딥러닝 알고리즘을 활용한 혁신성과예측 방법론에 대한 연구 = A Study on the Prediction Method of Innovation Performance Using Deep Learning Algorithms
저자
발행사항
서울 : 건국대학교 대학원, 2018
학위논문사항
학위논문(석사)-- 건국대학교 대학원 : 기술경영학과 기술혁신경영전공 2018.2
발행연도
2018
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
84 ; 26 cm
일반주기명
지도교수: 박재민
UCI식별코드
I804:11004-200000002511
소장기관
기술이 본질적으로 지니고 있는 동적인 속성은 예측을 어렵게 만든다. 특히 혁신에 대한 예측의 경우 기술의 동적인 측면에 집중하는 개념이기 때문에 더욱 어려운 일이다. 하지만 혁신의 예측에 대한 시도는 충분히 가치가 있는데, 예측에 대한 시도를 통해 불확실성을 계산된 위험(calculated risk)로 전환할 수 있기 때문이다. 이에 예측 방법은 정량적 분야와 정성적 분야 모두에서 제시되고 발전해왔다.
최근에는 인공지능과 빅데이터를 사용한 예측 방법론들에 대한 관심이 대두되고 있다. 특히 딥 러닝 알고리즘에 대한 관심이 큰데, 이는 다수의 은닉층을 지닌 인공신경망인 심층 신경망을 이용하는 예측 방법이다. 딥 러닝 알고리즘은 예측이나 분류에 우수한 성능을 보이는 것으로 알려져 있으며, 이에 영상 인식이나 무인자동차 등 여러 분야에서 폭넓게 활용되고 있다. 이는 사회과학분야에도 이어져 신용 등급 분류나 부도 예측, 주가 예측 등에 활용되고 있다.
다만 이러한 딥 러닝 알고리즘의 활용은 혁신 관련 연구에서는 미진한 편이다. 이에 본 연구에서는 한국 기업혁신조사 2016년 데이터를 이용하여 혁신연구에 딥 러닝 모형을 적용해 보고 그 가능성을 탐색해 보았다. 이를 위해 1836개 기업의 데이터를 활용하여 딥 러닝 모형과 회귀분석 모형 구축 및 예측을 진행하였고, 그 결과를 비교하였다.
분석 결과 딥 러닝 모형의 예측 오차가 회귀분석 모형보다 작은 것을 확인할 수 있었다. 또한 회귀분석 모형보다 딥 러닝 모형이 보다 자유로운 예측을 하는 것을 확인하여 혁신 연구에의 적용 가능성을 확인할 수 있었다.
Technology has its dynamic attributes which make it difficult to predict. Especially, the prediction of innovation is more difficult because it focuses on the dynamic aspect of technology. However, attempts at forecasting innovation are well worth it because attempts to forecast can turn uncertainty into a calculated risk. So the prediction method has been suggested and developed in both quantitative and qualitative fields.
In recent years, interest in forecasting methodologies using artificial intelligence and Big Data has been growing. Especially, there is a big interest in deep learning algorithms, which is a prediction method using deep neural networks which are artificial neural networks with many hidden layers. Deep learning algorithms are known to show superior performance in prediction and classification, and are widely used in various fields such as image recognition and unmanned automobiles. It is also used in social sciences such as credit rating, bankruptcy, and stock price prediction.
However, deep learning algorithm has rarely used for research on innovation. In this study, we apply the deep learning model to the innovation research using the data of Korea Innovation Survey (2016). To do this, deep learning model and regression analysis model were constructed and forecasted using data from 1836 companies.
The analysis shows that the prediction error of the deep learning model is smaller than that of the regression model. In addition, we confirmed that the deep learning model predicts more freely than the regression analysis model, and confirmed the applicability to the innovation study.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)