메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제22권 제3호
발행연도
2020.1
수록면
1,055 - 1,065 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
1998년 Faraway로부터 시작된 인공신경망 모형을 이용한 시계열 예측은 최근의 딥러닝 모형에 이르기까지 활발한 연구가 진행되고 있다. 그러나 실제 시계열 데이터에 대한 예측분석가들에 있어 인공신경망의 모형 구축은 여러 가지 해결해야 하는 문제를 남겨주고 있다. 모형 구축에서 선택해야 하는 요소로 입력노드 수, 은닉 층의 수, 은닉 층내에서의 노드의 수, 출력노드 수, 활성함수의 선택, 정규화문제 등이 있으나 특히, 신경망 모형 구축에서 선택해야 하는 요소로 입력노드의 수 결정은 매우 중요한 문제이고 이에 대한 해결방안 연구가 많은 자료분석가들에 의해 진행되고 있다. 본 연구에서는 비선형 자기상관이 사라지는 시점을 추정하는 평균상호의존정보(average mutual information: AMI)를 이용하는 방법을 제안하였다. 특히 사례분석으로 한국종합주가지수인 2019년 코스피 데이터에 대해 80 : 20의 비율로 훈련용 데이터와 검증용 데이터로 분할하여 적용하였다. 그 결과 8개의 입력노드 수가 결정되었고 최적의 모형을 만들기 위해 은닉노드 수는 2개, 출력노드 수는 1개일 경우이다. 따라서 neuralnet 패키지로 신경망 모형을 예측한 결과 검증용 데이터에서 평균제곱오차가 0.002로 나타났다.
#neural network #timeseries data #average mutual information #kospi data

목차

등록된 정보가 없습니다.

참고문헌 (13)

참고문헌 신청
백광일 / 2016 / 신경망모형을 이용한 민간아파트 분양가격 보조지표에 관한 연구 / Journal of The Korean Data Analysis Society 18(3):1367~1376 dbpia Brock, W. A. / 1987 / A Test for Independence Based on the Correlation Dimension / Mimeo google schola 이창용 / 2017 / ARIMA 모형을 사용한 전력 소모량의 단기 예측에 관한 연구 / Journal of The Korean Data Analysis Society 19(3):1349~1362 dbpia Fraser, A. M. / 1986 / Independent coordinates for strange attractors from mutual information / Physical Review A 33:1134 google schola Karnin, E. D. / 1990 / A simple procedure for pruning back-propagation trained neural networks / IEEE Transactions on Neural Networks 1(2):239~245 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0