과 구성한 예측 모형의 타당성을 확인하였다. 두 모형의 특수일 부하를 예측한 결과를 비교해 보면 긴 특수일 부하를 예측할 때는 패턴 변환비를 이용한 신경회로망 모형이 보다 더 효과적이었고, 짧은 특수일 부하를 예측할 경우에는 두 방법 모두 유효하였다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제18권3호
• /
• pp.375-399
• /
• 2009

In this study, we propose a integrated model of logistic regression, artificial neural networks, support vector machines(SVM), with case-based reasoning(CBR). To predict respondents in the direct marketing is the binary classification problem as like bankruptcy prediction, IDS, churn management and so on. To solve the binary problems, we employed logistic regression, artificial neural networks, SVM. and CBR. CBR is a problem-solving technique and shows significant promise for improving the effectiveness of complex and unstructured decision making, and we can obtain excellent results through CBR in this study. Experimental results show that the classification accuracy of integration model using CBR is superior to logistic regression, artificial neural networks and SVM. When we apply the customer response model to predict respondents in the direct marketing, we have to consider from the view point of profit/cost about the misclassification.

• Imaging Science in Dentistry
• /
• 제49권1호
• /
• pp.19-26
• /
• 2019

Purpose: It has been proposed that using new prediction methods, such as neural networks based on dental data, could improve age estimation. This study aimed to assess the possibility of exploiting neural networks for estimating age by means of the pulp-to-tooth ratio in canines as a non-destructive, non-expensive, and accurate method. In addition, the predictive performance of neural networks was compared with that of a linear regression model. Materials and Methods: Three hundred subjects whose age ranged from 14 to 60 years and were well distributed among various age groups were included in the study. Two statistical software programs, SPSS 21 (IBM Corp., Armonk, NY, USA) and R, were used for statistical analyses. Results: The results indicated that the neural network model generally performed better than the regression model for estimation of age with pulp-to-tooth ratio data. The prediction errors of the developed neural network model were acceptable, with a root mean square error (RMSE) of 4.40 years and a mean absolute error (MAE) of 4.12 years for the unseen dataset. The prediction errors of the regression model were higher than those of the neural network, with an RMSE of 10.26 years and a MAE of 8.17 years for the test dataset. Conclusion: The neural network method showed relatively acceptable performance, with an MAE of 4.12 years. The application of neural networks creates new opportunities to obtain more accurate estimations of age in forensic research.

• International Journal of Computer Science & Network Security
• /
• 제23권9호
• /
• pp.186-191
• /
• 2023

Neural Networks are widely used for huge variety of tasks solution. Machine Learning methods are used also for signal and time series analysis, including electrocardiograms. Contemporary wearable devices, both medical and non-medical type like smart watch, allow to gather the data in real time uninterruptedly. This allows us to transfer these data for analysis or make an analysis on the device, and thus provide preliminary diagnosis, or at least fix some serious deviations. Different methods are being used for this kind of analysis, ranging from medical-oriented using distinctive features of the signal to machine learning and deep learning approaches. Here we will demonstrate a neural network-based approach to this task by building an ensemble of 1D CNN classifiers and a final classifier of selection using logistic regression, random forest or support vector machine, and make the conclusions of the comparison with other approaches.