KR950006634A - 부분선형 회귀모형 구조 - Google Patents
부분선형 회귀모형 구조 Download PDFInfo
- Publication number
- KR950006634A KR950006634A KR1019930015129A KR930015129A KR950006634A KR 950006634 A KR950006634 A KR 950006634A KR 1019930015129 A KR1019930015129 A KR 1019930015129A KR 930015129 A KR930015129 A KR 930015129A KR 950006634 A KR950006634 A KR 950006634A
- Authority
- KR
- South Korea
- Prior art keywords
- network
- regression model
- nodes
- self
- output
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 경제분야, 생체과학, 날씨 및 주식동향 등의 시계열(time series)의 예측 등과 같이 불확실한 데이타를 처리하여 그 데이타를 발생시키는 시스템의 함수관계를 찾아내는 함수근사(function aproximation) 또는 회기분식(regression analysis)을 위한 새로운 회기모형(reresson model)구조에 관한 것으로, 주어진 데이타의 차수가 높아질수록 급격한 성능저하가 생기고 학습속도(매개변수 추정속도)가 너무 느리거나 국부최소점(local minima)에 빠져 원하는 성능을 얻을 수 없는 경우가 발생하는 종래 모델들의 문제점들을 해결하는 새로운 부분성형회기모형을 제안한다.
본 발명에 따른 회기모형은 자기분할망(10)과 앞먹임사상망(20)으로 구성되고, 자기분할망(10)은 입력공간을 겹치지 않는 국부영역으로 분할하도록 하는 한편 앞먹임사상망(20)은 분할된 각 입력공간에 대한 부분적인 선형사상을 구하도록 함으로써 국부 평균법에 비해 적은 매개변수규모로 좋은 성능을 얻을 수 있고 원하는 성능을 얻기 위해 자동으로 망을 구성함으로써 국부최소점 문제가 해결된다.
Description
본 내용은 요부공개 건이므로 전문내용을 수록하지 않았음
제1도는 본 발명에 따른 부분선형 회귀모형 구조,
제2도는 학습에 사용된 케이아틱 시계열(Chaotic time series)의 예,
제3도는 예측 성능 시험에 사용된 케이아틱 시계열의 예.
Claims (4)
- 시간의 진행과 관련되어 발생된 데이타를 처리하여 그 데이타를 발생시킨 시스템의 함수관계를 찾아내는 회귀모형에 있어서, 입력공간을 겹치지 않는 복수의 국부영역들로 분할하는 자기분할망(10)과, 은닉층과 출력층을 포함하고, 상기 자분할망(10)의 출력에 응답하여 상기 복수의 국부영역들 각각에 대한 선형사상을 구하는 앞먹임사상망(20)을 포함하는 것을 특징으로 하는 부분선형 회기모형구조.
- 제1항에 있어서, 상기 자기분할망(10)은 복수의 노드들을 포함하고, 상기 복수의 노드들 각각은 특정 국부영역의 중심점을 매개변수로서 갖고 있으며, 상기 복수의 노드중 입력벡터와 상기 중심점 간의 거리가 가장 가까운 하나의 노드만이 1을 출력하고 나머지 노드들은 0을 출력하는 것을 특징으로 하는 부분선형 회기모형구조.
- 제1항 또는 제2항에 있어서, 상기 앞먹임사상막(20)은 상기 자기분할망(10)의 상기 출력을 상기 은닉층을 이루는 노드들과 상기 출력층간의 가중치로서 사용하는 것을 특징으로 하는 부분선형 회기모형구조.
- 제2항에 있어서, 상기 자기분할망(10)을 구성하는 상기 복수의 노드들 중 1을 출력하는 노드와 연결되는 상기 앞먹임사상막(20)내 상기 은닉층의 노드들만 학습에 참가하고 출력을 생성하는 것을 특징으로 하는 부분선형 회기모형구조.※ 참고사항 : 최초출원 내용에 의하여 공개하는 것임.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019930015129A KR970006030B1 (ko) | 1993-08-04 | 1993-08-04 | 부분선형 회귀모형 구조 |
JP6183717A JP2860057B2 (ja) | 1993-08-04 | 1994-08-04 | ニューラルネットワークシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019930015129A KR970006030B1 (ko) | 1993-08-04 | 1993-08-04 | 부분선형 회귀모형 구조 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR950006634A true KR950006634A (ko) | 1995-03-21 |
KR970006030B1 KR970006030B1 (ko) | 1997-04-23 |
Family
ID=19360773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1019930015129A KR970006030B1 (ko) | 1993-08-04 | 1993-08-04 | 부분선형 회귀모형 구조 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2860057B2 (ko) |
KR (1) | KR970006030B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100397467B1 (ko) * | 2000-09-29 | 2003-09-13 | 주식회사 피스트 글로벌 | 공변성을 갖는 확률변수에 대한 시뮬레이션 방법 및 이를기록한 컴퓨터로 읽을 수 있는 기록매체 |
KR101458004B1 (ko) * | 2013-12-26 | 2014-11-04 | 주식회사 코스콤 | 인공 신경망 모형을 이용한 주가 등락 예측 시스템 및 주가 등락 예측 방법 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101387128B (zh) * | 2004-12-14 | 2010-11-03 | 株式会社东芝 | 雨水排水支援系统和支援方法 |
US8606544B2 (en) * | 2006-07-25 | 2013-12-10 | Fisher-Rosemount Systems, Inc. | Methods and systems for detecting deviation of a process variable from expected values |
-
1993
- 1993-08-04 KR KR1019930015129A patent/KR970006030B1/ko not_active IP Right Cessation
-
1994
- 1994-08-04 JP JP6183717A patent/JP2860057B2/ja not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100397467B1 (ko) * | 2000-09-29 | 2003-09-13 | 주식회사 피스트 글로벌 | 공변성을 갖는 확률변수에 대한 시뮬레이션 방법 및 이를기록한 컴퓨터로 읽을 수 있는 기록매체 |
KR101458004B1 (ko) * | 2013-12-26 | 2014-11-04 | 주식회사 코스콤 | 인공 신경망 모형을 이용한 주가 등락 예측 시스템 및 주가 등락 예측 방법 |
Also Published As
Publication number | Publication date |
---|---|
JPH07152714A (ja) | 1995-06-16 |
JP2860057B2 (ja) | 1999-02-24 |
KR970006030B1 (ko) | 1997-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105244020B (zh) | 韵律层级模型训练方法、语音合成方法及装置 | |
Mahalanobis | Some observations on the process of growth of national income | |
Noonburg | A neural network modeled by an adaptive Lotka-Volterra system | |
Zhang et al. | A rough set approach to knowledge reduction based on inclusion degree and evidence reasoning theory | |
Bodyanskiy et al. | Adaptive learning of an evolving cascade neo-fuzzy system in data stream mining tasks | |
Steck et al. | Bayesian belief networks for data mining | |
Radner | The application of linear programming to team decision problems | |
KR950006634A (ko) | 부분선형 회귀모형 구조 | |
Pakdaman et al. | Effect of delay on the boundary of the basin of attraction in a self-excited single graded-response neuron | |
KR940004463A (ko) | 신경회로망 구조와 학습방법 | |
Ghil | The compatible balancing approach to initialization, and four-dimensional data assimilation | |
Fayos et al. | Wind data mining by Kohonen neural networks | |
Benyu et al. | A spectral method for the fluid flow with low Mach number on the spherical surface | |
Bell | Observations on category theory | |
KR870009570A (ko) | 데이타 인코더 및 인코딩 방법 | |
Jariwala et al. | A Levy interior search algorithm for chaotic system identification | |
KR0119902B1 (ko) | 추정망의 온 라인 학습방법(On line learning algorithm of an estimation network) | |
Glahn | An application of adaptive logic to meteorological prediction | |
Il’ichev | Universal stock constants in models of competition | |
Hartvigsen et al. | StormCast—A distributed artificial intelligence application for severe storm forecasting | |
Sniedovich et al. | Worth of hydrologic data for short-term forecasts of floods | |
Peinke et al. | How Two Competing Characteristic Exponents Generate Different Classes of Fractal Boundaries | |
Mustafa et al. | The function of environmental labels in modern American sculpture (Artist Robert Glenn) for example | |
Taschdjian | A review of:“ON THE INADEQUACY OF THE REGRESSION PARADIGM USED IN THE STUDY OF HUMAN JUDGMENT” Milan Zeleny Theory and Decision, D. Reidel, 1976 vol. 7 pp. 57-65 THE A TTRIBUTE-D YNAMIC A TTITUDE MODEL (ADAM) Milan Zeleny Management Science, 1976 vol. 23, no. 1 pp. 12–26 | |
Loskutova et al. | An Efficient Approach to Decision-making in the Education Process: Markov Chain for Fuzzy States |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
G160 | Decision to publish patent application | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20070702 Year of fee payment: 11 |
|
LAPS | Lapse due to unpaid annual fee |