Hybrid 리커런트 신경망을 이용한 시스템 식별
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 최한고 | - |
dc.contributor.author | 고일환 | - |
dc.contributor.author | 김종인 | - |
dc.date.available | 2020-04-24T14:25:58Z | - |
dc.date.created | 2020-03-31 | - |
dc.date.issued | 2005 | - |
dc.identifier.issn | 1229-9480 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/kumoh/handle/2020.sw.kumoh/3400 | - |
dc.description.abstract | 동적 신경망은 temporal 신호처리가 요구되는 여러 분야에 사용되어 왔다. 본 논문에서는 다층 리커런트 신경망(RNN)의 동특성을 더 향상시키기 위해 지역 궤환 신경망(LRNN)과 광역 궤환 신경망(GRNN)으로 구성된 합성 신경망을 사용하여 시스템 식별을 다루고 있다. 합성 신경망의 구조는 LRNN으로 IIR-MLP를, GRNN으로 Elman RNN을 결합하고 있다. 합성신경망은 선형과 비선형 시스템 식별을 통해 평가되었으며 상대적인 성능평가를 위해 Elman RNN 과 IIR-MLP 신경망과 비교하고 있다. 시뮬레이션 결과에 의하면 합성 신경망은 학습속도와 정확도에서 더 우수하게 동작하였으며, 이러한 사실은 비선형 시스템 식별에 있어서 합성 신경망이 기존의 다층 리커런트 신경망보다 더 효과적인 신경망이 될 수 있음을 보여주었다. | - |
dc.publisher | 한국융합신호처리학회 | - |
dc.title | Hybrid 리커런트 신경망을 이용한 시스템 식별 | - |
dc.title.alternative | System Identification Using Hybrid Recurrent Neural Networks | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 최한고 | - |
dc.identifier.bibliographicCitation | 융합신호처리학회 논문지, v.6, no.1, pp.45 - 52 | - |
dc.citation.title | 융합신호처리학회 논문지 | - |
dc.citation.volume | 6 | - |
dc.citation.number | 1 | - |
dc.citation.startPage | 45 | - |
dc.citation.endPage | 52 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART001178820 | - |
dc.description.journalClass | 2 | - |
dc.subject.keywordAuthor | IIR-MLP | - |
dc.subject.keywordAuthor | Recurrent neural networks | - |
dc.subject.keywordAuthor | Hybrid RNN | - |
dc.subject.keywordAuthor | System identification | - |
dc.subject.keywordAuthor | IIR-MLP | - |
dc.subject.keywordAuthor | Recurrent neural networks | - |
dc.subject.keywordAuthor | Hybrid RNN | - |
dc.subject.keywordAuthor | System identification | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
350-27, Gumi-daero, Gumi-si, Gyeongsangbuk-do, Republic of Korea (39253)054-478-7170
COPYRIGHT 2020 Kumoh University All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.