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
질문

논문 기본 정보

자료유형
학술저널
저자정보
장대흥 (부경대학교) 하일도 (부경대학교) 박동준 (부경대학교) 박인호 (부경대학교) 이승재 (부경대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제31권 제6호
발행연도
2020.11
수록면
1,009 - 1,020 (12page)
DOI
10.7465/jkdi.2020.31.6.1009

이용수

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

초록· 키워드

오류제보하기
고차원 자료는 관측값의 개수보다 변수의 개수가 과다하게 많은 것이 특징이다. 예측분석에서는 회귀분석 시 설명변수 사이의 다증공선성 문제 및 최소제곱추정량의 계산 문제를 해결하기 위하여 전통적인 변수선택 방법이나 벌점회귀를 주로 사용한다. 본 연구에서는 고차원 자료에 대한 딥러닝 회귀 및 분류문제에서 이러한 변수선택 방법이나 벌점회귀를 사용하는 것이 모형 평가 측도 및 학습 수행 완료 시간에 어떠한 영향을 주는지를 평가하였다.
#고차원 자료 #딥러닝 #벌점회귀 #변수선택 #Deep learning #high-dimensional data #penalized regression #variable selection

목차

요약
1. 서론
2. 고차원 자료를 통한 딥러닝 회귀 및 분류문제에서 변수선택 방법이나 벌점회귀의 사용
3. 결론 및 향후 과제
References
Abstract

참고문헌 (13)

참고문헌 신청
안치경 / 2018 / 혼합정규분포를 가정한 조건부 상호정보의 준모수적추정량을 이용한 고차원 자료에서의 변수선택 / 한국데이터정보과학회지 29(6):1339~1351 dbpia 안소진 / 2017 / 고차원 자료에서 영향점의 영향을 평가하기 위한 그래픽 방법 / 한국데이터정보과학회지 28(6):1291~1300 dbpia Alon, U. / 1999 / Broad patterns of gene expression revealed by clustering analysis of tumor and normal colon tissues probed by oligonucleotide arrays / Proceedings of the National Academy of Sciences USA 96:6745~6750 google schola Fan, J. / 2001 / Variable selection via nonconcave penalized likelihood and its oracle properties / Journal of the American Statistical Association 96:1348~1360 google schola Fan, J. / 2008 / Sure independence screening for ultra-high dimensional feature space / Journal of the Royal Statistical Society Series B 70:849~911 google schola

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

빅데이터와 통계학
김용대 ,  조광현 한국데이터정보과학회지 2013 .10
빅 데이터와 통계학, 그 연결은?
전성혜 ,  최준혁 한국지능시스템학회 학술발표 논문집 2014 .04
빅데이터의 분야별 활용사례
김동완 경영논총 2013 .12
딥러닝 기반 LSTM 모형에 기초한 자기상관 공정의 모니터링 절차
이수정 ,  이재헌 한국데이터정보과학회지 2022 .03
텍스트마이닝을 이용한 무기체계 비정형 데이터 분석
김근형 ,  양성모 ,  강지훈 외 2명 신뢰성응용연구 2020 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-041-000080305