| 학회 |
한국화학공학회 |
| 학술대회 |
2002년 가을 (10/24 ~ 10/26, 서울대학교) |
| 권호 |
8권 2호, p.2901 |
| 발표분야 |
공정시스템 |
| 제목 |
개선된 Support Vector Machine을 이용한 중합공정 모델링 |
| 초록 |
Support Vector Machine(SVM)은 최근 주목받고 있는 통계학습방법으로써 일반적으로 신경망 학습 방법이 채용하고 있는 임피리컬 리스크 최소화 방법(Empirical Risk Minimization)보다 구조적 에러 최소화 방법(Structural Risk Minimization principle)을 채용하고 있어 통계적 학습방법의 기본 목적인 일반화 성능이 뛰어나다. 또한 학습데이터의 차원의 제약이 없어 변수가 많은 화학공정의 모델링과 같은 분야에 적용하여 신뢰성 있는 결과를 얻을 수 있다. 본 연구에서는 이런 SVM방법을 변수가 많고 그 관계가 매우 비선형적인 중합공정에 적용하기 위해서 학습시 사용되는 학습데이터들에 가중치를 부여하는 Locally Weighted Regression(LWR)방법의 기본 개념을 차용하여 SVM을 개선하고 그 성능을 사례연구를 통해 확인하였다 |
| 저자 |
이동언, 송상옥, 이창준, 윤인섭
|
| 소속 |
서울대 |
| 키워드 |
Support Vector Machine; Empirical Risk Minimization; Locally Weighted Regression; Polymerization; modeling
|
| E-Mail |
, , , |
| 원문파일 |
초록 보기 |
