표제지
목차
요약 8
Abstract 9
제1장 서론 10
제2장 딥러닝 모형과 변량효과 모형 12
2.1. 심층신경망 모형 (Deep Neural Network model; DNN model) 12
2.2. 포아송 변량효과모형 접근법 15
제3장 포아송 딥러닝 변량효과 모형 19
3.1. 포아송 딥러닝 변량효과 모형 19
3.2. 학습 알고리즘 22
3.3. 모형성능 평가 23
제4장 모의실험 연구 24
4.1. 모의실험 설계 24
(1) 입력변수 생성 24
(2) 변량효과 생성 24
(3) 출력변수 생성 24
4.2. 모의실험 결과 27
(1) 실제값과 예측값의 비교 결과 28
(2) 예측된 변량효과의 분산 α에 대한 결과: 〈표 4.4〉 29
(3) 실제(true) 변량효과와 예측된 변량효과에 대한 비교 결과: 〈표 4.5〉 29
제5장 실제 데이터 분석 37
제6장 결론 및 제언 41
참고문헌 42
〈표 4.1〉 모의실험에서 초 매개변수 최적화를 위해 고려한 세팅 25
〈표 4.2〉 예측 성능 비교를 위해 모의실험에서 고려한 모형 26
〈표 4.3〉 모의실험 결과: α=1일 때, 네 가지 모형의 성능비교 (반복횟수=100) 30
〈표 4.4〉 모의실험 결과: α=2일 때, 네 가지 모형의 성능비교 (반복횟수=100) 31
〈표 4.5〉 모의실험 결과: α=0일 때, 네 가지 모형의 성능비교 (반복횟수=100) 32
〈표 4.6〉 모의실험 결과: 예측된 변량효과의 분산 a 비교 (반복횟수=100)[이미지참조] 33
〈표 4.7〉 모의실험 결과: 예측된 변량효과 u (반복횟수=100)[이미지참조] 33
〈표 5.1〉 간질병 발작 횟수 데이터의 변수 설명 37
〈표 5.2〉 간질병 발작 횟수 데이터에서 초 매개변수 최적화를 위해 고려한 세팅 38
〈표 5.3〉 네 가지 포아송 모형의 예측 성능 비교: 간질병 발작 횟수 평가 데이터 38
〈그림 2.1〉 DNN 모형의 기본적인 아키텍쳐: 편향(bias)항은 편의상 제외하였음 13
〈그림 3.1〉 제안된 딥러닝 모형의 아키텍쳐; u=E(Y|x): 주변평균, σ²=Var(U)=α 21
〈그림 4.1〉 모의실험 결과 (시행횟수=1, α=1): 실제값 (y)과 예측값 (y)의 산점도[이미지참조] 27
〈그림 4.2〉 모의실험 결과에 대한 상자그림 (반복횟수=100, α=1) 34
〈그림 4.3〉 모의실험 결과에 대한 상자그림 (반복횟수=100, α=2) 35
〈그림 4.4〉 모의실험 결과에 대한 상자그림 (반복횟수=100, α=0 즉 u=1) 36
〈그림 5.1〉 간질병 발작 횟수 평가 데이터: 관측값 (y)와 예측값 (y) 산점도[이미지참조] 40