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
- 학위논문
- 저자정보
- 지도교수
- 박철수
- 발행연도
- 2020
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
기계학습 모델은 입출력 변수 사이 관계를 학습하는 통계적 모델로, 건물에너지 시뮬레이션 분야에서 다양한 목적으로 활용되고 있다. 하지만, 기계학습 모델은 예측 결과에 대한 불확실성이 존재할 수 있으며, 이러한 불확실성을 정량적으로 파악하지 않은 채 모델을 사용하는 것은 위험이 따를 수 있다. 베이지안 신경망은 신경망 가중치에 대한 확률적 해석을 통해, 기계학습 모델에 내재된 불확실성을 정량적으로 평가할 수 있다는 장점이 있다. 본 연구에서는 베이지안 신경망을 이용하여, 기계학습 모델에 내재된 불확실성을 정략적으로 평가하고 훈련데이터의 양적, 질적 품질에 의한 두 가지 불확실성(인식론적 및 내재적 불확실성)의 변화를 확인하였다. 분석결과, 검증기간에 대한 모델의 예측 성능과는 별개로 내재한 불확실성의 크기는 모두 달랐으며, 훈련데이터를 추가하거나 훈련데이터 내의 이상치를 제거함으로써 인식론적, 내재적 불확실성을 줄일 수 있었다.
목차
제 1 장 서론 11.1 연구 배경 및 목적 11.2 연구 범위 및 방법 5제 2 장 베이지안 신경망과 모델 불확실성 72.1 베이지안 신경망 개요 72.2 베이지안 신경망 및 변분추론 82.2.1 관련 연구 82.2.2 변분추론 102.2.3 재매개변수화(re-parametrization trick) 112.3 드랍아웃 신경망 132.4 모델 불확실성 152.5 이상치 검출 알고리즘 182.5.1 BEMS 데이터 이상치 검출의 쟁점 182.5.2 Support Vector Data Description 21제 3 장 BEMS 데이터 분석 및 이상치 검출 263.1 대상 건물 및 시스템 263.2 BEMS 데이터 분석 283.3 이상치 검출 결과 31제 4 장 베이지안 신경망 모델 제작 및 불확실성 분석 344.1 베이지안 신경망 모델 제작 및 검증 344.2 모델 불확실성 분석 38제 5 장 결론 49참고문헌 51Abstract 54
최근 본 자료
댓글(0)
0