순환신경망 모형을 활용한 시계열 비교예측
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 김종화 | - |
dc.contributor.author | 최종후 | - |
dc.contributor.author | 강창완 | - |
dc.date.accessioned | 2021-09-01T23:44:43Z | - |
dc.date.available | 2021-09-01T23:44:43Z | - |
dc.date.created | 2021-06-17 | - |
dc.date.issued | 2019 | - |
dc.identifier.issn | 1229-2354 | - |
dc.identifier.uri | https://scholar.korea.ac.kr/handle/2021.sw.korea/69631 | - |
dc.description.abstract | 최근 알파고 이후 딥러닝 연구에 대한 활발한 연구가 진행되고 있다. 딥러닝에는 이미지 분석에 적합한 CNN(convolution neural network), 순차적 자료에 적합한 RNN(recurrent neural network) 모델 등 많은 모델이 존재하는데 그 중 시계열데이터 분석에 적합한 딥러닝 모델을 전형적 시계열데이터인 항공사 데이터(1949년 1월부터 1960년 12월까지 매월 총 국제 항공사 승객 수)에 Box-Jenkins의 ARIMA 모형과 함께 적합시켜 비교 할 것이다. 본 연구에서는 R 프로그램을 이용하여 LSTM(long short-term memory) 순환신경망 모델을 구축하고, ARIMA 모형, Faraway(1998)가 제시한 단순 신경망(neural network) 모형 그리고 Jordan & Elman의 순환신경망 모형과의 적합도를 비교하였다. 모형 비교결과 Elman 모형의 오차제곱합이 0.0128, Jordan 모형의 오차제곱 합이 0.0138, LSTM 모형의 오차제곱합이 0.0165, 신경망 모형은 오차제곱합 0.0212로 ARIMA 모형의 0.0194 에 비해 조금 뒤떨어지는 것으로 나타났다. 결국 Elman 순환신경망 모형이 가장 우수하게 나타났으며 LSTM 모형도 기존 ARIMA 모형과 Faraway의 단순신경망모형 보다 우수한 적합도를 나타났다. | - |
dc.language | Korean | - |
dc.language.iso | ko | - |
dc.publisher | 한국자료분석학회 | - |
dc.title | 순환신경망 모형을 활용한 시계열 비교예측 | - |
dc.title.alternative | Time Series Prediction Using Recurrent Neural Network | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 최종후 | - |
dc.identifier.doi | 10.37727/jkdas.2019.21.4.1771 | - |
dc.identifier.bibliographicCitation | Journal of The Korean Data Analysis Society, v.21, no.4, pp.1771 - 1779 | - |
dc.relation.isPartOf | Journal of The Korean Data Analysis Society | - |
dc.citation.title | Journal of The Korean Data Analysis Society | - |
dc.citation.volume | 21 | - |
dc.citation.number | 4 | - |
dc.citation.startPage | 1771 | - |
dc.citation.endPage | 1779 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART002501203 | - |
dc.description.journalClass | 2 | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | ARIMA 모형 | - |
dc.subject.keywordAuthor | 신경망모형 | - |
dc.subject.keywordAuthor | 순환신경망 | - |
dc.subject.keywordAuthor | LSTM. | - |
dc.subject.keywordAuthor | ARIMA model | - |
dc.subject.keywordAuthor | neural network | - |
dc.subject.keywordAuthor | RNN | - |
dc.subject.keywordAuthor | LSTM. | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
(02841) 서울특별시 성북구 안암로 14502-3290-1114
COPYRIGHT © 2021 Korea University. All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.