최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기전기전자학회논문지 = Journal of IKEEE, v.23 no.1, 2019년, pp.134 - 142
정호철 (Dept. of Electronic Convergence Engineering, Kwangwoon University) , 선영규 (Dept. of Electronic Convergence Engineering, Kwangwoon University) , 이동구 (Dept. of Electronic Convergence Engineering, Kwangwoon University) , 김수현 (Dept. of Electronic Convergence Engineering, Kwangwoon University) , 황유민 (Dept. of Electronic Convergence Engineering, Kwangwoon University) , 심이삭 (Dept. of Electronic Convergence Engineering, Kwangwoon University) , 오상근 (Dept. of Power Electronics, PLASPO Co., Ltd.) , 송승호 (Dept. of Electric Engineering, Kwangwoon University) , 김진영 (Dept. of Electronic Convergence Engineering, Kwangwoon University)
As the development of internet of energy (IoE) technologies and spread of various electronic devices have diversified patterns of energy consumption, the reliability of demand prediction has decreased, causing problems in optimization of power generation and stabilization of power supply. In this st...
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
RNN이란 무엇인가? | 딥러닝 알고리즘에는 Deep Neural Network(DNN), Recurrent Neural Network(RNN), Long Short-Term Memory(LSTM) 등 다양한 종류의 알고리즘이 개발되었으며 본 논문에서는 CNN과 LSTM 알고리즘을 이용한다. RNN은 시계열 데이터를 반복적으로 학습시키는 딥러닝 알고리즘의 한 종류이다. RNN은 데이터 학습과정에서 이전 RNN의 출력데이터가 현재RNN의 출력 데이터에 영향을 주는 구조이다. | |
에너지 발전량 최적화 및 전력공급 안정화의 문제가 생기는 까닭은? | 에너지인터넷 기술의 발전과 다양한 전자기기의 보급으로 에너지소비량이 패턴이 다양해짐에 따라 수요예측에 대한 신뢰도가 감소하고 있어 발전량 최적화 및 전력공급 안정화에 문제를 야기하고 있다. 본 연구에서는 고신뢰성을 갖는 수요예측을 위해 딥러닝 기법인 Convolution neural network(CNN)과 Bidirectional Long Short-Term Memory(BLSTM)을 융합한 1Dimention-Convolution and Bidirectional LSTM(1D-ConvBLSTM)을 제안하고, 제안한 기법을 활용하여 시계열 에너지소비량대한 소비패턴을 효과적으로 추출한다. | |
RNN의 단점에는 무엇이 있는가? | RNN은 데이터 학습과정에서 이전 RNN의 출력데이터가 현재RNN의 출력 데이터에 영향을 주는 구조이다. 그래서 현재의 학습과 과거의 학습의 연결이 가능해지며 연속적이고 반복적인 학습에 유용하지만 너무 먼 과거의 데이터를 사용할 경우 예측 성능이 저하되는 특징을 가지고 있다. LSTM은 RNN기반 딥러닝 알고리즘의 한 종류로 순서 또는 시간의 측면을 고려하여 반복적인 학습을 한다. |
※ AI-Helper는 부적절한 답변을 할 수 있습니다.