선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 따라서 본 연구에서는 상층기상관측자료에서 관측된 가강수량, RDAPS모형의 수치예보자료, AWS에서의 관측자료를 예측인자로 구성하고 강수발생확률을 예측변수로 구성하여 ANN기법을 적용하였으며 RDAPS모형의 예측결과와 신경망 학습후의 예측성과를 비교하였다.
데이터처리
- 본 연구에서는 적중률(H: Hit rate), 위험점수(TS; Threat Score), 탐지확률(POD; Probability Of Detection), Kuipers Skill Score(KSS)를 사용하여 예측자료를 검정하였다(Wilks, 1995).
이론/모형
- (2)). 또한 가중치의 업데이트를 위해서 경사하강(gradient descent)법을 사용하며, 활성화함수는 반드시 미분 가능한 연속함수이여야 한다.
- 역전파알고리즘은 예측인자와 예측변수사이의 연결가중치를 조절하기 위해서 목표값(예측변수)과 출력값의 오차를 이용하며, 본 연구에서는 오차제곱합함수(Sum-squared error function)을 사용하였다(Eq. (2)).
- 은닉층(Hidden layer)의 활성화함수(activation function)는 비선형성을 고려하기 위해서 비선형 양극(bipolar) 활성화함수를 사용하였다. 신경망의 중요한 특징은 학습을 통하여 예측인자와 예측변수사이의 관계를 학습하고 예측인자와 예측변수의 사이의 관계를 추정할 수 있다는데 있다.
- 뉴런은 임계값(threshold)을 초과하면 활성화되며, 임계값 이하에서는 활성화 되지 않는다. 이번 연구에서는 일반적으로 사용되는 전방향 다층퍼셉트론구조로 모델링하였으며, 학습방법으로는 역전파알고리즘을 사용하였다. 연구에서 사용된 신경망의 구조와 학습순서는 Fig.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.