지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 곽수영
- 발행연도
- 2020
- 저작권
- 한밭대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
4차산업 혁명으로 인해 기술의 진보 속도가 빨라지고, 기수의 변화 양상이 다양해지면서 발전하는 기술에 대한 R＆D 사업지원 또한 활발히 진행되고 있다.
하지만 모든 기술에 대하여 R&D 사업을 지원할 수 없기 때문에 발전하고 있는 기술들의 향후 발전 방향에 대한 예측을 통하여 기술의 미래가치를 파악하고 이에 대한 내용을 바탕으로 사업지원을 진행하고 있다.
본 논문은 기술의 미래가치를 파악하는데에 기존에 사용되던 Bass 모형에 대한 문제점에 대한 해결책으로 인공지능 네트워크중 하나인 양방향 LSTM을 이용하여 문제를 해결하고자 연구를 진행 하였다.
결과적으로 기존의 Bass 모형을 이용한 예측보다 논문에서 제안하고있는 양방향 LSTM을 이용한 예측이 성능이 더 우수하게 나왔으며, 기존의 방법인 Bass 모형의 문제점 또한 해결 할 수 있었다.
하지만 모든 기술에 대하여 R&D 사업을 지원할 수 없기 때문에 발전하고 있는 기술들의 향후 발전 방향에 대한 예측을 통하여 기술의 미래가치를 파악하고 이에 대한 내용을 바탕으로 사업지원을 진행하고 있다.
본 논문은 기술의 미래가치를 파악하는데에 기존에 사용되던 Bass 모형에 대한 문제점에 대한 해결책으로 인공지능 네트워크중 하나인 양방향 LSTM을 이용하여 문제를 해결하고자 연구를 진행 하였다.
결과적으로 기존의 Bass 모형을 이용한 예측보다 논문에서 제안하고있는 양방향 LSTM을 이용한 예측이 성능이 더 우수하게 나왔으며, 기존의 방법인 Bass 모형의 문제점 또한 해결 할 수 있었다.
목차
표 목 차 ⅲ그 림 목 차 ⅳ국 문 요 약 ⅵⅠ. 서 론 11.1 연구 배경 11.2 본 논문의 구성 2Ⅱ. 관련 연구 32.1 특허정보를 이용한 기술확산 분석 3(1) 기술의 확산 모형 3(2) 로지스틱 모형 4(3) Bass 모형 5Ⅲ. 이 론 73.1 순환신경망(Recurrent Neural Network) 7(1) 장기 의존성 문제 113.2 LSTM(Long Short Term Memory) Network 13(1) Cell state 15(2) Forget gate 16(3) Input gate 17(4) Output gate 183.3 양방향 순환신경망 (Bidirectional Recurrent Neural Network) 193.4 양방향 LSTM (Bidirectional LSTM) 20Ⅳ. 실험 구성 214.1 데이터 셋 21(1) 다양한 특징 추출 22(2) 단 변수 입력 LSTM 데이터 가공 23(3) 다 변수 입력 LSTM 데이터 가공 244.2 실험 환경 254.3 하이퍼 파라미터 설정 25Ⅴ. 실험 및 평가 265.1 실험 방법 265.2 평가 방법 275.3 학습데이터 / 검증데이터 비율별 비교실험 285.4 Bass 모형을 이용한 특허출원수 예측 및 평가 295.5 단 변수 입력 LSTM을 이용한 특허출원수 예측 및 평가 335.6 다 변수 입력 LSTM을 이용한 특허출원수 예측 및 평가 395.7 실험 결과 분석 45Ⅵ. 결 론 46Ⅶ. 참 고 문 헌 47ABSTRACT 49
최근 본 자료
댓글(0)
0