인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2025.1
- 수록면
- 14 - 20 (7page)
이용수
초록· 키워드
머신러닝 기술의 발달로 정확한 예측모델 개발은 제조기업의 품질관리, 제품수명관리 등 많은 부분에 필수적인 요소로 자리 잡고 있다. 그러나양질의 데이터를 다량으로 축적하기 힘든 분야(신소재개발 등)에 접목하는데는 한계가 있다. 이에 이전 연구에서 small-dataset 기반 예측 모델을위한 GPR-SEM 모델을 제안 하였다. 기존의 모델 적합도 지표(MSE, R² 등)는 기존 예측모델의 성능을 평가하는 데 유용하지만, GPR-SEM 모델의특성인 불확실성 정보를 충분히 반영하지 못한다는 한계점이 있다. 이에 본 연구에서는 GPR-SEM 모델을 평가하기 위해 종합적인 점수방식인GS-Score를 제안하였다. 이는 여러 평가 지표를 통합하여 모델의 전반적인 성능을 단일 점수로 표현함으로써, 모델 간 비교와 선택을 용이하게할 수 있다. 본 연구에서는 전통적 평가방법을 small-dataset 에 적용하고 GS-Score 와 비교 대조를 통해 효과를 검증해보았다. 본 연구를 통해GPR-SEM을 활용한 예측모델 개발 및 적용을 위한 객관적인 평가기준을 마련할 수 있을 것으로 기대된다.
#머신러닝
#가우시안 프로세스 회귀
#GPR-SEM
#모델 평가 방법
#소량데이터셋
#Machine Learning
#Gaussian Proces Regression
#GPR-SEM
#Model Evaluation Method
#Small-dataset
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
등록된 정보가 없습니다.
참고문헌
참고문헌 신청최근 본 자료
