[신경망모형, 신경망, 신경망모형 설정, 신경망모형신경망 다층퍼셉트론]신경망모형(신경망)의 설정, 신경망모형(신경망)의 다층퍼셉트론, 신경망모형(신경망)의 재구성, 신경망모형(신경망)과 선형회귀모형 분석

소개글

[신경망모형, 신경망, 신경망모형 설정, 신경망모형신경망 다층퍼셉트론]신경망모형(신경망)의 설정, 신경망모형(신경망)의 다층퍼셉트론, 신경망모형(신경망)의 재구성, 신경망모형(신경망)과 선형회귀모형 분석에 대한 보고서 자료입니다.

목차

Ⅰ. 개요

Ⅱ. 신경망모형(신경망)의 설정

Ⅲ. 신경망모형(신경망)의 다층퍼셉트론

Ⅳ. 신경망모형(신경망)의 재구성

Ⅴ. 신경망모형(신경망)과 선형회귀모형

참고문헌

본문내용

a라 하고, 동일한 은닉노드 수를 가진 재학습된 신경망에 의해 수행되는 예측력을 b라 할 때 a와 b를 비교하여 큰 차이가 없다면 이 방법은 적절한 은닉노들 수를 찾기 위한 하나의 대안이 될 수 있다.
Ⅴ. 신경망모형(신경망)과 선형회귀모형
로그 가구소득에 대하여 다음 선형회귀 모형을 설정하였다.
, .
여기서 는 가구의 연간소득을 말하고 는 가구의 특성을 말한다. 은 자료셋의 크기이고 는 오차항으로 분포를 따른다고 가정한다. 나이(AGE)에 대하여는 제곱항, 즉 AGE2을 추가하였다. 훈련 데이터로 적합된 선형회귀 모형이다.
각 설명변수의 중요도는 partial beta 계수로 산출되었는데 partial beta는 다음과 같이 정의된다(허명회전성연, 1996).
=.
여기서 는 설명변수의 회귀계수이고 와 는 종속변수와 설명변수사이의 편(partial)표준편차이다.
직업과 거처구분을 제외하고 추정된 모든 회귀계수는 =0.01 하에서 유의한 결과를 보이고 있다. 우선 가구주의 특성을 나타내는 변수를 보면 다른 조건이 동일할 때 가구주의 성이 여성인 가구는 남성인 가구에 비해 가구소득이 평균적으로 15% 더 낮다.
다른 조건이 동일할 때 최종 졸업 학력이 한 수준 높을수록 가구소득은 평균 6% 상승한다. 서비스 업(상점 판매근로자 포함)을 기준으로 할 때 가구주 직업이 전문가인 가구는 소득이 11% 높은 것으로 나타났다. 다음으로 재산관련 변수를 보자. 다른 조건이 동일할 때 가구의 자동차 보유수가 1대 증가하면 가구소득이 18% 상승하며 또한 자신의 주택을 소유한 가구는 무주택 가구에 비해 가구소득이 8% 많은 것으로 나타났다. 사용면적은 1평(10평) 증가할 때 가구소득도 평균 0.7%(7%) 상승한다. 일반적인 가구특성으로 고려한 변수에 대해 보면 취업자수가 1명 증가하면 가구소득은 평균 31% 상승한다. 거처구분 측면에서 단독주택 거처 가구에 비해 아파트 거처 가구는 가구소득이 평균 8% 더 높다.
이 회귀모형에서 결정계수 R2는 0.57로 나타났으나 이것은 훈련 데이터에 재 적용한 결과이며 테스트 데이터에 적용하였을 때는 0.54로 다소 낮아졌다. partial beta로 각 설명변수의 중요도를 살펴 본 결과, 취업자 수가 가장 중요한 요인으로 나왔다. 다음으로 가구주의 나이, 자동차 보유대수, 가구주의 직업, 가구주의 교육정도, 거처구분, 사용면적, 주택소유 여부, 로그월세평가액 순으로 영향력이 나타났다.
참고문헌
김상환(2000), 최적 인공신경망모형의 설정과 환율예측성과분석, 한국금융연구원
오경주 외 3명(2011), 선형 및 신경망 자기회귀모형을 이용한 주식시장 불안정성지수 개발, 한국데이터정보과학회
이은정(2010), Quasi-Newton 방법을 이용한 신경망 모형에 관한 연구, 한양대학교
정선영(2007), 진화신경망 모형을 이용한 회귀분석, 성균관대학교
황선호(2003), 다층 퍼셉트론을 적용한 태아발육제한증 판별 모형, 한양대학교
한승기(2004), 동적 신경 코딩을 위한 신경망 모형 개발과 응용, 충북대학교

키워드

신경망모형,   신경망,   다층퍼셉트론,   선형회귀모형,   신경