지역 및 광역 리커런트 신경망을 이용한 비선형 적응예측
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 崔瀚? | - |
dc.date.available | 2020-04-24T14:26:29Z | - |
dc.date.created | 2020-03-31 | - |
dc.date.issued | 2003 | - |
dc.identifier.issn | 1229-6384 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/kumoh/handle/2020.sw.kumoh/3502 | - |
dc.description.abstract | 동적 신경망은 신호예측과 같이 temporal 신호처리가 요구되는 여러 분야에 적용되어 왔다. 본 논문에서는 다층 리커런트 신경망(RNN)의 동특성을 향상시키기 위해 지역 궤환 신경망(LRNN)과 광역 궤환 신경망(GRNN)으로 구성된 합성 신경망을 제안하고, 적응필터로 제안된 신경망을 사용하여 비선형 적응예측을 다루고 있다. 합성 신경망은 LRNN으로 IIR-MLP와 GRNN으로 Elman RNN 신경망으로 구성되어 있다. 제안된 신경망은 비선형 신호예측을 통해 평가되었으며, 예측 성능의 상대적인 비교를 위해 Elman RNN과 IIR-MLP 신경망과 상호 비교하였다. 실험결과에 의하면 합성 신경망은 수렴속도과 정확도에서 더 우수한 성능을 보여줌으로써, 제안된 신경망이 기존의 다층 리커런트 신경망보다 비정적 신호에 대한 비선형 예측에 더 효과적인 예측모델임을 확인하였다. | - |
dc.publisher | 대한전자공학회 | - |
dc.title | 지역 및 광역 리커런트 신경망을 이용한 비선형 적응예측 | - |
dc.title.alternative | Nonlinear Adaptive Prediction using Locally and Globally Recurrent Neural Networks | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 崔瀚? | - |
dc.identifier.bibliographicCitation | 전자공학회논문지 - SP, v.40, no.1, pp.139 - 147 | - |
dc.citation.title | 전자공학회논문지 - SP | - |
dc.citation.volume | 40 | - |
dc.citation.number | 1 | - |
dc.citation.startPage | 139 | - |
dc.citation.endPage | 147 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART000903577 | - |
dc.description.journalClass | 2 | - |
dc.subject.keywordAuthor | IIR-MLP | - |
dc.subject.keywordAuthor | Recurrent neural networks | - |
dc.subject.keywordAuthor | LGRNN | - |
dc.subject.keywordAuthor | Nonlinear signal prediction | - |
dc.subject.keywordAuthor | IIR-MLP | - |
dc.subject.keywordAuthor | Recurrent neural networks | - |
dc.subject.keywordAuthor | LGRNN | - |
dc.subject.keywordAuthor | Nonlinear signal prediction | - |
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.