최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.21 no.10, 2020년, pp.8 - 15
김예인 (한동대학교 기계제어공학부) , 이세은 (한동대학교 기계제어공학부) , 권용성 (한동대학교 기계제어공학부)
A forecasting method using deep learning does not have consistent results due to the differences in the characteristics of the dataset, even though they have the same forecasting models and parameters. For example, the forecasting model X optimized with dataset A would not produce the optimized resu...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
하이퍼파라미터 튜닝이란 무엇인가? | 하이퍼파라미터 튜닝은 검증셋에서 모델의 성능을 평가하여 최적의 학습 방법을 찾기 위해 하이퍼파라미터를 조정하는 것을 말한다. Table 3에서 예측 정확도가 가장 높은 데이터셋은 이상치를 모두 제거한 1년 주중 데이터셋이다. | |
이상치란 무엇인가? | 이상치(outlier)는 특정 범위 내에서 많이 벗어난 아주 큰 값 또는 작은 값을 말한다. 본 논문에서는 제안한 예측 모델의 예측 정확도를 높이기 위해 다음의 두 가지 기준으로 이상치를 고려했다. | |
딥러닝을 사용한 예측 방법은 동일한 예측 모델과 파라미터를 사용한다 하더라도 데이터셋의 특성에 따라 결과가 일정하지 않는데, 그 예시는 무엇인가? | 딥러닝을 사용한 예측 방법은 동일한 예측 모델과 파라미터를 사용한다 하더라도 데이터셋의 특성에 따라 결과가 일정하지 않다. 예를 들면, 데이터셋 A에 최적화된 예측 모델 X를 다른 특성을 가진 데이터셋 B에 적용하면 데이터셋 A와 같이 좋은 예측 결과를 기대하기 어렵다. 따라서 높은 정확도를 갖는 예측 모델을 구현하기 위해서는 데이터셋의 성격을 고려하여 예측 모델을 최적화하는 것이 필요하다. |
IEA. Global Energy and CO2 Status Report [Internet]. IEA, c2019 [cited 2019 March 26], Available From: https://www.iea.org/reports/global-energy-co2-status-report-2019 (accessed May. 25, 2020)
IEA. Energy and Efficiency [Internet]. IEA, c2019 [cited 2019 Nov. 26], Available From: https://www.iea.org/reports/energy-efficiency-2019 (accessed May. 25, 2020)
C. S. Kim, New & Renewable Energy Supply Statistics, Technical Report, Korea Energy Agency, Korea, pp.15-18.
Y. S. Moon, Monthly Energy Statistics, Technical Report, Korea Energy Economics Institute, Korea, pp.17-20.
G. H. Park, Research on Energy Efficiency Improvement Plan of University Campus Building, Korea Energy Economics Institute, Korea, pp.7-10.
A. Geron, Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow, p.952, Hanbit Publishing Network, 2020, pp.62-63.
T. Y. Kim, Python Deep Learning Keras with Blocks, p.304, DIGITAL BOOKS, 2017, pp.41.
T. Y. Kim, "Predicting residential energy consumption using CNN-LSTM neural networks", Energy, ELSEVIER, South Korea, Volume 182, pp.72-81, September 2019. DOI: https://doi.org/10.1016/j.energy.2019.05.230
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.