• ETRI Journal
• /
• 제43권6호
• /
• pp.966-977
• /
• 2021

Filterbank multicarrier with offset quadrature amplitude modulation (FBMC-OQAM) is an attractive alternative to the orthogonal frequency division multiplexing (OFDM) modulation technique. In comparison with OFDM, the FBMC-OQAM signal has better spectral confinement and higher spectral efficiency and tolerance to synchronization errors, primarily due to per-subcarrier filtering using a frequency-time localized prototype filter. However, the filtering process introduces intrinsic interference among the symbols and complicates channel estimation (CE). An efficient way to improve the CE in FBMC-OQAM is using a technique known as windowed frequency domain averaging (FDA); however, it requires a priori knowledge of the window length parameter which is set based on the channel's frequency selectivity (FS). As the channel's FS is not fixed and not a priori known, we propose a k-nearest neighbor-based machine learning algorithm to classify the FS and decide on the FDA's window length. A comparative theoretical analysis of the mean-squared error (MSE) is performed to prove the proposed CE scheme's effectiveness, validated through extensive simulations. The adaptive CE scheme is shown to yield a reduction in CE-MSE and improved bit error rates compared with the popular preamble-based CE schemes for FBMC-OQAM, without a priori knowledge of channel's frequency selectivity.

• 한국국방경영분석학회지
• /
• 제33권2호
• /
• pp.61-73
• /
• 2007

본 연구의 목적은 미래 기술예측에 사용되는 TFDEA(Technological Forecasting with Data Envelopment Analysis)의 문제점을 살펴보고 이의 개선방향을 찾아 주력전차의 기술예측 문제에 적용해 보는 것이다. 기존의 TFDEA는 복수의 DMU(Decison Making Unit)를 효율적 DMU로 판정하는 DEA(Data Envelopment Analysis)의 특성상 실제로는 그다지 효율적이지 않은 DMU까지 포함해서 기슬예측을 수행함으로써 예측 결과의 정확도가 저하될 수 있다. 본 연구에서는 DEA의 확장된 개념을 적용하여 평가 대상 DMU에 대한 순위를 산정한 후 이를 토대로 기술 예측을 시행하는 방법을 검토해 보았다. 이를 위해 일반적인 DEA기반의 순위선정 방법 중 대표적인 Super-efficiency, Cross-efficiency, CCCA(Constrained Canonical Correlation Analysis)을 TFDEA에 결합 적용하고 이들을 비교해 보았다. 제시된 방법을 주력 전차의 미래 기술 예측 문제에 적용한 결과 CCCA를 이용한 순위선정방법이 실제 실현된 기술 수준과 비교했을 때 통계적으로 가장 작은 오차율을 보였다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권6호
• /
• pp.1573-1582
• /
• 2015

In lifetime data analysis, it is generally known that the lifetimes of test items may not be recorded exactly. There are also situations wherein the withdrawal of items prior to failure is prearranged in order to decrease the time or cost associated with experience. Moreover, it is generally known that more than one cause or risk factor may be present at the same time. Therefore, analysis of censored competing risks data are needed. In this article, we derive the Bayes estimators for the entropy function under the exponential distribution with an unknown scale parameter based on multiply Type II censored competing risks data. The Bayes estimators of entropy function for the exponential distribution with multiply Type II censored competing risks data under the squared error loss function (SELF), precautionary loss function (PLF) and DeGroot loss function (DLF) are provided. Lindley's approximate method is used to compute these estimators.We compare the proposed Bayes estimators in the sense of the mean squared error (MSE) for various multiply Type II censored competing risks data. Finally, a real data set has been analyzed for illustrative purposes.

• 응용통계연구
• /
• 제15권2호
• /
• pp.395-403
• /
• 2002

반응표면방법론에서의 세번째 단계에서는 일차모형이 가정되고, 반응표면의 곡선효과는 중앙점과 2수준 부분실시법에서의 실험을 통해서 검토된다. 참모형이 2차 모형인 경우를 가정하자. 최적실험계획을 선택하기 위해서 Box와 Draper(1959)는 관심영역에서 예측치 y(x)의 평균제곱오차를 적분한 값인 가중평균제곱오차(AMSE)를 최소화 시키는 최적실험계획 기준을 제안하였다. AMSE는 예측치의 가중분산과 가중제곱편의 량의 합으로 분할될 수 있다. AMSE는 실험계획 적률과 참모형의 회귀계수들의 값에 종속되어서 가중평균제곱오차를 최 소화하는 실험 계획을 찾기는 불가능하다. 실용적인 대안으로 Box와 Draper(1959)는 가중제곱편의 량을 최소화하는 실험계획을 제안했고, 이 실험계획의 상자점들이 중앙점을 향해서 축소됨을 보였다. 이 논문에서는 표준화된 회귀계수들의 값에 대해서 실험계획의 최소효율을 최대화하는 강건한 실험계획을 제안한다.

• 대한전자공학회논문지TC
• /
• 제41권6호
• /
• pp.9-15
• /
• 2004

MIMO OFDM 시스템에서 comb형태의 훈련심볼을 사용하는 기존의 채널 추정방식은 가장자리 반송파 영역에서 채널 추정의 MSE(Mean Squared Error)가 큰 단점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위해 순환구조를 갖는 comb형태 훈련심볼을 제안한다. 제안된 순환구조에서는 모든 종류의 comb 훈련심볼이 각 안테나로부터 순환 전송되며 수신 단에서는 각 comb 형태의 훈련심볼들을 이용해 채널을 추정한 후, MSE로부터 구해진 최적의 가중치를 곱함으로써 채널 주파수 응답을 추정한다 모의실험을 통해 제안된 방식이 기존의 comb 형태의 훈련심볼에 비해 높은 성능을 나타냄을 확인하였다.

• 경영과학
• /
• 제11권2호
• /
• pp.133-146
• /
• 1994

This study compares the performance of neural networks and ordinary least squares regression with quality-control processes. We examine the applicability of neural networks because they do not require any assumptions regarding either the functional from of the underlying process or the distribution of errors. The coefficient of determination($R^2$), mean absolute deviation(MAD), and the mean squared error(MSE) metrics indicate that neural networks are a viable and can be a superior technique. We also demonstrate that an assessment of the magnitude of the neural notwork input layer cumulative weights can be used to determine the relative importance of predictor variables.

• 인터넷정보학회논문지
• /
• 제11권5호
• /
• pp.1-8
• /
• 2010

이 논문은 충격성 잡음 환경에 대해 상수 모듈러스 오차(CME)와 가우시안 커널에 근거한 블라인드 등화 알고리듬의 성능 분석을 보이고 있다. CME와 평균 자승 오차(MSE)에 근거한 상수 모듈러스 알고리듬(CMA)는 충격성 잡음 환경에서 수렴에 실패한다. 이런 충격성 잡음에 대한 내항성을 위해 최근에 소개된 코렌트로피 블라인드 등화 알고리듬도 PAM 변조 방식에서는 만족할 만한 결과를 보이지 못한다. 원래 가우시안 잡음 환경을 위해 제안되었던 최대 영-확률 블라인드 알고리듬(MZEP-CME)이 충격성 잡음 환경에서도 탁월한 성능을 보인다는 것이 이 논문의 이론적, 그리고 시뮬레이션을 통한 분석에 의해 입증된다. MZEP-CME 알고리듬의 가우시안 커널은 충격성 잡음에 의해 발생하는 출력 신호 전력과 CME 사이의 큰 차이에 민감하게 반응하지 못하게 하는 강한 영향력을 발휘한다.

• 산업경영시스템학회지
• /
• 제38권3호
• /
• pp.159-168
• /
• 2015

Aggregate Production Planning determines levels of production, human resources, inventory to maximize company's profits and fulfill customer's demands based on demand forecasts. Since performance of aggregate production planning heavily depends on accuracy of given forecasting demands, choosing an accurate forecasting method should be antecedent for achieving a good aggregate production planning. Generally, typical forecasting error metrics such as MSE (Mean Squared Error), MAD (Mean Absolute Deviation), MAPE (Mean Absolute Percentage Error), and CFE (Cumulated Forecast Error) are utilized to choose a proper forecasting method for an aggregate production planning. However, these metrics are designed only to measure a difference between real and forecast demands and they are not able to consider any results such as increasing cost or decreasing profit caused by forecasting error. Consequently, the traditional metrics fail to give enough explanation to select a good forecasting method in aggregate production planning. To overcome this limitation of typical metrics for forecasting method this study suggests a new metric, WACFE (Weighted Absolute and Cumulative Forecast Error), to evaluate forecasting methods. Basically, the WACFE is designed to consider not only forecasting errors but also costs which the errors might cause in for Aggregate Production Planning. The WACFE is a product sum of cumulative forecasting error and weight factors for backorder and inventory costs. We demonstrate the effectiveness of the proposed metric by conducting intensive experiments with demand data sets from M3-competition. Finally, we showed that the WACFE provides a higher correlation with the total cost than other metrics and, consequently, is a better performance in selection of forecasting methods for aggregate production planning.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.209-223
• /
• 2024

4차 산업혁명 시대에 접어들어 데이터 기반의 의사결정이 보편화되고 있다. 하지만 데이터 품질이 확보되지 않은 채 수행되는 데이터 분석은 왜곡된 결과를 낳을 가능성이 존재한다. 수자원 관리의 기초가 되는 수위 데이터도 마찬가지로 결측, 스파이크, 잡음 등 다양한 품질 문제를 가진다. 본 연구에서는 잡음으로 인해 발생하는 데이터 품질 문제를 해결하고자 하였다. 잡음은 데이터의 트렌드 분석을 어렵게 하고 비정상적인 이상치를 생성할 가능성이 있다. 본 연구는 이러한 문제를 해결하기 위해 Wavelet Transform을 이용한 잡음 제거 접근 방안을 제안한다. Wavelet Transform은 신호처리에 주로 사용되는 방법으로 잡음 제거에 효과적인 것으로 알려져 있으며 수집된 데이터의 정답 데이터(True value) 수집을 요구하지 않으므로 시간과 비용을 줄일 수 있다는 점에서 적용이 용이한 편이다. 본 연구는 Wavelet Transform의 성능 평가를 위해 대표적인 머신러닝 기반 잡음 제거 방법인 Denoising Autoencoder와 성능 비교를 수행하였다. 그 결과 Wavelet Transform 중 Coiflets 함수는, Denoising Autoencoder에 비해 Mean Absolute Error, Mean Absolute Percentage Error, Mean Squared Error 등 모든 측면에서 우수한 성능을 보이는 것으로 나타났다. 이러한 결과는 환경에 맞는 적절한 웨이블릿 함수의 선택을 통한 잡음 문제를 효과적으로 해결할 수 있음을 시사한다. 본 연구는 수위 데이터의 품질을 향상시켜 수자원 관리 결정의 신뢰성에 기여하는 강력한 도구로서 Wavelet Transform의 잠재력을 확인한 의의가 있다.

• Journal of Electrical Engineering and Technology
• /
• 제9권6호
• /
• pp.2107-2113
• /
• 2014

Particle filtering (PF) has shown its outperforming results compared to that of classical Kalman filtering (KF), particularly for highly nonlinear problems. However, PF may not be universally superior to the extended KF (EKF) although the case (i.e. an example that the EKF outperforms PF) is seldom reported in the literature. Particularly, PF approaches show degraded performance for problems where the state noise is very small or zero. This is because particles become identical within a few iterations, which is so called particle impoverishment (PI) phenomenon; consequently, no matter how many particles are employed, we do not have particle diversity regardless of if the impoverished particle is close to the true state value or not. In this paper, we investigate this PI phenomenon, and show an example problem where a classical KF approach outperforms PF approaches in terms of mean squared error (MSE) criterion. Furthermore, we compare the processing speed of the EKF and PF approaches, and show the better speed performance of classical EKF approaches. Therefore, PF approaches may not be always better option than the classical EKF for nonlinear problems. Specifically, we show the outperforming result of unscented Kalman filter compared to that of PF approaches (which are shown in Fig. 7(c) for processing speed performance, and Fig. 6 for MSE performance in the paper).