Design of plastic waste classifier using Elastic Net : Comparative Studies
Jae-Won Jeong, Kun Zhou, Sung-Kwun Oh, Byung-Gun Ryu · Journal of Korean institute of intelligent systems · 2021
본 논문에서는 Elastic Net을 이용한 RBFNN 분류기의 설계를 비교 연구한다. Elastic Net은 변수 선택이 데이터에 너무 의존해 불안정할 수 있다는 LASSO를 비판한 결과로 등장했다. 그러나 Ridge는 변수 선택을 하지 않으며 최종 모델에서 사용 가능한 모든 변수가 유지된다. 해결책은 Ridge와 LASSO의 페널티 항을 결합하여 두 regression의 장점을 최대한 활용하는 것이다. 이는 Elastic Net이 두 페널티의 균형을 유지하므로 이러한 문제에서 둘 중 하나의 페널티항만 있는 모델보다 더 나은 성능을 얻을 수 있다. 기존 RBFNN 분류기와 본 논문에서 제안한 분류기의 분류율을 비교하여 성능의 우수성을 입증하였다. 데이터 가공 상태에 따라 3가지 케이스로 나누어 비교하였다. 첫 번째는 전체 입력변수를 99개로 줄인 데이터이다. 두 번째는 재질별 화학적 피크치를 설정해 입력변수를 99개로 만든 데이터이다. 세 번째는 두 번째 데이터를 33개로 줄인 데이터이다.