$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] First Principle을 결합한 최소제곱 Support Vector Machine의 예측 능력
Prediction Performance of Hybrid Least Square Support Vector Machine with First Principle Knowledge 원문보기

정보과학회논문지. Journal of KIISE. 소프트웨어 및 응용, v.30 no.7/8, 2003년, pp.744 - 751  

김병주 (영산대학교 컴퓨터 정보공학부) ,  심주용 (대구가톨릭대학교 정보통계학과) ,  황창하 (대구가톨릭대학교 정보통계학과) ,  김일곤 (경북대학교 컴퓨터과학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 최근 뛰어난 예측력으로 각광받는 최소제곱 Support Vector Machine(Least Square Support Vector Machine: LS-SVM)과 First Principle(FP)을 결합한 하이브리드 최소제곱ㆍSupport Vector Machine 모델, HLS-SVM(Hybrid Least Square-Super Vector Machine)을 제안한다. 제안한 모델인 하이브리드 최소제곱 Support Vector Machine을 기존의 방법인 하이브리드 신경망(Hybrid Neural Network:HNN), 비선형 칼만필터와 하이브리드 신경망을 결합한 HNN-EKF (Hybrid Neural Network with Extended Kalman Filter) 모델과 비교해 보았다. HLS-SVM 모델은 학습 및 validation 과정에서는 HNN-EKF와 근사한 성능을 보였고, HNN 보다는 우수한 결과를 보였고, 일반화 성능에서는 HNN-EKF에 비해 3배, HNN보다 100배정도 우수한 결과를 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

A hybrid least square Support Vector Machine combined with First Principle(FP) knowledge is proposed. We compare hybrid least square Support Vector Machine(HLS-SVM) with early proposed models such as Hybrid Neural Network(HNN) and HNN with Extended Kalman Filter(HNN-EKF). In the training and validat...

주제어

#하이브리드 최소제곱 Support Vector Machine   #신경망   #비선형 칼만필터  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 적용 할 수 있다. 본 논문에서는 예측 능력이 우수한 LS-SVM과 FP를 결합한 하이브리드 모델, 하이브리드 최소제곱 Support Vector Machine# 제시한 모델의 성능을 평가하기 위해 기존의 논문⑻에서 실험한 자료인 생물학적 폐수 처리 과정에 적용시키고, 기존의 하이브리드 모델과의 성능 비교를 통해 제안된 시스템의 우수성을 나타내고자 한다.
  • 본 논문에서 적용하고자 하는 문제는 함수 추정에 관한 것이므로 비선형 함수 추정을 위한 LS-SVM 모델의 추정 함수식에 대해서 기술한다. LS-SVM모델은 특징 공간(feature space)상에서 식 (11)과 같이 표현한다.
  • 그리고 테스트 데이타의 Bq , 我를 각각 0.001 과 L5로 한 이유는 각각의 하이브리드 모델이 학습 및 validation에 사용하지 않은 데이타 범위에서 얼마만큼 일반화 성능이 우수한가를 보기 위해 설정하였다. 용기의 볼륨 V의 값은 단위 시간당 0.
  • 본 논문에서는 우수한 예측력으로 최근에 각광을 받고 있는 LS-SVM과 FP를 결합한 하이브리드 최소제곱 Support Vector Machine (HLS-SVM)을 제안하고 이를 참고문헌 [8]에서 실험한 자료인 생물학적 폐수 처리시스템에 적용 시켜 보았다 논문에서 제안한 HLS-SVM 과 Ungai.⑻가 제안한 HNN, HNN-EKF를 비교해 본 결과 HLS-SVme 학습 및 validation 과정에서 HNN-EK①와 근사한 성능을 보이며, HNN보다는 과적합이 발생하지 않으면서 학습이 안정적으로 이루어졌다.
본문요약 정보가 도움이 되었나요?

참고문헌 (16)

  1. S. Gunn, 'Support Vector Machines for Classification and Regression,' ISIS Technical Report, U. of Southampton, 1998 

  2. E. Osuna, R. Freund, and F. Girosi, 'Support Vector Machines: Training and Applications,' Technical Report, MIT AI Laboratory, 1997 

  3. http://www.support-vector.ws/html/downloads.html 

  4. C. Brosilow, and M. Tong, 'Inference Control of Processes, Part II The Structure and Dynamics of Inferential Control Systems,' AIChE J.,Vol. 24, No. 3, 1978 

  5. M. HADJISKI, Control of Indirect Measurable and Time-Varying Technological Plants, Ph. D. Thesis, HIChT, Sofia, Bulgaria, 1979 

  6. B. JOSEPH, and C. BROSILOU, 'Inferential Control of Processes, Part I Steady State Analysis and Design,' AIChE J., Vol. 24, No. 3, 1978 

    상세보기 crossref

  7. http://www.ici.ro/ici/revista/sic99_1/art04.html 

  8. De Veaux, R. Bain and L.H. Ungar, 'Hybrid Neural Network models for environmential process control,' Journal of ENVIRONMETRICS10, 225-236, 1999 

  9. P. LINDSKOG, and L. LJUNG, 'Ensuring Certain Physical Properties in Black Box Model by Applying Fuzzy Techniques,' Technical Report, 1996 

  10. R. Caruana, S. Lawrence and L. Giles, 'Overfitting in Neural Nets: Backpropagaton, Conjugate Gradient, and Early Stopping,' Neural Information Processing Systems, Denver, Colorado, November 28-30, 2000 

  11. J.A.K. Suykens, 'Nonlinear Modeling and Support Vector Machines,' Accessible at http://www.kdiss.or.kr/kdiss/ 

  12. G. Weich, and G. Bishop, 'An Introduction to the Kalman Filter,' Siggraph Course8, 2001 

  13. X. Shao, Model Selection Using Statistical Learning Theory, Ph. D. Thesis, U. of Minnesota, 1999 

  14. V. Vapnik, The Nature of Statistical Learning Theory, Springer, 1995 

  15. V. Vapnik, Statistical Learning Theory, Springer, 1998 

  16. S. Gavin, C, Cawley and L.C. Talbot, 'Fast Exact Leave One Out Cross Validation of Least Squares Support Vector Machines,' European Symposium on Artificial Neural Networks, Bruges, Belgium, April 24-26, 2002 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로