| 한글제목(Korean Title) |
텐서 플로우 신경망 라이브러리를 이용한 시계열 데이터 예측 |
| 영문제목(English Title) |
A Time-Series Data Prediction Using TensorFlow Neural Network Libraries |
| 저자(Author) |
Kumbayoni Lalu Muh
장성봉
Kumbayoni Lalu Muh
Sung-Bong Jang
|
| 원문수록처(Citation) |
VOL 08 NO. 04 PP. 0079 ~ 0086 (2019. 04) |
한글내용
(Korean Abstract) |
본 논문에서 인공 신경망을 이용한 시계열 데이터 예측 사례에 대해 서술한다. 본 연구에서는 텐서 플로우 라이브러리를 사용하여 배치 기반의 인공 신경망과 스타케스틱 기반의 인공신경망을 구현하였다. 실험을 통해, 구현된 각 신경망에 대해 훈련 에러와 시험에러를 측정하였다. 신경망 훈련과 시험을 위해서 미국의 인디아나주의 공식 웹사이트로부터 8개월간 수집된 세금 데이터를 사용하였다. 실험 결과, 배치 기반의 신경망 기법이 스타케스틱 기법보다 좋은 성능을 보였다. 또한, 좋은 성능을 보인 배치 기반의 신경망을 이용하여 약 7개월 간 종합 세수 예측을 수행하고 예측된 결과와 실제 데이터를 수집하여 비교 실험을 진행 하였다. 실험 결과, 예측된 종합 세수 금액 결과가 실제값과 거의 유사하게 측정되었다.
|
영문내용
(English Abstract) |
This paper describes a time-series data prediction based on artificial neural networks (ANN). In this study, a batch based ANN model and a stochastic ANN model have been implemented using TensorFlow libraries. Each model are evaluated by comparing training and testing errors that are measured through experiment. To train and test each model, tax dataset was used that are collected from the government website of indiana state budget agency in USA from 2001 to 2018. The dataset includes tax incomes of individual, product sales, company, and total tax incomes. The experimental results show that batch model reveals better performance than stochastic model. Using the batch scheme, we have conducted a prediction experiment. In the experiment, total taxes are predicted during next seven months, and compared with actual collected total taxes. The results shows that predicted data are almost same with the actual data.
|
| 키워드(Keyword) |
인공 신경망
시계열 데이터
데이터 예측
텐서플로우
Artificial Neural Networks
Time-Series Data
Data Prediction
TensorFlow
|
| 파일첨부 |
PDF 다운로드
|
