$\require{mediawiki-texvc}$

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.

Abstract AI-Helper 아이콘AI-Helper

The objective of this study was to analyze the impact of activation functions on flood forecasting model based on Artificial neural networks (ANNs). The traditional activation functions, the sigmoid and tanh functions, were compared with the functions which have been recently recommended for deep ne...

Keyword

표/그림 (13)

참고문헌 (28)

  1. Adamowski, J., and S. O. Prasher, 2012. Comparison of machine learning methods for runoff forecasting in mountainous watersheds with limited data. Journal of Water and Land Development 17(1): 89-97. doi:10.2478/v10025-012-0038-4. 

  2. Aggarwal, C. C., 2018. Neural networks and deep learning: Springer. 

  3. Chollet, F., 2015. Keras. https://keras.io. Accessed 20Jul. 2020. 

  4. Chollet, F., 2017. Deep Learning with Python: Manning. 

  5. Clevert, D. A., T. Unterthiner, and S. Hochreiter, 2016. Fast and accurate deep network learning by exponential linear units (ELUs). arXiv preprint. arXiv:1511.07289. 

  6. Dawson, C. W., and R. Wilby, 1998. An artificial neural network approach to rainfall-runoff modeling. Hydrological Sciences 43(1): 47-66. doi:10.1080/02626669809492102. 

  7. Donate, J. P., C. Paulo, G. S. German, and S. M. Araceli, 2013. Time series forecasting using a weighted crossvalidation evolutionary artificial neural network ensemble. Neurocompution 109: 27-32. doi:10.1016/j.neucom.2012.02.053. 

  8. Glorot, X., and Y. Bengio, 2010. Understanding the difficulty of training deep feedforward neural networks. In Proc. Thirteenth International Conference on Artificial Intelligence and Statistics: 249-256. 

  9. Goodfellow, I., Y. Bengio, and A. Courville, 2016. Deep Learning: MIT press. 

  10. Hsu, K. N., H. V. Gupta, and S. sorooshian, 1995. Artificial neural network modeling of the rainfall-runoff process. Water Resources Research 31(10): 2517-2530. doi:10.1029/95WR01955. 

  11. Hu, C., Q. Wu, H. Li, S. Jian, N. Li, and Z. Lou, 2018. Deep learning with a long short-term memory networks approach for rainfall-runoff simulation. Water 10(11): 1543. doi:10.3390/w10111543. 

  12. Jeung, M., S. Baek, J. Beom, K. H. Cho, Y. Her, and K. Yoon, 2019. Evaluation of random forest and regression tree methods for estimation of mass first flush ratio in urban catchments. Journal of Hydrology 575: 1099-1110. doi:10.1016/j.jhydrol.2019.05.079. 

  13. Kang, M. S., and S. W. Park, 2003, Short-term flood forecasting using artificial neural networks. Journal of The Korean Society of Agricultural Engineers 45(2): 45-57 (in Korean). 

  14. Kang, M. S., M. G. Kang, S. W. Park, J. J. Lee, and R. H. Yoo, 2006. Application of grey model and artificial neural networks to flood forecasting. Journal of the American Water Resources Association 42(2): 473-486. 

  15. Kim, J. H., 1993. A study on hydrologic forecasting of stream flows based on artificial neural network. Ph.D. diss., Incheon, Republic of Korea: Inha University (in Korean). 

  16. Kingma, D. P., and J. Ba, 2014. Adam: A method for stochastic optimization. arXiv preprint. arXiv:1412.6980. 

  17. Krizhevsky, A., I. Sutskever, and G. E. Hinton, 2017. Imagenet classification with deep convolutional neural networks. Communications of the ACM 60(6): 84-90. doi:10.1145/3065386. 

  18. Lau, M. M., and K. H. Lim, 2017. Investigation of activation functions in deep belief network. 2017 2nd International Conference on Control and Robotics Engineering (ICCRE): 201-206. doi:10.1109/ICCRE.2017.7935070. 

  19. Lee, G. S., S. C. Park, H. M. Lee, and Y. H. Jin, 2000. The prediction of runoff using artificial neural network in the Young-san River. Journal of Korea Water Resources Association 33(1): 251-256 (in Korean). 

  20. Marina, C., P. Andreussi, and A. Soldati, 1999. River flood forecasting with a neural network model. Water Resources Research 35(4): 1191-1197. doi:10.1029/1998WR900086. 

  21. Ministry of the Interior and Safety, 2018. Statistical yearbook of natural disaster (in Korean). 

  22. Moriasi, D. N., M. W. Gitau, N. Pai, and P. Daggupati, 2015. Hydrologic and water quality models: performance measures and evaluation criteria. Transactions of the ASABE 58(6): 1763-1785. doi:10.13031/trans.58.10715. 

  23. Sarkar, A., and R. Kumar, 2012. Artificial neural networks for event based rainfall-runoff modeling. Journal of Water Resource and Protection 4(10): 891. doi:10.4236/jwarp.2012.410105. 

  24. Solomatine, D., L. M. See, and R. J. Abrahart, 2009. Data-driven modelling: concepts, approaches and experiences. In Practical Hydroinformatics: 17-30. 

  25. Song, J. H., Y. Her, K. Suh, M. S. Kang, and H. Kim, 2019. Regionalization of a Rainfall-Runoff Model: Limitations and Potentials. Water 11(11): 2257. doi:10.3390/w11112257. 

  26. Xu, B., N. Wang, T. Chen, and M. Li, 2015. Empirical evaluation of rectified activations in convolutional network. arXiv preprint. arXiv:1505.00853. 

  27. Young, C. C., W. C. Liu, and M. C. Wu, 2017. A physically based and machine learning hybrid approach for accurate rainfall-runoff modeling during extreme typhoon events. Applied Soft Computing 53: 205-216. doi:10.1016/j.asoc.2016.12.052. 

  28. Zealnad, C. M., D. H. Burn, and S. P. Simonovic, 1999. Short term stream flow forecasting using artificial neural networks. Journal of Hydrology 214: 32-48. doi:10.1016/S0022-1694(98)00242-X. 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

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