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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박호성 (수원대학교) 김기상 (수원대학교) 오성권 (수원대학교)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제60권 제2호
발행연도
2011.2
수록면
398 - 406 (9page)

이용수

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

이 논문의 연구 히스토리 (14)

2011

정보 입자화를 통한 방사형 기저 함수 기반 다항식 신경 회로망의 진화론적 설계
박호성 ,  진용하 ,  오성권 전기학회논문지 2011.04 학술저널
입자 군집 최적화 알고리즘 기반 다항식 신경회로망의 설계
박호성 ,  김기상 ,  오성권 전기학회논문지 2011.02 학술저널

2005

유전자 알고리즘의 동적 탐색 방법을 이용한 자기구성 퍼지 다항식 뉴럴 네트워크의 진화론적 최적화 설계
박호성 ,  오성권 ,  안태천 한국지능시스템학회 학술발표 논문집 2005.11 학술대회자료
진화론적 알고리즘에 의한 퍼지 다항식 뉴론 기반 고급 자기구성 퍼지 다항식 뉴럴 네트워크 구조 설계
박호성 ,  오성권 ,  안태천 대한전기학회 학술대회 논문집 2005.10 학술대회자료
진화론적 알고리즘에 의한 퍼지 다항식 뉴론 기반 고급 자기구성 퍼지 다항식 뉴럴 네트워크 구조 설계
박호성 ,  오성권 ,  안태천 대한전기학회 학술대회 논문집 2005.10 학술대회자료
진화론적 파라미터 동정에 기반한 자기구성 퍼지 다항식 뉴럴 네트워크의 새로운 설계
박호성 ,  이영일 ,  오성권 대한전기학회 학술대회 논문집 2005.07 학술대회자료
진화론적으로 최적화된 FPN에 의한 자기구성 퍼지 다항식 뉴럴 네트워크의 최적 설계
박호성 ,  오성권 정보 및 제어 논문집 2005.05 학술대회자료

2004

유전자 알고리즘에 의한 자기구성 다항식 뉴럴 네트워크의 구조 및 동정 알고리즘
박호성 ,  오성권 한국지능시스템학회 학술발표 논문집 2004.04 학술대회자료
GA 기반 고급 자기구성 퍼지 다항식 뉴럴 네트워크의 최적화
박호성 ,  박건준 ,  오성권 한국지능시스템학회 학술발표 논문집 2004.04 학술대회자료

2003

GA 기반 자기구성 다항식 뉴럴 네트워크의 최적화를 위한 새로운 설계 방법
박호성 ,  박병준 ,  박건준 외 1명 대한전기학회 학술대회 논문집 2003.07 학술대회자료
자기구성 퍼지 다항식 뉴럴 네트워크 구조의 설계
박호성 ,  박건준 ,  오성권 대한전기학회 학술대회 논문집 2003.07 학술대회자료

2000

경쟁적 퍼지 다항식 뉴론을 가진 자기 구성 네트워크의 설계
박호성 ,  오성권 ,  김현기 대한전기학회 학술대회 논문집 2000.11 학술대회자료
퍼지 활성 노드를 가진 퍼지 다항식 뉴럴 네트워크
박호성 ,  김동원 ,  오성권 대한전기학회 학술대회 논문집 2000.07 학술대회자료
GMDH 알고리즘과 다항식 퍼지추론에 기초한 퍼지 다항식 뉴럴 네트워크
박호성 ,  윤기찬 ,  오성권 한국지능시스템학회 학술발표 논문집 2000.05 학술대회자료

초록· 키워드

오류제보하기
In this paper, we introduce a new architecture of PSO-based Polynomial Neural Networks (PNN) and discuss its comprehensive design methodology. The conventional PNN is based on a extended Group Method of Data Handling (GMDH) method, and utilized the polynomial order (viz. linear, quadratic, and modified quadratic) as well as the number of node inputs fixed (selected in advance by designer) at Polynomial Neurons located in each layer through a growth process of the network. Moreover it does not guarantee that the conventional PNN generated through learning results in the optimal network architecture. The PSO-based PNN results in a structurally optimized structure and comes with a higher level of flexibility that the one encountered in the conventional PNN. The PSO-based design procedure being applied at each layer of PNN leads to the selection of preferred PNs with specific local characteristics (such as the number of input variables, input variables, and the order of the polynomial) available within the PNN. In the sequel, two general optimization mechanisms of the PSO-based PNN are explored: the structural optimization is realized via PSO whereas in case of the parametric optimization we proceed with a standard least square method-based learning.
To evaluate the performance of the PSO-based PNN, the model is experimented with using Gas furnace process data, and pH neutralization process data. For the characteristic analysis of the given entire data with non-linearity and the construction of efficient model, the given entire system data is partitioned into two type such as Division I(Training dataset and Testing dataset) and Division II(Training dataset, Validation dataset, and Testing dataset). A comparative analysis shows that the proposed PSO-based PNN is model with higher accuracy as well as more superb predictive capability than other intelligent models presented previously.
#Polynomial Neural Networks(PNN) #Particle Swarm Optimization(PSO) #PSO-based PNN #Polynomial Neuron(PN) #Group Method of Data Handling(GMDH) #Standard least square method

목차

Abstract
1. 서론
2. 다항식 신경 회로망의 알고리즘과 구조
3. 입자군집 최적화 알고리즘(Particle Swarm Optimization: PSO)
4. PSO 기반 최적 다항식 신경 회로망
5. 시뮬레이션 및 결과 고찰
6. 결론
감사의 글
참고문헌
저자소개

참고문헌 (5)

참고문헌 신청
崔正乃, 金賢起, 吳聖權. PSO를 이용한 FCM 기반 RBF 뉴럴 네트워크의 최적화. 전기학회논문지. 2008 dbpia 朴浩成, 朴炳俊, 張成煥, 吳聖權. 진화론적 최적 자기구성 다항식 뉴럴 네트워크. 전기학회논문지 D. 2004 dbpia 박병준, 오성권, 김용수, 안태천. PSO의 특징과 차원성에 관한 비교연구. 제어로봇시스템학회 논문지. 2006 dbpia 최정내, 오성권, 김현기. PSO를 이용한 FCM 기반 RBF 뉴럴네트워크의 최적화. 대한전기학회 학술대회 논문집. 2008 dbpia 최정내, 오성권, 김현기. PSO를 이용한 FCM 기반 RBF 뉴럴네트워크의 최적화. 대한전기학회 학술대회 논문집. 2008 dbpia

이 논문의 저자 정보

이 논문과 함께 이용한 논문

PSO를 이용한 FCM 기반 RBF 뉴럴 네트워크의 최적화
崔正乃 ,  金賢起 ,  吳聖權 전기학회논문지 2008 .11
GA 기반 자기구성 다항식 뉴럴 네트워크의 최적화를 위한 새로운 설계 방법
박호성 ,  박병준 ,  박건준 외 1명 대한전기학회 학술대회 논문집 2003 .07
군집로봇의 청소 작업을 위한 행동제어 시간 동기화 기반 협력 커버리지 알고리즘
김태신 ,  국태용 ,  박종구 외 4명 대한전기학회 학술대회 논문집 2013 .10
Comparison of Three Evolutionary Algorithms : GA, PSO, and DE
Vo ,  atas Kachitvichyanukul Industrial Engineering & Management Systems 2012 .09
A Modified Particle Swarm Optimization Algorithm : Information Diffusion PSO
Junhyuk Pa ,  k ,  Byung-In Kim 대한산업공학회지 2011 .09

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2012-560-004010015