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
- 2020.6
- 수록면
- 177 - 184 (8page)
이용수
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
Because the machine learning model is a black-box model, it is difficult to quantify the causality between inputs and outputs. In addition, the model is influenced by its inherent uncertainty in describing a system’s behavior of interest. In order for a machine learning model to be reliable, its prediction performance as well as uncertainty must be quantified together. Bayesian Neural Network (BNN) is a useful tool to describe stochastic characteristics of deep learning models by estimating distributions of the models’ weights. Model uncertainty in BNN can be classified into epistemic and aleatoric uncertainties. Epistemic uncertainty is caused by lack of data or knowledge. In contrast, aleatoric uncertainty is caused by outliers or noises inherent in training data and can be reduced by removing abnormal data from the training dataset. In this study, the BNN models were developed for a compression chiller in an existing office building with BEMS data, and then epistemic and aleatoric uncertainties were analyzed. It is found that both uncertainties are significant in the simulation model even though the model’s accuracy is satisfactory with the CVRMSE of less than 15%. It is suggested that before attempting to apply the machine learning model to real applications, the both uncertainties must be carefully analyzed. It is recommended that the both uncertainties can be reduced by adding more data as well as removing outliers.
목차
Abstract
1. 서론
2. 베이지안 신경망과 인식론적, 내재적 불확실성
3. 이상치 검출 방법
4. 베이지안 신경망 모델 제작
5. 결론
REFERENCES
참고문헌 (23)
참고문헌 신청
Afram, A., & Janabi-Sharifi, F. (2014). Review of modeling methods for HVAC systems. Applied Thermal Engineering. 67, pp.507-519.
Afram, A., Janabi-Sharifi, F., Fung, A. S., & Raahemifar, K. (2017). Artificial neural network based model predictive control and optimization of HVAC systems: A state of the art review and case study of a residential HVAC system. Energy and Buildings. 141, pp.96-113.
ASHRAE (2014). ASHRAE Guideline 14-2014: measurement of energy and demand savings. American Society of Heating, Refrigerating and Air-conditioning Engineers, Atlanta, GA
Barber, D., & Bishop, C. M. (1998). Ensemble learning in Bayesian neural networks. Nato ASI Series F Computer and Systems Sciences, 168, (pp. 215-238).
Blundell, C., Cornebise, J., Kavukcuoglu, K., & Wierstra, D. (2015). Weight uncertainty in neural networks. arXiv preprint arXiv:1505.05424.
Afram, A., Janabi-Sharifi, F., Fung, A. S., & Raahemifar, K. (2017). Artificial neural network based model predictive control and optimization of HVAC systems: A state of the art review and case study of a residential HVAC system. Energy and Buildings. 141, pp.96-113.
ASHRAE (2014). ASHRAE Guideline 14-2014: measurement of energy and demand savings. American Society of Heating, Refrigerating and Air-conditioning Engineers, Atlanta, GA
Barber, D., & Bishop, C. M. (1998). Ensemble learning in Bayesian neural networks. Nato ASI Series F Computer and Systems Sciences, 168, (pp. 215-238).
Blundell, C., Cornebise, J., Kavukcuoglu, K., & Wierstra, D. (2015). Weight uncertainty in neural networks. arXiv preprint arXiv:1505.05424.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
베이지안 신경망 기반 불확실성 정량화 및 분석
대한건축학회 학술발표대회 논문집
2020 .04
-
주거 건물 재실자 모델의 인식적 및 내재적 불확실성
대한건축학회 학술발표대회 논문집
2024 .10
-
이상치에 따른 불확실성에 관한 연구
한국지능시스템학회 논문지
2021 .08
-
시험장비의 특성을 고려한 진동시험결과에 대한 측정불확도 추정
한국소음진동공학회논문집
2016 .12
-
베이지안 인공신경망 기반 통계적 모델 보정 기법
대한기계학회 춘추학술대회
2022 .11
-
A survey knowledge of Bayesian network and the application of Bayesian network
한국정보과학회 학술발표논문집
2018 .12
-
방탄시험에서의 측정불확도 산출에 관한 연구
한국기계기술학회지
2020 .01
-
베이지안 추론과 정규화를 이용한 회귀 머신러닝
한국지능시스템학회 논문지
2019 .10
-
Uncertainty Quantification via Deep Ensembles
한국전산유체공학회 학술대회논문집
2022 .10
-
베이지안 심층 신경망 기반 스마트 플러그 데이터를 활용한 재실자 예측 및 불확실성 정량화
한국통신학회 학술대회논문집
2023 .06
-
베이지안 신경망을 이용한 중요도 기반 전이 강화 학습
제어로봇시스템학회 국내학술대회 논문집
2022 .06
-
베이지안 신경망을 활용하는 온라인 이미지 인식을 통한 순차 추정
한국정보과학회 학술발표논문집
2016 .06
-
Bayesian Calibration for Uncertainty Reduction of Static and Dynamic Predictive Models
대한기계학회 춘추학술대회
2022 .05
-
Archetype Modeling Uncertainty and Bayesian Calibration for Campus-scale Analysis of Seoul National University Buildings Energy Use
KIEAE Journal
2022 .04
-
Uncertainty-Aware Soft Sensor Using Bayesian Recurrent Neural Networks
대한산업공학회 추계학술대회 논문집
2020 .11
-
Quantification of predicted uncertainty for a data-based model
Nuclear Engineering and Technology
2021 .03
-
Application of Deep Ensembles to Quantifying Predictive Uncertainty in Aerodynamic Data
한국항공우주학회 학술발표회 초록집
2022 .04
-
인신론적 불확실성을 고려한 신뢰성 해석
대한기계학회 춘추학술대회
2015 .04
-
베이지안 신경망을 이용한 순차적 다중작업 학습 최적화
정보과학회 컴퓨팅의 실제 논문지
2018 .05
-
건물에너지 평가를 위한 베이지안 회귀의 Change-point model 적용
대한건축학회 학술발표대회 논문집
2020 .04
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-540-000910939