일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |
Tags
- Ai
- 웹크롤링
- 한국전자통신연구원
- 가나다영
- hadoop
- SQLD
- ML
- 하둡
- httr
- 기계학습
- 한국전자통신연구원 인턴
- KT 에이블스쿨
- 지도학습
- kaggle
- 다변량분석
- 서평
- 빅데이터분석기사
- 에이블러
- arima
- 시계열
- SQL
- 하계인턴
- python
- 소셜네트워크분석
- 시각화
- ETRI
- kt aivle school
- 프로그래머스
- Eda
- 빅분기
- 에이블스쿨
- dx
- matplot
- 머신러닝
- cnn
- ggplot2
- KT AIVLE
- 에트리 인턴
- r
- 딥러닝
Archives
- Today
- Total
목록2024/04 (1)
소품집
Lower Upper Bound Estimation (LUBE) 결정론적 예측 구간
Prediction intervals (PI)는 point 예측과 관련된 불확실성 수준을 정량화하여 더 많은 정보를 제공할 수 있다는 점에서 제안되었는데, ref.[1]에서는 Nerual Network (NN) 기반 PI를 구축하는 방법을 최적의 조건에서 빠르게 실행할 수 있는 방법을 제안하였음. 제안된 Lower Upper Bound Estimation (LUBE) 추정 방법은 예측 구간 경계를 추정하기 위함이며, 대부분의 경우 PI 생성을 목적으로 사용되는 NN 구조에서는 PI 하한 및 상한에 각각 대응하는 단일 hidden layer와 두 개의 출력층으로 구성되고, 시뮬레이션을 통해 cost function 및 파라미터 최적화가 진행됨. Fig.19. 는 ref.[2]가 제안하는 PV 발전량 예측 ..
AI/연구한다영
2024. 4. 18. 16:12