• 전체
  • 전자/전기
  • 통신
  • 컴퓨터
닫기

사이트맵

Loading..

Please wait....

국내 학회지

홈 홈 > 연구문헌 > 국내 학회지 > 데이터베이스 연구회지(SIGDB)

데이터베이스 연구회지(SIGDB)

Current Result Document : 912 / 912

한글제목(Korean Title) 화재 예측을 위한 퍼셉트론 기반 가중 유클리디안 거리함수의 최적화
영문제목(English Title) Perceptron-based Optimization of the Weighted Euclidean Distance Function for Fire Prediction
저자(Author) 하상원   김한준   Sang-won Ha   Han-joon Kim  
원문수록처(Citation) VOL 34 NO. 01 PP. 0080 ~ 0090 (2018. 04)
한글내용
(Korean Abstract)
본 논문은 건축물의 건축 관련 정보를 가진 건축물 대장, 건축물이 속한 지역의 행정데이터, 건축물의 에너지 사용량 데이터를 바탕으로 화재건축물과 유사한 건축물을 찾는 거리함수의 가중치(Weight)를 퍼셉트론 (Perceptron)을 이용해 학습하는 방법을 제안한다. 화재 데이터의 경우, 속성의 종류가 다양하고 속성 값들의 스케일(Scale)의 차이가 커 속성의 중요도를 반영하지 않은 유클리디안 거리함수(Euclidean Distance Function)를 사용하는 것은 적절하지 않다. 따라서 가중 유클리디안 거리함수(Weighted Euclidean Distance Function)를 사용해 거리를 측정한다. 가중 유클리디안 거리함수의 가중치는 각 속성의 속성중요도(Feature Importance)에 따라 부여하거나, 사용자가 임의로 부여한다. 본 논문은 사용자의 가중치 설정 과정 없이 퍼셉트론 학습으로 얻어진 가중치를 거리함수의 가중치로 사용함으로써 화재 건물의 탐지가 가능함을 보인다.
영문내용
(English Abstract)
In this work, we propose a method of learning the weights of weighted Euclidean distance function using perceptron learning for fire prediction. In our work, the data used to fire prediction include building data, regional administration data and energy consumption data. When locating fire buildings with distance functions, it is not appropriate to adopt Euclidean distance function with no weights; this is because fire data has various types of features and large difference in scales of feature values. Thus our fire prediction method measures distances between two buildings using weighted Euclidean distance function. The weights of weighted Euclidean distance function can be given according to the feature importance, not depending upon user input. Our experimental result shows that it is possible to locate fire-risk building by using weights obtained by the perceptron learning.
키워드(Keyword) 기계 학습   거리함수   가중치 학습   인공신경망   machine learning   distance function   weight learning   neural network  
파일첨부 PDF 다운로드