인공신경망 실제 적용사례 및 가상사례 조사
인공신경망이란? 많은 분야에서 새로운 돌파구(breakthrough)로서 또는 새로운 방법론으로서 인식 인간의 두뇌와 신경 세포 모델을 흉내내어 구성한 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 출력층 은닉층 입력층 재산수준 재직기간 소득/대출 건강 신용등급 대출승인 비승인 처리요소 가중치 인공신경망의 학습: 주어진 과거의 입력 데이터 값과 해당 출력 데이터 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 변동 패턴을 분석 금융기관에서의 고객신용평점 기업 파산 가능성 예측 세금 포탈 탐지 신용카드 등 사기성 거래 탐지 항공요금 관리
. 인공신경망 기본 구조모형 출력층 은닉층 입력층 (Output Layer) (Hidden Layer) 1 m 2 . 3 O n x +1 +2 +3 + h 출력층 (Output Layer) 은닉층 (Hidden Layer) 입력층 (Input Layer)