Transcript 인공신경망 실제 적용사례 및 가상사례 조사 인공신경망이란? • 많은 분야에서 새로운 돌파구(breakthrough)로 서 또는 새로운 방법론으로서 인식 • 인간의 두뇌와 신경 세포 모델을 흉내내어.

인공신경망 실제 적용사례 및
가상사례 조사
인공신경망이란?
• 많은 분야에서 새로운 돌파구(breakthrough)로
서 또는 새로운 방법론으로서 인식
• 인간의 두뇌와 신경 세포 모델을 흉내내어 구성
한 네트워크
• 1943년 McClloch와 Pitts에 의해 뉴론의 모형화
• 1949년 캐나다의 심리학자 Hebb, D가 연결강도
조정을 위한 학습 규칙을 최초로 기술
• 1957년Rosenblatt에 의해 개발된 학습이 가능한
기계 모형인 퍼셉트론
인공신경망의 구조
대출승인
비승인
출력층
처리요소
은닉층
가중치
입력층
재산수준
재직기간
소득/대출
건강
신용등급
 인공신경망의 학습: 주어진 과거의 입력 데이터 값과 해당 출력 데
이터 값들을 통해 가중치들이 반복적으로 조정되어 결국 입력 및
출력간의 관계가 학습되어짐.
인공신경망의 활용
• 인공신경망의 장점
– 첫째, 다양한 문제에 대한 적용이 가능하다.
– 둘째, 복잡한 문제에 대한 우수한 결과를 낼 수 있다.
– 셋째, 연속적인 자료뿐만 아니라 불연속적인 자료에 대해서도 쉽게
적용 가능하다.
• 인공신경망의 단점
– 첫째, 우선 결과에 대해 설명력이 부족하다는 점이다.
– 둘째, 주어진 학습 자료에 대해 일정한 해답에 수렴한다는 것이다.
• 다양한 활용 분야
– 패턴인식
– 데이터마이닝
– 금융시장 예측: 주식시장, 선물시장, 외환시장 등에서의 가격 변
동 패턴을 분석
– 금융기관에서의 고객신용평점
– 기업 파산 가능성 예측
– 세금 포탈 탐지
– 신용카드 등 사기성 거래 탐지
– 항공요금 관리
인공신경망 기본 구조모형
O1
O2
xm+h+1
xm+h+2
.....
On
출력층
xm+h+n
(Output Layer)
은닉층
xm+1
xm+2
xm+3
xm+h
(Hidden Layer)
입력층
x1
I1
x2
I2
x3
I3
xm
.....
(Input Layer)
Im