KCI등재
SCOPUS
서포트 벡터 회귀를 이용한 블랙-박스 함수의 최적화 = Using Support Vector Regression for Optimization of Black-box Objective Functions
저자
곽민정 (평택대) ; 윤민 (부경대학교) ; Kwak, Min-Jung ; Yoon, Min
발행기관
학술지명
권호사항
발행연도
2008
작성언어
Korean
주제어
등재정보
KCI등재,SCOPUS,ESCI
자료형태
학술저널
발행기관 URL
수록면
125-136(12쪽)
제공처
소장기관
많은 실제적인 공학 설계문제에 있어서, 목적함수의 형태는 설계변수들에 의하여 정확하게 주어지지 않는다. 이러한 환경 하에서, 구조해석, 유체 역학 해석, 열역학 분석과 같은 등과 같은 문제에서 설계변수들의 값이 주어졌을 때 목적함수들의 값은 실제 실험이나 계산상의 실험을 통하여 얻어지게 된다. 일반적으로, 이러한 실험들은 많은 비용이 든다. 이런 경우에는 실험의 횟수를 가능한 적게 하기위하여, 목적함수의 형태를 예측하는 것과 병행하여 최적화를 수행하게 된다. 반응표면분석(Response Surface Methodology, RSM)은 이러한 접근 방법에서 잘 알려져 있다. 본 논문에서는 목적함수의 예측을 위하여 서포트 벡터 기계(Support Vector Machines, SVM)의 방법을 적용할 것이다. 이러한 접근에서 가장 중요한 과제들 중의 하나는 가능한 실험의 횟수를 적게 하기 위하여 적절하게 표본자료들을 배치하는 것이다. 이러한 목적에 서포트 벡터의 정보들이 효과적으로 사용되어짐을 보이고 제안한 방법의 효율성은 공학 설계문제에서 잘 알려진 수치 예제를 통하여 보인다.
더보기In many practical engineering design problems, the form of objective functions is not given explicitly in terms of design variables. Given the value of design variables, under this circumstance, the value of objective functions is obtained by real/computational experiments such as structural analysis, fluid mechanic analysis, thermodynamic analysis, and so on. These experiments are, in general, considerably expensive. In order to make the number of these experiments as few as possible, optimization is performed in parallel with predicting the form of objective functions. Response Surface Methods (RSM) are well known along this approach. This paper suggests to apply Support Vector Machines (SVM) for predicting the objective functions. One of most important tasks in this approach is to allocate sample data moderately in order to make the number of experiments as small as possible. It will be shown that the information of support vector can be used effectively to this aim. The effectiveness of our suggested method will be shown through numerical example which is well known in design of engineering.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)