예술가와 그의 일생은 공적 영역에 속한다고 생각한다. 그래서 그의 일생은 역시 사려 깊개 다루어져야 한다. 이점에 있어 브랜다 매독스의 책 󰡔예이츠의 영혼: W.B. 예이츠의 내밀한 생활󰡕(뉴욕: 하퍼콜린사, 1999년)은 약간의 문제를 야기한다. 이 책은 그러나 예이츠학문에 기여하는 바가 상당히 큰 것 같다. 이 책은 한 예술가의 생활에서 비밀스러운 것을 알고자 하는 일반 독자들의 호기심을 자극하고 즐겁게 만들 일에도 집중하는 것 같다. 지난 수십 년 간은 일개인의 사생활에 대한 사람들의 태도변화가 있었고 어떤 것도 숨기지 않고 들추어낸다. 그렇지만 이 두 사람의 개인사를 이야기하면서 저자 메독스는 자신이 무엇에 대해 저술하고 있는 지, 더구나 이 두 사람의 이미지에 손상이 가는 것이 무엇일까에도 주의했어야 하지 않을까 생각한다. 조지 예이츠의 그림은 우스꽝스럽고, 예이츠의 그림은 더욱 그렇다. 반면에, 이 책의 장점을 지적한다면, 이 책을 천천히 읽으면, 색인이 보여주듯이 얻는 게 많을 것이다. 즉, 예이츠부부가 자동기술 때 등장하는 넋(컨트롤)의 이름이 모두 섬세하게 정리되어 있다. 그리고 예이츠가 관계를 맺었던 모든 여성들이 (이 책이 전기이기 때문에) 주의 깊게 색인으로 정리되어 있다. 그리고 색인에는 많은 시와 극 등 작품들이 정리되어 있는데 예이츠의 생애의 흐름에 따라 맥락으로 사용되고 있다.

단평

In this paper, we propose an Elman recurrent neural network to predict and analyze a time series of gas energy consumption in an air handling unit. To this end, we consider the volatility of the time series and demonstrate that there exists a correlation in the time series of the volatilities, which suggests that the gas consumption time series contain a non-negligible amount of the non-linear correlation. Based on this finding, we adopt the Elman recurrent neural network as the model for the prediction of the gas consumption. As the simplest form of the recurrent network, the Elman network is designed to learn sequential or time-varying pattern and could predict learned series of values. The Elman network has a layer of “context units” in addition to a standard feedforward network. By adjusting two parameters in the model and performing the cross validation, we demonstrated that the proposed model predicts the gas consumption with the relative errors and the average errors in the range of 2%~5% and 3kWh~8kWh, respectively. The results of this study can be used to the energy management system in terms of the effective control of the cross usage of the electric and the gas energies.

In this paper, we propose an Elman recurrent neural network to predict and analyze a time series of power energy consumption. To this end, we consider the volatility of the time series and apply the sample variance and the detrended fluctuation analyses to the volatilities. We demonstrate that there exists a correlation in the time series of the volatilities, which suggests that the power consumption time series contain a non-negligible amount of the non-linear correlation. Based on this finding, we adopt the Elman recurrent neural network as the model for the prediction of the power consumption. As the simplest form of the recurrent network, the Elman network is designed to learn sequential or time-varying pattern and could predict learned series of values. The Elman network has a layer of “context units” in addition to a standard feedforward network. By adjusting two parameters in the model and performing the cross validation, we demonstrated that the proposed model predicts the power consumption with the relative errors and the average errors in the range of 2%~5% and 3kWh~8kWh, respectively. To further confirm the experimental results, we performed two types of the cross validations designed for the time series data. We also support the validity of the model by analyzing the multi-step forecasting. We found that the prediction errors tend to be saturated although they increase as the prediction time step increases. The results of this study can be used to the energy management system in terms of the effective control of the cross usage of the electric and the gas energies.