연구동향 분석

딥러닝 및 관련 기법을 활용한 철근 가격 장단기예측 = Long and Short Term Prediction of Rebar Price Using Deep learning and Related Techniques

이용성 2022년

논문상세정보
인용/피인용
' 딥러닝 및 관련 기법을 활용한 철근 가격 장단기예측 = Long and Short Term Prediction of Rebar Price Using Deep learning and Related Techniques' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • 딥 러닝
  • 반복적 예측
  • 순환 신경망
  • 양방향 신경망
  • 장단기 메모리
  • 철근 가격예측
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
2,054 0

0.0%

' 딥러닝 및 관련 기법을 활용한 철근 가격 장단기예측 = Long and Short Term Prediction of Rebar Price Using Deep learning and Related Techniques' 의 참고문헌

  • 딥러닝이란 무엇인가?
    Tensorflow. org, https: //tensorflow.blog/케라스-딥러닝/1-딥러닝이란-무엇인가/. [2021]
  • 『초기 설계단계의 공사비 예측 및 관리에 대한 실증 분석』
    박재형 한 양대학교 공학대학원, 석사학위논문 [2018]
  • 『인공신경망을 이용한 압축지수 예측』
    마상완 경북대학교 산업대학원, 석사학위논문 [2007]
  • 『인공신경망을 이용한 실트의 비배수 전단거동 예측』
    손창우 경북대학 교 대학원, 석사학위논문 [2004]
  • 『인공신경 회로망을 이용한 암반터널 설계 전문가 시스템의 개 발』
    이철욱 한양대학교 대학원, 석사학위 논문 [1993]
  • 『영상 분류를 위한 데이터 특징 커버리지 기반 심층학습 모델 검증 기법』
    임창남 아주대학교 대학원, 석사학위논문 [2021]
  • 『딥러닝 기법을 활용한 매립가스 발전소의 메탄가스 농도 및 전 력생산량 예측』
    원승현 서울과학기술대학교, 박사학위논문 [2018]
  • 『디지털 이미지를 이용한 딥러닝 기반 흙의 물리적 특성 예측』
    김동근 서울대학교 대학원, 박사학위논문 [2020]
  • 『건설 자재 원가 상승과 대응 방안』
    권오현 최민수 건설산업동향, pp. 2-34 [2008]
  • 『[EU] 다보스포럼: 다가오는 4차 산업혁명에 대한 우리의 전략은?』
    장필성 과학기술정책, 26.2, pp. 12-15, 2016 [2016]
  • 『LSTM과 양방향 순환신경망을 이용한 주가 예측모델 비교연 구』
    이종혁 서울과학기술대학교 일반대학원, 석사학위논문 [2019]
  • 『LSTM 주가 예측의 후행성 문제 해결에 관한 연구』
    권성혁 국민대학 교 비즈니스 IT 전문 대학원, 석사학위논문 [2021]
  • 『A study of cross-validation and bootstrap for accuracy es timation and model selection』
    Kohavi , R. Vol.14 ( 2 ) [1995]
  • 「회귀분석을 이용한 교육시설의 공간 계획에 따른 공사비 예측 모델에 관한 연구」
    김재준 김주형 김진원 이백래 『대한건축학회 논문집 – 계획계』, 제27권, 10호, pp. 103-110 [2011]
  • 「합성 곱 신경망 기반 웹 응용 트래픽 분류 모델 설계」
    김명섭 문호원 백의준 신무곤 지세현 채병민 『한국통신학회논문지』, 제44권, 6호, pp. 1113-1120 [2019]
  • 「하계 전력수요 예측을 위한 딥러닝 입력 패턴에 관 한 연구」
    김창복 신동하 『한국정보기술학회논문지』, 제14권, 11호, pp. 127-134 [2016]
  • 「플랜트 구매조달 및 자재관리 시스템 개발 요구사항 분석을 통한 개발 방향 제시」
    김선국 이승현 이준복 한충희 『한국건설관리학회학술대 회논문집』, pp. 204-209 [2006]
  • 「인공지능 기술과 주요 적용 산업 동향」
    정동규 『한국정보기술학회 지』, 제15권, 2호, pp. 21-28 [2017]
  • 「시계열 교차검증을 통한 설명 가능한 전력수요 예측 기법」
    김현우 문지훈 박성우 황인준 『한국정보과학회 학술발표논문집』, pp. 311-313 [2019]
  • 「시간별 LSTM 기법을 이용한 단기풍력발전 예측」
    이송근 최준영 『전기학회논문지』, 제69권, 6호, pp. 759-764 [2020]
  • 「순환신경망을 활용한 콘크리트궤도의 장기 침하 거동 예측」
    김준영 우상인 이수형 최영태 『한국지반공학회논문집』, 제36권, 3호, pp. 5-14 [2020]
  • 「서포트 벡터 회귀분석을 이용한 공동주택 공사비 예 측에 관한 연구」
    김광희 박우열 『대한건축학회 논문집 – 구조계』, 제23권, 4호, pp. 165-172 [2007]
  • 「비트코인 트랜잭션 수 예측을 위한 LSTM 학습데이터 선택기법」
  • 「머신러닝을 이용한 철광석 가격 예측 에 대한 연구」
    김양석 김정민 이우창 이충권 『한국산업정보학회논문지』, 제25권, 2호, pp. 57-72 [2020]
  • 「머신 러닝 방법과 시계열 분석 모형을 이용한 부동산 가격지수 예측」
    배성완 유정석 『주택연구, 제26권, 1호, pp. 107-133 [2018]
  • 「딥러닝의 반복적 예측방법을 활용한 철근 가격 장기 예측에 관한 실험적 연구」
    김경환 이용성 『한국건설관리학회 논문집』, 제22권, 3호, pp. 21-30 [2021]
  • 「딥러닝을 이용한 재실정보 기반 건물의 전기 수요 예측 모델」
    공민석 김의종 신영기 이경호 전병기 『설비공학논문집』, 제31권, 1호, pp. 22-31 [2019]
  • 「딥러닝을 이용한 스마트 교육시설 공사비 분 석 및 예측」
    권오빈 손재호 정승현 『교육시설 논문지』, 제25권, 6호, pp. 35-44 [2018]
  • 「딥러닝을 위한 경사하강법 비교」
    강민제 『한국산학기술학회논문지』, 제21권, 2호, pp. 189-194 [2020]
  • 「딥러닝 신경망을 이용한 신용카드 부도위험 예측의 효용성 분 석」
    윤종문 『한국금융연구원:금융연구』, 제33권, 1호, pp. 151-183 [2019]
  • 「기후 및 계절 정보를 이용한 딥러닝 기반의 장기간 태양광 발전량 예측 기법」
    김관호 이동훈 『한국전자거래학회지』, 제24권, 1호, pp. 1-16 [2019]
  • 「기상상태 변동성을 고려한 LSTM 기반 태양광 발전량 예측」
    김민석 김백천 김종근 이한수 정승환 『한국지능시스템학회』, 제30권, 1 호, pp. 7-12 [2020]
  • 「기상 데이터를 활용한 LSTM 기반 미세먼지 농도 예측 방법 비교」
    서양모 염재홍 『한국측량학회 학술대회자료집』, pp. 117-120 [2019]
  • 「교차검증과 SVM을 이용한 도시침수 위험기준 추정 알고리즘 적용성 검토」
    강호성 이한승 조재웅 황정근 『한국수자원학회논문집』, 제52 권, 12호, pp. 963–973 [2019]
  • 「건설자재 가격 변동에 따른 공동주택 분양가 변화 분석」
    박봉운 임하경 최열 『대한토목학회지』, 제29권, 6호, pp. 753-760 [2009]
  • 「건설공사 공사비 예측 및 관리기술 발전방향: 호주 사례를 중심으로」
    박문서 윤유상 이현수 지세현 『한국건설관리학회논문집』, 제9권, 2 호, pp. 170-181 [2008]
  • 「건설 현장 자재수요 변동을 고려한 주문시점 산정 방법」
    김창덕 유정호 이광재 이재명 임병수 『대한건축학회 논문집』, 제24권, 10호, pp. 117-125 [2008]
  • 「LSTM 인공신경망을 이용한 중국 주가 예측」
    김상욱 이발엽 『동 북아경제연구』, 제32권, 2호, pp. 61-84 [2020]
  • 「Clustering of time series data ? a survey」 , 『Pattern rec ognition』
    Liao , T. W. Vol.38 ( 11 ) , pp . 1857-1874 [2005]
  • Zhang. Z., Wang. Y., Chen. P., Yu. G., 「Applicetion of long short-ter m memory neural network for multi-step travel time forecasting on ur ban expressways」, 『In CICTP 2017: Transportetion Reform and Cha nge—Equity, Inclusiveness, Sharing, and Innovetion, American Society of Civil Engineering』, pp. 444-454, 2018.
    [2018]
  • Yadav, S., & Shukla, S., 「Analysis of k-fold cross-validation over hol d-out validation on colossal datasets for quality classification」, 2016 I EEE 6th International conference on advanced computing (IACC), IEE E, 2016.
    [2016]
  • Willmott, C. J., & Matsuura, K., 「Advantages of the mean absolute er ror (MAE) over the root mean square error (RMSE) in assessing aver age model performance」, 『Climate research』, Vol.30.1, pp. 79-82, 200 5.
  • Tensorflow.org, tf.keras.callbacks.EarlyStopping, accessed Sep 27, 2021, https://www.tensorflow.org/api_docs/python/tf/keras/callbacks/EarlyStop ping
    [2021]
  • Tensorflow.org, Overfitting and underfitting, accessed March 16, 2021, https://www.tensorflow.org/tutorials/keras/overfit_and_underfit.stand.
  • Taieb, S., Sorjamaa, A., & Bontempi, G., 「Multiple-output modeling fo r multi-step-ahead time series forecasting」, 『Neurocomputing』, Vol. 73(10-12), pp. 1950-1957, 2010.
    [2010]
  • Srivastava. N., Hinton. G., Krizhevsky. A., Sutskever. I., & Salakhutdin ov. R., 「Dropout: a simple way to prevent neural networks from overf itting」, 『The journal of machine learning research』, Vol.15.1, pp. 19 29-1958, 2014.
    [2014]
  • Some studies in machine learning using the game of checkers
    Samuel , A. L. Vol.3 ( 3 ) , pp . 210-229 [1959]
  • Scikit-learn.org, sklearn.model_selection.TimeSeriesSplit, accessed Sep 2 7, 2021, https://scikit-learn.org/stable/modules/generated/sklearn.model_s election.TimeSeriesSplit.html
    [2021]
  • Schuster, M., & Paliwal, K. K., 「Bidirectional recurrent neural networ ks」, 『IEEE Trans Signal Process』, pp. 2673-2681, Vol.45, 1997.
    [1997]
  • Rumelhart, D., Hinton, G. & Williams, R., 「Learning internal represent ations by error propagation」, (No. ICS-8506), California Univ San Die go La Jolla Inst for Cognitive Science, (No. ICS-8506), pp. 318-362, 19 85.
  • Pawar, K., Jalem, R. S., & Tiwari, V.,「Stock market price prediction using LSTM RNN」,『In Emerging Trends in Expert Applications and Security』, Springer, Singapore, pp. 493-503, 2019.
    [2019]
  • Olson, D. L., & Delen, D,,『Advanced data mining techniques』, Spring er-Verlag, Berlin Heidelberg, 2008.
    [2008]
  • Mou. L., Zhao. P. & Chen. Y., 「Short-term traffic flow prediction: A l ong short-term memory model enhanced by temporal informetion」, 『I n CICTP』, pp. 2411-2422, 2019.
    [2019]
  • LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P., 「Gradient-based lear ning applied to document recognition」, 『Proceedings of the IEEE』, Vol.86(11), pp. 2278-2324, 1988.
    [1988]
  • Lahari, M., Ravi, D.H., & Bharathi, R.,「Fuel Price Prediction Using R NN」, 『In 2018 International Conference on Advances in Computing, Communications and Informatics (ICACCI)』, IEEE, pp. 1510-1514, 201 8.
  • Jang. Y., Jeong. I. & Cho. Y., 「Business failure prediction of construct ion contractors using a LSTM RNN with accounting, construction mar ket, and macroeconomic variables」,『Journal of Management in Engine ering』, Vol.36(2), 04019039, 2020.
    [2020]
  • Howard, R., & Matheson, J.,「Influence diagram retrospective」, 『Deci sion Analysis, 』, vol. 2.3, pp. 144-147, 2005.
    [2005]
  • Hochreiter, S., & Schmidhuber, J., 「Long short-term memory」, 『Ne ural computation』, Vol.9(8), pp. 1735-1780, 1997.
    [1997]
  • Hira, N. A., & Walter, J. C., 『Estimating: from Concept to Completio n』, Prentice Hall Inc, 1988.
    [1988]
  • Gao, X., Shi, M., Song, X., Zhang, C., & Zhang, H., 「Recurrent neural networks for real-time prediction of TBM operating parameters」, 『A utomation in Construction』, Vol.98, pp. 225-235, 2019.
    [2019]
  • Claesen, M., & De Moor, B.,「Hyperparameter search in machine learni ng」, arXiv preprint arXiv:1502.02127, 2015.
    [2015]
  • Chen, X., Wei, L., & Xu, J.,「House price prediction using lstm」,『arX iv preprint arXiv:1709.08432』, 2017.
    [2017]
  • Cen, Z., & Wang, J., 「Crude oil price prediction model with long shor t term memory deep learning based on prior knowledge data transfe r」, 『Energy』, Vol.169, pp. 160-171, 2019.
    [2019]
  • Bergstra, J., & Bengio, Y., 「Random search for hyper-parameter opti mization」, 『The Journal of Machine Learning Research』, Vol.13(1), pp. 281-305, 2012.
    [2012]
  • 1-5-테스트와-검증
    Tensorflow.org, https://w ww.tensorflow.blog/핸즈온-머신러닝-1장-2장/1-5-테스트와-검증 [2021]
  • "양방향 LSTM 순환신경망 기반 주가예측모델"
    주일택 최승호 『한국정보전자통신기술학회논문지』, 제11권, 2호, pp. 204-208 [2018]