인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
- 학위논문
- 저자정보
- 지도교수
- 박재민
- 발행연도
- 2018
- 저작권
- 건국대학교 논문은 저작권에 의해 보호받습니다.
이용수7
초록· 키워드
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
기술이 본질적으로 지니고 있는 동적인 속성은 예측을 어렵게 만든다. 특히 혁신에 대한 예측의 경우 기술의 동적인 측면에 집중하는 개념이기 때문에 더욱 어려운 일이다. 하지만 혁신의 예측에 대한 시도는 충분히 가치가 있는데, 예측에 대한 시도를 통해 불확실성을 계산된 위험(calculated risk)로 전환할 수 있기 때문이다. 이에 예측 방법은 정량적 분야와 정성적 분야 모두에서 제시되고 발전해왔다.
최근에는 인공지능과 빅데이터를 사용한 예측 방법론들에 대한 관심이 대두되고 있다. 특히 딥 러닝 알고리즘에 대한 관심이 큰데, 이는 다수의 은닉층을 지닌 인공신경망인 심층 신경망을 이용하는 예측 방법이다. 딥 러닝 알고리즘은 예측이나 분류에 우수한 성능을 보이는 것으로 알려져 있으며, 이에 영상 인식이나 무인자동차 등 여러 분야에서 폭넓게 활용되고 있다. 이는 사회과학분야에도 이어져 신용 등급 분류나 부도 예측, 주가 예측 등에 활용되고 있다.
다만 이러한 딥 러닝 알고리즘의 활용은 혁신 관련 연구에서는 미진한 편이다. 이에 본 연구에서는 한국 기업혁신조사 2016년 데이터를 이용하여 혁신연구에 딥 러닝 모형을 적용해 보고 그 가능성을 탐색해 보았다. 이를 위해 1836개 기업의 데이터를 활용하여 딥 러닝 모형과 회귀분석 모형 구축 및 예측을 진행하였고, 그 결과를 비교하였다.
분석 결과 딥 러닝 모형의 예측 오차가 회귀분석 모형보다 작은 것을 확인할 수 있었다. 또한 회귀분석 모형보다 딥 러닝 모형이 보다 자유로운 예측을 하는 것을 확인하여 혁신 연구에의 적용 가능성을 확인할 수 있었다.
최근에는 인공지능과 빅데이터를 사용한 예측 방법론들에 대한 관심이 대두되고 있다. 특히 딥 러닝 알고리즘에 대한 관심이 큰데, 이는 다수의 은닉층을 지닌 인공신경망인 심층 신경망을 이용하는 예측 방법이다. 딥 러닝 알고리즘은 예측이나 분류에 우수한 성능을 보이는 것으로 알려져 있으며, 이에 영상 인식이나 무인자동차 등 여러 분야에서 폭넓게 활용되고 있다. 이는 사회과학분야에도 이어져 신용 등급 분류나 부도 예측, 주가 예측 등에 활용되고 있다.
다만 이러한 딥 러닝 알고리즘의 활용은 혁신 관련 연구에서는 미진한 편이다. 이에 본 연구에서는 한국 기업혁신조사 2016년 데이터를 이용하여 혁신연구에 딥 러닝 모형을 적용해 보고 그 가능성을 탐색해 보았다. 이를 위해 1836개 기업의 데이터를 활용하여 딥 러닝 모형과 회귀분석 모형 구축 및 예측을 진행하였고, 그 결과를 비교하였다.
분석 결과 딥 러닝 모형의 예측 오차가 회귀분석 모형보다 작은 것을 확인할 수 있었다. 또한 회귀분석 모형보다 딥 러닝 모형이 보다 자유로운 예측을 하는 것을 확인하여 혁신 연구에의 적용 가능성을 확인할 수 있었다.
목차
- 제1장 서론 1제2장 이론적 배경 및 선행연구 분석 2제1절 혁신 예측 21. 기술혁신의 개념 및 중요성 22. 기술혁신의 경영 43. 기술혁신의 종류 54. 혁신 성과 7제2절 딥러닝 81. 심층 신경망 82. 활성화 함수와 오차 역전파 알고리즘 123. 최적화와 초깃값 154. 드롭아웃 225. 사회과학 분야의 딥러닝 23제3장 연구 설계 25제1절 연구 모형 설계 251. 연구 데이터 252. 연구 모형 및 변수 설계 26제2절 예측 모형 30제4장 실증 연구 32제1절 기초통계 및 요인분석 321. 변수 기초통계량 322. 변수간 상관관계 353. 요인분석 38제2절 딥러닝 알고리즘을 이용한 혁신성과 예측 441. 모형의 설계 442. 데이터 학습 및 예측 46제3절 회귀모형을 이용한 혁신성과 예측 481. 회귀식의 구성 482. 혁신성과 예측 50제4절 딥러닝 모형과 회귀모형의 비교 51제5장 결론 56제1절 연구결과의 요약 56제2절 연구의 의의 57참고문헌 60부 록 62ABSTRACT 83
최근 본 자료
