샘플링 불확실성 하에서 신축망에 대해 부트스트랩 방법을 이용한 입력변수의 유의성 분석

김한수; 이태희

doi:10.3795/KSME-A.2021.45.2.141

추천

검색

질문

자료유형: 학술저널

저자정보: 김한수 (한양대학교) 이태희 (한양대학교)

저널정보: 대한기계학회 대한기계학회 논문집 A권 대한기계학회논문집 A권 제45권 제2호(통권 제425호)

발행연도: 2021.2

수록면: 141 - 148 (8page)

DOI: 10.3795/KSME-A.2021.45.2.141

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

신축망을 이용하여 입력변수의 유의성 분석을 통해 입력변수의 고차원 문제를 해결할 수 있다. 하지만 샘플링 불확실성에 의해 유의성이 변동하여 잘못된 추론으로 이어질 수 있다. 특히, 입력변수의 차원이 증가할수록 샘플링 불확실성이 증가하는 경향이 있다. 따라서 본 연구는 샘플링 불확실성의 저감을 위해 신축망에 대해 부트스트랩 방법을 이용한 유의성 분석 방법을 제안한다. 수학 예제를 통해 제안하는 유의성 분석 방법이 신축망에 비해 높은 정확도가 도출됨을 확인하였다. 또한, 제안하는 유의성 분석 방법을 공학 문제에 적용하여 입력변수의 유의성을 분석하였다. 부트스트랩 방법은 많은 전산 비용을 요구하지만, 합리적인 수준에서 사용한다면 유의미한 결과를 도출할 수 있을 것으로 기대된다.

#High-Dimensional Input Variables(고차원 입력변수) #Significance Analysis(유의성 분석) #Elastic Net(신축망) #Sampling Uncertainty(샘플링 불확실성) #Bootstrap Method(부트스트랩 방법)

참고문헌 (14)

참고문헌 신청

Shan, S. and W ng, G. G., 2010, “Survey of Modelinng and Optimization Strategies to Solve High-Dimensional Design Problems with Computationally-Expensive Black-Box Functions,” Structural and Multidissciplinary Optimization, Vol. 41, No. 2, pp. 219~241.

Fisher, R. A., 1925, Statistical Methods for Research Workers, Oliver & Boyd, Edinburgh, pp. 211~247.

Zou, H. and Hastie, T., 2005, “Regularization and Variable Selection via the Elastic Net,” Journal of the Royal Statistical Society Series B-Methodological, Vol. 67, No. 2, pp. 301~320.

McKay, M. D., Beckman, R. J. and Conover, W. J., 1979, “A Comparison of Three Methods for Selecting Values of Input Variables in the Analysis of Output from a Computer Code,” Technometrics, Vol. 21, No. 2, pp. 239~245.

Johnson, M. E., Moore, L. M. and Ylvisaker, D., 1990, “Minimax and Maximin Distance Designs,” Journal of Statistical Planning and Inference, Vol. 26, No. 2, pp. 131~148.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

Hansu Kim

소속기관 한양대학교

주요연구분야 공학 > 기계공학 > 자동차공학 TOP 5% 공학 > 재료·에너지공학 > 재료공학

논문수 40 이용수 4,282

이태희

소속기관 한양대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반

논문수 1 이용수 100

이 논문과 함께 이용한 논문

미세먼지 데이터를 고려한 심층 신경망 기반 태양광 발전 전력 예측

유한식 , 배성우 대한전기학회 학술대회 논문집 2020 .07

Droop Control을 이용한 마이크로그리드 내 주파수 안정화 방안 연구

임준석 , 배성우 대한전기학회 학술대회 논문집 2020 .07

반타원 표면 균열 인장 평판의 탄소성 J-적분에 미치는 평판 폭-두께비의 영향: 1. 기존 평가식의 문제점

신지수 , 김재민 , 김윤재 대한기계학회 논문집 A권 2020 .10

차량 롤 상태 추정을 위한 인공신경망 기반 복수 차량 모델 융합 기법 연구

이태희 , 윤상원 한국자동차공학회 춘계학술대회 2018 .06

지자기 센서의 자기 외란 보정 알고리즘을 통한 차량자세 추정 기법

차현준 , 윤상원 , 오예균 외 1명 한국자동차공학회 추계학술대회 및 전시회 2017 .11

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-550-001487059

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (14)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)