초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문은 인공신경망 모델의 최적 설계에 관련되어 있다. 인공신경망의 성능(학습효율)은 망의 구조 및 학습상수와 같은 요인들에 의해 크게 영향을 받는다. 대부분의 인공신경망 설계 기법들은 설계자의 경험에 의한 시행착오법에 기초하고 있다. 그러나 시행착오법에 의해 설계된 인공신경망은 주어진 조건 하에서 가장 좋은 설계라고 단정하기는 어려우며, 또한 학습 데이터를 제외한 모든 데이터에서 최적 설계되었다고 믿기는 어렵다. 따라서 본 논문에서는 인공신경망의 성능 향상을 위해 ...

본 논문은 인공신경망 모델의 최적 설계에 관련되어 있다. 인공신경망의 성능(학습효율)은 망의 구조 및 학습상수와 같은 요인들에 의해 크게 영향을 받는다. 대부분의 인공신경망 설계 기법들은 설계자의 경험에 의한 시행착오법에 기초하고 있다. 그러나 시행착오법에 의해 설계된 인공신경망은 주어진 조건 하에서 가장 좋은 설계라고 단정하기는 어려우며, 또한 학습 데이터를 제외한 모든 데이터에서 최적 설계되었다고 믿기는 어렵다. 따라서 본 논문에서는 인공신경망의 성능 향상을 위해 다구찌 방법을 사용하여 인공신경망 모델을 최적 설계한다. 이때 사용된 인공신경망은 일반화된 델타규칙이라고 불리우는 역전파 학습 알고리즘을 사용한 다층 전방향 신경망이며, 인공신경망 모델의 최적 설계에는 인공신경망 모델의 구조와 학습상수를 결정하는 것을 포함한다. 결정된 인공신경망 모델의 학습 및 추론상태를 확인하기 위하여 시계열 분석 기법과 최적 인공신경망 모델과 비교, 분석한 결과 최적화된 인공신경망 모델의 학습과 추론결과가 매우 양호한 것으로 나타나 다구찌 방법을 이용하여 결정된 최적 인공신경망 모델의 적용성을 확인할 수 있다.

Abstract ▼ AI-Helper

This thesis is concerned with optimum design of artificial neural network model. Since the performance of a artificial neural network generally depends on network structure and learning parameters, it is important to select the most appropriate network structure and learning parameter values. Most d...

This thesis is concerned with optimum design of artificial neural network model. Since the performance of a artificial neural network generally depends on network structure and learning parameters, it is important to select the most appropriate network structure and learning parameter values. Most design method of artificial neural networks is trial and error method depended on the designer's experience. But this method is difficult to decide that determined structure is best in a given condition, and it cannot be believed that this design is the best design in all data except learning data. Therefore, in this thesis the neural network optimally designed by using the Taguchi robust design method for performance promotion. The used neural network is the multi-layer feedforward neural network model, which was adopted back-propagation learning algorithm called generalized delta rule. The optimum design of neural network model included determination of neural network structure and learning parameters. In order to confirm determined learning and forecasting results, several test problems are forecasted via the optimally designed neural network, and the obtained forecasting results are compared to results obtained via time-series forecasting method. Experimental results show that the optimally designed neural network using Taguchi method is effective in forecasting.