한국정보통신학회 논문지 (Journal of the Korea Institute of Information and Communication Engineering)
Current Result Document : 1 / 1
| 한글제목(Korean Title) |
부스팅 인공신경망 학습의 기업부실예측 성과비교 |
| 영문제목(English Title) |
An Empirical Analysis of Boosing of Neural Networks for Bankruptcy Prediction |
| 저자(Author) |
김명종
강대기
Myoung-Jong Kim
Dae-Ki Kang
|
| 원문수록처(Citation) |
VOL 14 NO. 01 PP. 0063 ~ 0069 (2010. 01) |
한글내용
(Korean Abstract) |
최근 기계학습 분야에서 분류자의 정확도 개선을 위하여 제안된 다양한 방법들 중 가장 큰 주목을 받고 있는 학습방법 중 하나는 앙상블 학습이다. 그러나 앙상블 학습은 의사결정트리와 같이 불안정한 학습 알고리즘의 성과 개선 효과는 탁월한 반면, 인공신경망과 같이 안정적인 학습알고리즘의 성과 개선 효과는 응용 분야와 구현 방법에 따라 서로 상반된 결론들을 보여주고 있다. 본 연구에서는 국내 기업의 부실화 예측문제를 활용하여 인공신경망 분류자 및 대표적 앙상블 학습기법인 부스팅 분류자를 적용한 결과 앙상블 학습은 기업부실 예측문제에 있어 전통적 인공신경망의 성과를 개선할 수 있음을 검증하였다.
|
영문내용
(English Abstract) |
Ensemble is one of widely used methods for improving the performance of classification and prediction models. Two popular ensemble methods, Bagging and Boosting, have been applied with great success to various machine learning problems using mostly decision trees as base classifiers. This paper performs an empirical comparison of Boosted neural networks and traditional neural networks on bankruptcy prediction tasks. Experimental results on Korean firms indicated that the boosted neural networks showed the improved performance over traditional neural networks.
|
| 키워드(Keyword) |
부스팅
인공신경망
기업부실예측
Boosting
Neural Networks
Bankruptcy Prediction
|
| 파일첨부 |
PDF 다운로드
|
