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.
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問