지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.2
- 수록면
- 263 - 269 (7page)
- DOI
- 10.5370/KIEE.2023.72.2.263
이용수
이 논문의 연구 히스토리 (11)
2022
2020
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In this paper, to solve the problem of model-based control due to data reliability in the sewage treatment system active sludge process, an explanable artificial intelligence (XAI, eXplainable AI) was applied to implement neural network model for dissolved oxygen in an active sludge process. By applying four reliable items of effluent water quality to explainable artificial intelligence techniques, the input water quality items of the model were determined. Among the explainable artificial intelligence techniques, in the technique using connection strength, the concept of GAN was used to divide it into positive and negative numbers and compete with each other.
As a result, the performance of the model was maintained even though the input variables of the model were reduced from 6 to 5. The learning error and evaluation error of the final model were 0.13 and 0.20, respectively. In the case of the learning model, the error increased slightly in the evaluation model compared to the conventional method with 6 input variables, but this difference is almost meaningless in terms of the actual value of DO, so the proposed technique is much more efficient compared to reducing the input variables from 6 to 5.
As a result, the performance of the model was maintained even though the input variables of the model were reduced from 6 to 5. The learning error and evaluation error of the final model were 0.13 and 0.20, respectively. In the case of the learning model, the error increased slightly in the evaluation model compared to the conventional method with 6 input variables, but this difference is almost meaningless in terms of the actual value of DO, so the proposed technique is much more efficient compared to reducing the input variables from 6 to 5.
목차
Abstract
1. 서론
2. 하수처리시스템의 활성슬러지 공정
3. 신뢰성 있는 데이터 기반 공정 모델링
4. 설명가능한 인공지능(XAI, eXplainable AI)의 적용
5. 활성슬러지공정 신경회로망 DO 모델
6. 성능평가
5. 결론
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
XAI를 이용한 하수처리 활성슬러지공정 지능형 모델링에 관한 연구
대한전기학회 학술대회 논문집
2022 .07
-
XAI(eXplainable AI) 기반 하수처리 활성오니공정 용존산소 제어를 위한 신경회로망 모델링
전기학회논문지
2022 .08
-
XAI(eXplainable Artificial Intelligence) 알고리즘 기반 사출 공정 개선 프로세스 제안
대한산업공학회 춘계공동학술대회 논문집
2022 .06
-
설명가능한 신경회로망을 이용한 하수처리시스템의 활성슬러지 공정 최적화
전기학회논문지
2020 .12
-
설명 가능한 인공지능(XAI, eXplainable AI)를 이용한 익형 역설계 네트워크의 신뢰도 향상
한국항공우주학회 학술발표회 초록집
2021 .07
-
Explainable artificial intelligence (XAI): How to make image analysis deep learning models transparent
제어로봇시스템학회 국제학술대회 논문집
2022 .11
-
하수처리 활성오니공정 최적화를 위한 XAI(eXplainable AI) 기법 비교 분석
대한전기학회 학술대회 논문집
2021 .07
-
Evaluating Metrics for Evaluating Explainable AI (XAI) Algorithms : A Delphi Study
대한인간공학회 학술대회논문집
2024 .11
-
수처리 공정 최적화를 위한 XAI(eXplainable AI) 기법 비교 분석
전기학회논문지
2024 .10
-
[AI-10] Alzheimer's Multiclassification using Explainable AI Techniques
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2024 .01
-
AI의 전산유체해석 적용성 향상을 위한 설명가능한 인공지능(XAI)
한국전산유체공학회 학술대회논문집
2023 .05
-
빅데이터 기반 정보 구축 및 XAI를 활용한 건설 안전 예측 모델 개발
대한토목학회 학술대회
2024 .10
-
설명가능한 신경회로망을 이용한 하수처리 활성오니공정 DO 제어 방법에 관한 연구
정보 및 제어 논문집
2020 .10
-
어텐션 기반의 설명가능한 신경망을 사용한 충격파 예측
한국전산유체공학회지
2024 .09
-
일변량 시계열의 다중 특징 추출을 통한 시계열 예측 모델 설명
한국정보통신학회논문지
2023 .02
-
리조트 교차판매 예측모형 개발 및 XAI를 활용한 해석
한국지능정보시스템학회 학술대회논문집
2022 .06
-
시계열 신호 기반의 상태 진단을 위한 설명 가능한 인공지능: 시간-주파수 영역 시각화를 위한 모델 및 인터페이스
대한전자공학회 학술대회
2021 .11
-
설명 가능한 인공지능 기반 의료 AI 기술 연구 동향
대한전자공학회 학술대회
2021 .06
-
설명 가능한 인공지능의 국내외 연구동향 분석
Proceedings of KIIT Conference
2019 .06
-
불확실성 인지 주의집중 메카니즘 기반 설명가능 인공지능
정보과학회지
2019 .07
이 논문의 저자 정보
이 논문과 함께 이용한 논문
디지털교과서 플랫폼 개선 방안에 대한 연구
정의석
,
정광훈
,
송재신
정보과학회지
2009
.07
모델링에 의한 하수처리공정의 아산화질소(N₂O)배출량 비교분석: 기존산정방식 VS 모델링
안세영
,
김해림
대한환경공학회지
2023
.08
XAI를 이용한 하수처리 활성슬러지공정 지능형 모델링에 관한 연구
남의석
대한전기학회 학술대회 논문집
2022
.07
XAI(eXplainable AI) 기반 하수처리 활성오니공정 용존산소 제어를 위한 신경회로망 모델링
남의석
전기학회논문지
2022
.08
실규모 하수처리공정에서 동력학적 동특성에 기반한 인공지능 모델링 및 예측기법
김민한
,
유창규
제어로봇시스템학회 국내학술대회 논문집
2008
.10
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-560-000385430