메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정재원 (수원대학교) 주곤 (수원대학교) 오성권 (수원대학교) 유병건 (탑스이앤씨)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제31권 제5호
발행연도
2021.10
수록면
436 - 442 (7page)
DOI
10.5391/JKIIS.2021.31.5.436

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
본 논문에서는 Elastic Net을 이용한 RBFNN 분류기의 설계를 비교 연구한다. Elastic Net은 변수 선택이 데이터에 너무 의존해 불안정할 수 있다는 LASSO를 비판한 결과로 등장했다. 그러나 Ridge는 변수 선택을 하지 않으며 최종 모델에서 사용 가능한 모든 변수가 유지된다. 해결책은 Ridge와 LASSO의 페널티 항을 결합하여 두 regression의 장점을 최대한 활용하는 것이다. 이는 Elastic Net이 두 페널티의 균형을 유지하므로 이러한 문제에서 둘 중 하나의 페널티항만 있는 모델보다 더 나은 성능을 얻을 수 있다. 기존 RBFNN 분류기와 본 논문에서 제안한 분류기의 분류율을 비교하여 성능의 우수성을 입증하였다. 데이터 가공 상태에 따라 3가지 케이스로 나누어 비교하였다. 첫 번째는 전체 입력변수를 99개로 줄인 데이터이다. 두 번째는 재질별 화학적 피크치를 설정해 입력변수를 99개로 만든 데이터이다. 세 번째는 두 번째 데이터를 33개로 줄인 데이터이다.

목차

요약
Abstract
1. 서론
3. 시뮬레이션 및 결과 고찰
4. 결론
References

참고문헌 (7)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0