Cited 0 time in
노이즈가 포함된 포화증기표의 신경회로망 모델링
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | 이태환 | - |
| dc.contributor.author | 박진현 | - |
| dc.date.accessioned | 2022-12-27T03:19:00Z | - |
| dc.date.available | 2022-12-27T03:19:00Z | - |
| dc.date.issued | 2011 | - |
| dc.identifier.issn | 2234-4772 | - |
| dc.identifier.issn | 2288-4165 | - |
| dc.identifier.uri | https://scholarworks.gnu.ac.kr/handle/sw.gnu/24035 | - |
| dc.description.abstract | 증기표의 상태량들은 실험을 통하여 얻어진 값이거나 적절한 가정하에서 근사적으로 계산된 값이다. 따라서 증기표의 상태량들은 기본적으로 오차를 가지고 있다. 또한 이러한 상태량을 수치해석에서 사용하기 위하여는 함수근사를 통하여 모델링하여야 한다. 본 연구에서는 포화증기표에 대해 난수를 적절한 크기로 조절한 다음 원래의 성질들에 더하여 인위적으로 노이즈가 포함된 데이터를 만들어 측정오차를 포함하는 상태량의 대용으로 사용했다. 이 데이터의 모델링에는 신경회로망과 2차 스플라인 보간법을 사용되었다. 해석 결과 양단에서는 스플라인 보간법이 신경회로망보다 훨씬 더 적은 상대오차를 보였으며, 양단을 제외하면 신경회로망은 대체로 ±0.2%, 스플라인 보간법은 ±0.5~1.5%의 오차를 보였다. 이것은 사용 범위에서는 신경회로망이 스플라인 보간법보다 훨씬 더 적은 상대오차를 가진다는 것을 의미한다. 이 결과로부터 신경회로망이 스플라인 보간법보다 원래의 값은 더 잘 추적할 수 있으며, 신경회로망이 포화증기표의 모델링에 더 적절한 방법이라는 사실을 확인하였다. | - |
| dc.format.extent | 6 | - |
| dc.language | 한국어 | - |
| dc.language.iso | KOR | - |
| dc.publisher | 한국정보통신학회 | - |
| dc.title | 노이즈가 포함된 포화증기표의 신경회로망 모델링 | - |
| dc.title.alternative | Modelling of the noise-added saturated steam table using neural networks | - |
| dc.type | Article | - |
| dc.publisher.location | 대한민국 | - |
| dc.identifier.bibliographicCitation | 한국정보통신학회논문지, v.15, no.2, pp 413 - 418 | - |
| dc.citation.title | 한국정보통신학회논문지 | - |
| dc.citation.volume | 15 | - |
| dc.citation.number | 2 | - |
| dc.citation.startPage | 413 | - |
| dc.citation.endPage | 418 | - |
| dc.identifier.kciid | ART001531983 | - |
| dc.description.isOpenAccess | N | - |
| dc.description.journalRegisteredClass | kci | - |
| dc.subject.keywordAuthor | Steam table | - |
| dc.subject.keywordAuthor | Saturation | - |
| dc.subject.keywordAuthor | Neural network | - |
| dc.subject.keywordAuthor | Spline interpolation method | - |
| dc.subject.keywordAuthor | 증기표 | - |
| dc.subject.keywordAuthor | 포화 | - |
| dc.subject.keywordAuthor | 신경회로망 | - |
| dc.subject.keywordAuthor | 스플라인 보간법 | - |
| dc.subject.keywordAuthor | Steam table | - |
| dc.subject.keywordAuthor | Saturation | - |
| dc.subject.keywordAuthor | Neural network | - |
| dc.subject.keywordAuthor | Spline interpolation method | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
Gyeongsang National University Central Library, 501, Jinju-daero, Jinju-si, Gyeongsangnam-do, 52828, Republic of Korea+82-55-772-0532
COPYRIGHT 2022 GYEONGSANG NATIONAL UNIVERSITY LIBRARY. ALL RIGHTS RESERVED.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.
