다구찌 방법을 이용한 인공신경망 모델의 최적설계에 대한 연구

국문 초록 (Abstract)

본 논문은 인공신경망 모델의 최적 설계에 관련되어 있다. 인공신경망의 성능(학습효율)은 망의 구조 및 학습상수와 같은 요인들에 의해 크게 영향을 받는다. 대부분의 인공신경망 설계 기법들은 설계자의 경험에 의한 시행착오법에 기초하고 있다. 그러나 시행착오법에 의해 설계된 인공신경망은 주어진 조건 하에서 가장 좋은 설계라고 단정하기는 어려우며, 또한 학습 데이터를 제외한 모든 데이터에서 최적 설계되었다고 믿기는 어렵다. 따라서 본 논문에서는 인공신경망의 성능 향상을 위해 다구찌 방법을 사용하여 인공신경망 모델을 최적 설계한다. 이때 사용된 인공신경망은 일반화된 델타규칙이라고 불리우는 역전파 학습 알고리즘을 사용한 다층 전방향 신경망이며, 인공신경망 모델의 최적 설계에는 인공신경망 모델의 구조와 학습상수를 결정하는 것을 포함한다.
결정된 인공신경망 모델의 학습 및 추론상태를 확인하기 위하여 시계열 분석 기법과 최적 인공신경망 모델과 비교, 분석한 결과 최적화된 인공신경망 모델의 학습과 추론결과가 매우 양호한 것으로 나타나 다구찌 방법을 이용하여 결정된 최적 인공신경망 모델의 적용성을 확인할 수 있다.

다국어 초록 (Multilingual Abstract)

This thesis is concerned with optimum design of artificial neural network model. Since the performance of a artificial neural network generally depends on network structure and learning parameters, it is important to select the most appropriate network structure and learning parameter values. Most design method of artificial neural networks is trial and error method depended on the designer's experience. But this method is difficult to decide that determined structure is best in a given condition, and it cannot be believed that this design is the best design in all data except learning data. Therefore, in this thesis the neural network optimally designed by using the Taguchi robust design method for performance promotion. The used neural network is the multi-layer feedforward neural network model, which was adopted back-propagation learning algorithm called generalized delta rule. The optimum design of neural network model included determination of neural network structure and learning parameters.
In order to confirm determined learning and forecasting results, several test problems are forecasted via the optimally designed neural network, and the obtained forecasting results are compared to results obtained via time-series forecasting method. Experimental results show that the optimally designed neural network using Taguchi method is effective in forecasting.

목차 (Table of Contents)

• 목차
• 표목차 = iv
• 그림목차 = vi
• I. 서론 = 1
• 1. 연구의 배경 및 목적 = 1
• 2. 관련 문헌 연구 = 2
• 3. 연구의 범위 및 방법 = 4
• II. 다구찌 기법, 인공신경망, 수요예측 기법의 이론적 고찰 = 5
• 1. 다구찌 기법의 개요 = 5
• 2. 다구찌 기법의 기본개념 = 6
• 3. 다구찌 기법의 파라미터 설계 = 11
• 4. 인공신경망의 기본특성 및 구조 = 16
• 5. 인공신경망의 학습방법 = 21
• 6. 인공신경망의 구현시 고려사항 = 24
• 7. 수요예측의 개요 및 분류 = 26
• III. 다구찌 방법을 이용한 최적 인공신경망 설계 = 35
• 1. 다구찌 방법을 이용한 최적 인공신경망의 설계 단계 = 35
• 2. 인공신경망 최적 설계를 위한 실험과 결과 = 40
• IV. 최적의 인공신경망 모델과 시계열 자료 분석 기법과의 성능 비교 = 51
• V. 결론 = 55
• 부록 = 56
• 1. 역전파 학습 알고리즘 = 56
• 2. 시계열 기법 분석과 인공신경망 예측 결과 = 60
• 참고문헌 = 64
• Abstract = 66