메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김영환 (서울시립대) 김예술 (서울시립대) 박건웅 (서울시립대)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제31권 제4호
발행연도
2020.7
수록면
489 - 500 (12page)
DOI
10.7465/jkdi.2020.31.4.489

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
베이지안 네트워크를 이용한 변수간 방향성 관계 추론은 모집단에서 조차 불가능하다고 알려져 있었으나, 최근 연구에서 오차의 분산을 이용하여 가우시안 선형 구조방정식의 식별가능함을 증명하였다. 하지만 제안된 식별성 조건은 다양한 형태의 변수를 가진 데이터에서는 만족하기 어렵다. 따라서 본 연구에서는 사전 지식을 활용하여 모델 식별성 가정이 만족하지 않더라도 가우시안 선형 구조 방정식을 학습하는 방법을 제안한다. 제안하는 알고리즘은 첫번째로 인과 및 방향성 관계를 알고 있는 노드 그룹과 모르는 노크 그룹을 나누고, 두번째로 모르는 노드 그룹에서의 오더링을 불확실성 점수로 학습하고, 마지막으로 조건부 독립관계를 통하여 변수간 방향성 선이 존재하는지 파악한다. 다양한 모의실험을 통하여 본 연구에서 제안한 방법이 기존의 선형 구조 방정식 학습에 쓰이는 Uncertainty Scoring (US), Greedy DAG Search (GDS), Linear non-Gaussian Models (LINGAM) 알고리즘들과 일반적인 방향성 비순환 그래피컬 모델 학습에 쓰이는 PC, Greedy Equivalent Search (GES) 알고리즘들보다 평균적으로 더 정확하게 그래프를 추정하는 것을 확인하였다. 마지막으로 실제 2014 - 2019년 부동산 거래 데이터에 적용하여 해석 가능한 변수간 관계를 찾는 것을 확인하였다.

목차

요약
1. 서론
2. 이론적 배경
3. 알고리즘
4. 모의실험
5. 데이터 분석
6. 결론
References
Abstract

참고문헌 (13)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-041-001098350