KCI등재
Optimization of Grey Neural Network Model Based on Mind Evolutionary Algorithm = Mind Evolutionary Algorithm을 이용한 최적화된 회색 신경망모형의 측정에 관한 연구
저자
Zhang, Yong-Li(장영예) ; Na, Sang-Gyun(나상균) ; Wang, Bao-Shuai(왕바오슈아이) 연구자관계분석
발행기관
학술지명
권호사항
발행연도
2017
작성언어
English
주제어
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
1407-1427(21쪽)
KCI 피인용횟수
0
제공처
회색신경망모형은 제품의 주문 수량을 예측할 때 소 표본과 정보부족 등의 문제를 해결하는데 유용하게 사용할 수 있지만, 예측 시 무작위로 파라미터를 초기화하면 예측정확도가 낮아지는 단점이 있다. 따라서 본 연구에서는 전통적인 회색신경망모형의 단점을 보완하기 위해서 MEA(Mind Evolution Algorithm)를 적용한 최적화된 회색 신경망모형을 제시하였다.
본 연구 결과는 다음과 같다. 제품의 주문수량을 예측하기 위해서 MEA(Mind Evolution Algorithm)를 이용한 최적화된 회색신경망모형, PSO(Particle Swarm Optimization)를 이용한 최적화된 회색신경망모형, GA(Genetic Algorithm)을 이용한 최적화된 회색신경망모형, BP(Back Propagation)을 이용한 회색신경망모형에 대해 비교분석을 하였다. 분석결과를 보면, MEA(Mind Evolution Algorithm)를 이용한 최적화된 회색신경망모형의 예측 총오차 4457.6000, 평균루트오차 920.7372, 평균오차백분율 4.04%, 운영시간은 1.1509초로 분석되었다. 선행연구에서 제시한 가장 우수한 PSO(Particle Swarm Optimization)를 이용한 최적화된 회색 신경망모형 보다, MEA(Mind Evolution Algorithm)를 이용한 최적화된 회색신경망모형의 예측 총 오차가 16.12%, 평균루트오차 12.39%, 평균오차백분율 16.87%가 감소되어, 결과적으로 운영시간이 감소되면서 계산속도가 21.61%가 증가 되었다. 따라서 다른 지능알고리즘과 비교하면, MEA(Mind Evolution Algorithm)를 이용한 최적화된 회색신경망모형은 최고의 예측 정확도와 계산속도가 높다는 장점을 보유하고 있다. 따라서 기업에서 제품의 주문 수량을 예측할 때 소 표본과 정보부족 등의 문제가 발생할 경우, 최적화된 회색신경망모형을 이용하는 것이 필요하다.
For the problem of randomized parameters and large error, the grey neural network model optimized by mind evolutionary algorithm(MEA-GNNM) was presented. The experiment results showed that the total error, root mean square error, mean percentage error, and running time of MEA-GNNM were 4457.6000, 920.7372, 4.04% and 1.1509 seconds; Compared with GA-GNNM, the total error, root mean square error and mean percentage error of MEA-GNNM had decreased by 16.12%, 12.39% and 16.87%, and the calculation speed increased by 21.61%. Compared with PSO-GNNM, the total error, root mean square error and mean percentage error of MEA-GNNM had decreased by 9.13%, 11.33% and 12.17%, but running time increased by 104.50%. The paper presents a new approach to optimize the parameters of grey neural network model, and also provides a new method having higher prediction accuracy for the time series prediction.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2027 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2021-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2018-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2015-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2011-01-01 | 평가 | 등재 1차 FAIL (등재유지) | KCI등재 |
2010-01-20 | 학회명변경 | 영문명 : Korean Industrial Economics Association -> Korean Industrial Economic Association | KCI등재 |
2009-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-02-28 | 학술지명변경 | 외국어명 : Review of Business & Economics -> Journal of Industrial Economics and Business | KCI등재 |
2006-06-15 | 학회명변경 | 영문명 : Korean Industrial Economics Association -> Korean Industrial Economic Association | KCI등재 |
2006-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2005-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2003-07-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.81 | 0.81 | 0.9 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.95 | 0.97 | 1.238 | 0.24 |
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)