• 지능정보연구
• /
• 제9권1호
• /
• pp.227-249
• /
• 2003

부도예측모형의 구축은 은행 등 금융기관이 신용평가시스템 혹은 심사역 의사결정지원시스템을 구축하는데 중요한 기반이 된다. 많은 선행연구들에서는 기업의 부도예측을 위하여 전통적으로 다변량 판별분석이나 로짓분석과 같은 통계기법이 많이 사용되었으나, 최근에는 많은 연구들에 의해 그 우수성이 보고되고 있는 인공신경망, 귀납적 학습방법 등 인공지능 기법이 부도예측분야에 많이 응용되고 있다. 일반적으로 인공신경망 기법을 응용한 부도예측모형에서는 기업의 재무정보 및 비재무 정보를 입력변수로 주고 기업의 부도여부를 출력변수로 설정하여 학습을 통해 이들의 관계를 추출하고 있다. 그러므로 입력변수의 선정은 모형의 정확도에 커다란 영향을 미치며, 입력변수가 잘못 선정된 경우 예측 정확도는 현저히 낮아진다. 그러나 최적의 입력변수군을 선정하는 문제는 매우 어려운 과제 중 하나로, 선행 연구들에서는 주로 전문가의 의견을 반영하거나, 문헌을 통해 도출, 혹은 통계적 기법을 활용하여 입력변수를 선정하는 것이 일반적이었다. 본 연구에서는 많은 선행 연구에서 모형구축에의 한계점으로 명시하고 있는 입력변수 선정의 문제에 대해 유전자 알고리즘을 이용한 최적화를 통하여 입력 변수군을 도출하는 방법론을 제시하였고, 이 방법론이 다른 통계기법이나 전문가에 의한 변수 선택 방법론에 비해 우수함을 인공신경망 모형에 적용한 결과를 비교함으로 보여 주었으며, 이들간의 예측력의 차이가 유의함을 통계적 검증하였다. 모형의 실험을 위하여 총 528개사의 재무정보를 활용하였는데, 이는 1995년부터 1997년까지 3년간 부도가 발생한 일반법인 제조업체 중 외감법인 이상 264개사와 동수의 건전기업의 재무 데이터로 구성하였다. 기업이 도산에 이르기까지 많은 변인들이 다양하게 작용하게 된다. 그러나 이러한 변인들을 모두 모형에 적용하는 것은 비효율적이며, 인공신경망 모형에서 과다 입력변수를 사용하는 경우 수렴과 일반화 모두에 바람직하지 않은 결과가 나타난다. 따라서 적절한 입력변수군의 선택은 인공신경망 모형의 효율성과 성능을 향상시키게 되고, 이는 부도 예측율의 향상으로 이어질 수 있다. 이에 인공신경망 모형을 위한 최적의 입력변수군을 선정하고자 한 본 연구는 결국 기업의 부도 예측율을 높이기 위한 방법론을 제시했다는 점에 그 의의가 있다.

• 한국수자원학회논문집
• /
• 제32권1호
• /
• pp.15-29
• /
• 1999

본 연구에서는 공간적으로 분포되어 있는 연강우량 자료를 이용한 지역 기상학적인 가뭄을 정의하고 해석하는 모형을 제시하였다. 비선형. 비매개변수법에 기초한 공간 해석 신경망(Spatial Analysis Neural Network; SANN)모형을 이용하여, 각 년에 대하여 공간의 임의 점에서의 극심, 심 경심, 및 비 가뭄 확률을 전 대상 지역에 대하여 산출을 통하여 가뭄확률도를 작성하며, Bayesian 가뭄 심도 지수(BDSI)를 통하여 전 대상 지역을 가장 적적하게 극심, 심, 경심, 비 가뭄 지역으로 분류하는 방법을 제시하였다. 또한, 각 년의 대표적인 가뭄의 형태를 제시하여 줄 수 있는 지역 가뭄 확률과 지역 가뭄 확률 지수를 소개하였다. 이 모든 시공간적 가뭄 해석의 방법은 실제로 우리나라(남한) 전역에 대하여 실시하여, 과거 1967년부터 1996년 까지의 공간적이고 시간적인 가뭄의 발생 현황과 그 특징을 조사 하였다. 본 연구는 우리나라 장기 수자원 개발 및 유역 관리를 위한 공간적이고도 시간적인 가뭄 정보를 제공하였다는 데 그 의의가 있을 것이다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.175-186
• /
• 1999

Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support for multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To data, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 F
• /
• pp.2526-2528
• /
• 1999

Parameters of equivalent circuit of IPMSM are varied according to current magnitude and current phase angle. Especially, Parameter variation of IPMSM for an electric vehicle(EV) is critical. Because current magnitude is very large. and current phase angle range also is wide. So, variation characteristics of $L_d$ and $L_q$ of the IPMSM are analyzed and verified through experiments. And then new parameter estimator of $L_d$ and $L_q$ that is constructed by neural network technique is suggested Using numerical method, the advanced characteristics of current controller of vector control algorithm is verified.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.43.6-43
• /
• 2001

In this paper, we describe an actor-critic method as a kind of temporal difference (TD) algorithms. The value function is regarded as a current estimator, in which two value functions have different inputs: one is an actual experience; the other is a simulated experience obtained through a predictive model. Thus, the parameter´s updating for the actor and critic parts is based on actual and simulated experiences, where the critic is constructed by a radial-basis function neural network (RBFNN) and the actor is composed of a kinematic-based controller. As an example application of the present method, a tracking control problem for the position coordinates and azimuth of a nonholonomic mobile robot is considered. The effectiveness is illustrated by a simulation.

• 한국데이타베이스학회:학술대회논문집
• /
• 한국데이타베이스학회 1999년도 춘계공동학술대회: 지식경영과 지식공학
• /
• pp.175-186
• /
• 1999

Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support fer multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To date, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques' results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.

• 한국지능시스템학회논문지
• /
• 제20권5호
• /
• pp.710-715
• /
• 2010

최근 풍력발전 시스템은 가장 빨리 발전하고 있는 신재생 에너지원중 하나로 각광을 받고 있으며, 풍력발전 시스템의 주된 관심사는 어떻게 광범위한 풍속의 변화에서도 효율적으로 시스템을 동작시키는 가에 있다. 일반적으로 풍속은 풍력발전시스템의 동특성에 큰 영향을 미치는 요소이다. 따라서 많은 풍력발전 제어 알고리듬은 성능향상을 위해 풍속의 측정을 요구하게 된다. 그러나 불행히도 풍속계와 같은 센서에 의한 실효 풍속의 정확한 측정은 어려운 실정이며 따라서 제어 시스템의 동작을 위해 풍속은 여러 가지 기법을 통해 추정되고 있는 실정이다. 이에 본 연구에서는 칼만 필터 및 신경망에 기반한 새로운 형태의 풍속 추정 기법을 제안하고 제안된 기법의 유용성 확인을 위해 다양한 형태의 시뮬레이션을 수행하고자 한다.

• 비파괴검사학회지
• /
• 제30권1호
• /
• pp.13-19
• /
• 2010

본 논문에서는 원전SG세관 결함 크기 추정을 위한 새로운 구조의 추정시스템에 대한 연구를 수행한다. 기존의 연구에서는 결함 크기를 추정하기 위하여 각각의 결함 형태별로 결함크기추정시스템을 설계하였다. 이와 같은 경우, 추정시스템의 구조가 복잡해지고 결함 크기 추정 이전에 수행하는 결함형태분류기의 정확성이 떨어질 경우 결함 크기 추정 성능도 결과적으로 악화될 수밖에 없다. 이에 본 논문에서는 결함 형태 분류 과정을 필요로 하지 않는 결함크기추정시스템의 성능을 분석하고 이를 향상시키기 위한 방안을 연구하였다. 기존의 추정시스템은 각각의 결함 형태별로 특화된 추정기를 사용하기 때문에 추정 성능이 훨씬 뛰어날 것으로 예상되었지만, 실험 결과 두 추정시스템의 성능 차이는 그리 크지 않다는 것을 알 수 있었다. 따라서 결함형태분류기의 정확성이 완벽하지 않을 경우, 본 논문에서 제안한 구조의 추정기가 효과적으로 사용될 수 있을 것으로 기대된다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 추계학술대회 논문집 학회본부
• /
• pp.175-177
• /
• 1995

The sensor signal validation and failure detection system must be able to detect, isolate, and identify sensor degradation as well as provide a reconstruction of the measurements. In this study, this is accomplished by combining the neural network, the Generalized Consistency Checking(GCC), and the Sequential Probability Ratio Test(SPRT) method in a decision estimator module. The GCC method is a computationally efficient system for redundant sensors, while the SPRT provides the ability to make decisions based on the degradation history of a sensor. The methodology is also extended to the detection of noise degradation. The acceptability of the proposed method is demonstration by using the simulation data in safety injection accident of nuclear power plants. The results show that the signal validation and sensor failure detection system is able to detect and isolate a bias failure and noise type failures under transient conditions. And also, the system is able to provide the validated signal by reconstructing the measurement signals in the failure conditions considered.

• 조명전기설비학회논문지
• /
• 제25권4호
• /
• pp.45-56
• /
• 2011

This paper is proposed artificial neural network(ANN) rotor resistance estimation of induction motor drive controlled by multi-adaptive fuzzy learning controller(AFLC). A simple double layer feedforward ANN trained by the back-propagation technique is employed in the rotor resistance identification. In this estimator, double models of the state variable estimations are used; one provides the actual induction motor output states and the other gives the ANN model output states. The total error between the desired and actual state variables is then back propagated to adjust the weights of the ANN model, so that the output of this model tracks the actual output. When the training is completed, the weights of the ANN correspond to the parameters in the actual motor. The estimation and control performance of ANN and multi-AFLC is evaluated by analysis for various operating conditions. Also, this paper is proposed the analysis results to verify the effectiveness of this controller.