이 논문은 피드포워드 신경망(FNN)을 통계 모델링의 관점에서 접근하여 모델 선택 방법을 제안한다. FNN은 비선형 회귀 모델로 간주될 수 있으며, 입력층 구조 선택은 변수 선택과 유사하고 은닉층 구조 선택은 모델 복잡성과 관련된다.
기존에는 주로 예측 성능 최적화에 초점을 맞추어 왔지만, 이 논문에서는 통계적 관점에서 우도 함수를 구축하고 정보 기준인 BIC를 이용하여 입력층과 은닉층 구조를 동시에 선택하는 방법을 제안한다. 이를 통해 모델 복잡성을 고려하면서도 예측 성능을 유지할 수 있다.
시뮬레이션 연구를 통해 제안 방법의 성능을 평가하고 정당화하였다. 실제 데이터 적용 사례에서도 제안 방법이 보다 간명한 모델을 선택하면서도 우수한 예측 성능을 보였다.
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Wichtige Erkenntnisse aus
by Andrew McIne... um arxiv.org 05-02-2024
https://arxiv.org/pdf/2207.04248.pdfTiefere Fragen