연구동향 분석

SVR과 LSTM 모형의 토양습도 예측력 비교분석

최수훈 이상현 김민수 2019년

논문상세정보
인용/피인용
' SVR과 LSTM 모형의 토양습도 예측력 비교분석' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • LSTM.
  • prediction of soil humidity
  • rnn
  • svr
  • 서포트벡터 회귀분석
  • 순환 신경망
  • 장단기 메모리.
  • 토양습도 예측
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
268 0

0.0%

' SVR과 LSTM 모형의 토양습도 예측력 비교분석' 의 참고문헌

  • 의사결정나무 분류와 인공신경망을 이용한 토양수분 산정모형 개발
    김광섭 [2011]
  • 영상처리와 딥러닝 기법을 사용한 채소의 등급별 자동 분류시스템 개발
    김준기 [2019]
  • 순환신경망 모형을 활용한 시계열 비교예측
    김종화 [2019]
  • 수문기상자료를 이용한 설마천의 토양수분 예측
    주재영 [2010]
  • 과거시차를 고려한 지지벡터 회귀모형에 기반한 서울지역 가뭄예측
    장다슬 [2017]
  • “사용자 성향 그룹 분류를 위한 머신러닝 모델 비교”
    남승현 [2017]
  • https://keras.rstudio.com/
  • https://cran.r-project.org/web/packages/e1071/index.html
  • Support-vector networks
    Vapnik, V. [1995]
  • Support vector regression machines
    Drucker, H. [1997]
  • Soil moisture-temperature relationships : results from two field experiments
    Lakshmi, V. [2003]
  • Soil moisture prediction using support vector machines
    Gill, M. K. [2006]
  • RNN과 LSTM을 이용한 주가 예측율 향상을 위한 딥러닝 모델
    신동하 [2017]
  • Pattern Recognition
    Oh, I. S. [2008]
  • Long short-term memory
  • Hands-on machine learning with scikit-learn & tensorflow
    Géron, A. [2017]