-
公开(公告)号：KR1019950029970A
公开(公告)日：1995-11-24
申请号：KR1019940007765
申请日：1994-04-13
Applicant: 한국전자통신연구원
IPC: G06F15/18
Abstract: 본 발명은 연속적으로 입력되는 자료에 대하여 주어진 근사정도에 따라 3층의 구조 즉, 입력층, 은닉층 그리고 출력층으로 이루어진 추정망을 이용하여 자료가 의미하는 동력학을 온-라인으로 학습시키는 방법에 관한 것으로, 여기서, 추정망의 입력층과 출력층은 선형함수로 이루어진 것인데 반해 은닉층은 가우스 요소함수로 이루어진다.
온-라인 학습과정은 주어진 함수의 근사정도에 따라 적절한 요소함수를 첨가시키고 이와 연결된 변수를 추정한다.
제안된 온-라인 학습과정을 MG혼돈시계열(Mackey-Glass chaotic timeseries) 예측기에 적용한 결과 온-라인 학습과정을 적용하지 않은 MG혼돈 시계열 예측기에 비해서 좋은 예측결과를 얻었다.-
-
-
公开(公告)号：KR100744534B1
公开(公告)日：2007-08-01
申请号：KR1020040107274
申请日：2004-12-16
Applicant: 한국전자통신연구원
IPC: G06Q10/02
Abstract: WAP 프레임워크 상에서 개방형 서비스 인터페이스를 이용한 티켓예매 서비스 제공 시스템 및 방법이 개시된다. 제1예매처리부는 사용자 단말기로 차량별 잔여좌석을 포함하는 운행정보를 제공하고, 사용자 단말기로부터 수신된 출발역, 도착역, 출발시간, 좌석수를 포함하는 예매정보를 기초로 사용자의 예매요청을 처리한다. 제2예매처리부는 사용자가 요청한 예매가 불가능한 경우에 사용자 단말기로부터 예매정보 및 사용자의 이동단말기의 번호를 포함하는 자동예매신청정보를 수신받아 저장하고, 예매취소를 포함하는 변경요인에 의해 추가로 확보된 예매가능한 티켓 중에서 자동예매신청정보에 포함되어 있는 예매정보에 대응하는 티켓을 예매한다. 예매통지부는 사용자가 요청한 예매정보에 대응하는 티켓의 예매가 완료되면, 개방형 서비스 게이트웨이의 메시징 서비스 인터페이스를 호출하여 PPG게이트웨이를 통해 예매결과를 안내하는 시스템의 전화번호를 콜백 URL로 설정하여 사용자의 이동단말기로 전송하고, 사용자의 이동단말기에 의해 요청된 콜백호를 통해 티켓의 예매상황을 사용자에게 통지한다. 본 발명에 따르면, 티켓예매 상황이 변경된 경우 사용자가 요청한 조건에 부합하는 티켓을 자동으로 예매한 후 사용자의 이동단말로 통지함으로써, 사용자의 티켓 예매를 위한 시간과 노력을 절약하는 동시에 예매 성공율을 높일 수 있다.
-
公开(公告)号：KR100119902B1
公开(公告)日：1997-10-29
申请号：KR1019940007765
申请日：1994-04-13
Applicant: 한국전자통신연구원
IPC: G06F15/18
Abstract: Disclosed is an on-line studying method for a presumption network comprising a first through sixth steps. The first step is to calculate the output of the presumption network about an average vector of each factor function and calculate a matrix by using the output of the presumption network as an input and an output studying pattern. The second step is to calculate the error of the presumption network. The third step is to discriminate whether the error value of the presumption network is larger than the error reference value. The fourth step is to set a new factor function about a given material when a predetermined condition is satisfied. The fifth step is to discriminate whether an average square error that does not include the new factor function is larger than the average square error that includes the new factor function. The sixth step is to include the new factor function to the presumption network when the average square error that does not include the new factor function is larger than the average square error that includes the new factor function and return to the second step by preparing next studying pattern. Thus, an Mackey-Glass chaotic time-series estimator which applies the on-line studying method is better than an Mackey-Glass chaotic time-series estimator which does not apply the on-line studying method.
Abstract translation: 公开了一种用于推定网络的在线学习方法，包括第一至第六步骤。 第一步是计算推测网络关于每个因子函数的平均向量的输出，并通过使用推定网络的输出作为输入和输出学习模式来计算矩阵。 第二步是计算推定网络的误差。 第三步是判断推测网络的误差值是否大于误差参考值。 第四步是在满足预定条件时设定关于给定材料的新因子函数。 第五步是鉴别不包括新因子函数的平均平方误差是否大于包括新因子函数的平均平方误差。 第六步是在不包括新因子函数的平均平方误差大于包括新因子函数的平均平方误差的情况下，将新因子函数包括在推定网络中，并准备下一个学习回到第二步 模式。 因此，应用在线学习方法的麦克玻璃混沌时间序列估计器比不适用在线学习方法的麦克玻璃混沌时间序列估计器更好。
-
Patent Agency Ranking
-
-
公开(公告)号：KR1019970006030B1
公开(公告)日：1997-04-23
申请号：KR1019930015129
申请日：1993-08-04
Applicant: 한국전자통신연구원
IPC: G06F15/18
Abstract: The partial linear regression model structure in which data generated in connection with the time flowing is processed to find a function relationship of the system from which the data is generated, comprises a self partitioning network(10) for partitioning input space into a plurality of local areas which are not overlapped, and a feed forward mapping network(20) including a hidden layer and an output layer, for obtaining linear mapping for each local area in response to the output of the self partitioning network(10).
Abstract translation: 处理结合时间流动生成的数据的部分线性回归模型结构被处理以找到从其生成数据的系统的函数关系，包括用于将输入空间分割成多个局部的自分割网络（10） 不重叠的区域和包括隐层和输出层的前馈映射网络（20），用于响应于自分区网络（10）的输出获得每个局部区域的线性映射。
-
-
公开(公告)号：KR1019940024609A
公开(公告)日：1994-11-18
申请号：KR1019930006346
申请日：1993-04-15
Applicant: 한국전자통신연구원
Abstract: 본 발명은 주식동향, 강우량, 전력소비 추세 등의 예측을 위한 시계열 예측(time series prediciton)방법에 관한 것이다. 시계열 예측방법으로는 국부추정 모델(local estimaion model)을 이용한 방법(예를들면, 주식예측에서의 6일, 25일, 75일 이동평균)이 있고, 근래에 출현한 전체추정 모델(golbal estimaion model)을 이용한 방법이 있다.
전체추정 모델은 주어진 과거의 데이타를 이용하여 전체 시간범위에서 대상 시스템의 동적특성을 식별하는 것이다. 본 발명에서는 상기 두 모델을 혼용하여 예측 정확도를 높일 수 있는 방법을 제안하였다. 제안된 방법은 주어진 과거의 데이타를 이용하여 대상 시스템의 동적특성을 전체추정 모델로 식별하고, 구성된 전체추정 모델에 의하여 발생하는 예측오차를 국부추정 모델을 이용하여 실시간 보정하는 것이다.
본 발명의 장점으로는 1) 전체추정 모델의 규모를 줄일 수 있고, 2) 시간에 따라 특성이 변하는 비정지시스템(non-stationary system)에 적용 가능하며, 3) 실시간 오차보정에 의한 예측정확도를 높일 수 있다.
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.018 seconds)
