본 연구에서는 인공지능, Deep Learning Model을 활용하여 Step-Down ELS 평가가격 예측 가능성에 대해 연구하였다. Convolution Neural Network를 활용하여 약 4천 개의 데이터를 가지고 80%의 Train set, 20%의 Test set을 나누었으며, 각 훈련 횟수를 나누어 결과를 비교하였다. 본 연구를 시작하기 전 가설은 Input 값으로 구성한 데이터 외의 요소는 평가가격에 영향에 미치지 않는다. 영향을 미친다고 하더라도 미미하다. 정확도 산출에 있어서 평가가격을 정확히 예측할 경우에만 카운트한다. 즉, ...
본 연구에서는 인공지능, Deep Learning Model을 활용하여 Step-Down ELS 평가가격 예측 가능성에 대해 연구하였다. Convolution Neural Network를 활용하여 약 4천 개의 데이터를 가지고 80%의 Train set, 20%의 Test set을 나누었으며, 각 훈련 횟수를 나누어 결과를 비교하였다. 본 연구를 시작하기 전 가설은 Input 값으로 구성한 데이터 외의 요소는 평가가격에 영향에 미치지 않는다. 영향을 미친다고 하더라도 미미하다. 정확도 산출에 있어서 평가가격을 정확히 예측할 경우에만 카운트한다. 즉, Output 값에 있어서 오차범위를 정하지 않았다. 최대 훈련 횟수는 1천 번이며, 오차는 0.1~0.2, 정확도는 87% 내외였다. 높다고 할 수 없는 정확도일지라도 딥러닝 모델로 훈련한 모델이 Step-Down ELS 평가가격 예측의 가능성이 보인다고 여겨진다.
본 연구에서는 인공지능, Deep Learning Model을 활용하여 Step-Down ELS 평가가격 예측 가능성에 대해 연구하였다. Convolution Neural Network를 활용하여 약 4천 개의 데이터를 가지고 80%의 Train set, 20%의 Test set을 나누었으며, 각 훈련 횟수를 나누어 결과를 비교하였다. 본 연구를 시작하기 전 가설은 Input 값으로 구성한 데이터 외의 요소는 평가가격에 영향에 미치지 않는다. 영향을 미친다고 하더라도 미미하다. 정확도 산출에 있어서 평가가격을 정확히 예측할 경우에만 카운트한다. 즉, Output 값에 있어서 오차범위를 정하지 않았다. 최대 훈련 횟수는 1천 번이며, 오차는 0.1~0.2, 정확도는 87% 내외였다. 높다고 할 수 없는 정확도일지라도 딥러닝 모델로 훈련한 모델이 Step-Down ELS 평가가격 예측의 가능성이 보인다고 여겨진다.
In this study, the possibility of predicting the evaluation price of Step-Down ELS was studied using artificial intelligence and deep learning models. Using the Convolution Neural Network, 80% of the train set and 20% of the test set were divided with about 4,000 data, and the results were compared ...
In this study, the possibility of predicting the evaluation price of Step-Down ELS was studied using artificial intelligence and deep learning models. Using the Convolution Neural Network, 80% of the train set and 20% of the test set were divided with about 4,000 data, and the results were compared by dividing the number of training times. Before the start of this study, the hypothesis was that factors other than the data composed of input values did not affect the evaluation price. Even if it affects, it is insignificant. In calculating the accuracy, it is counted only when the estimated price is accurately predicted. In other words, the error range was not determined in the output value. The maximum number of training was 1,000, the error was 0.1~0.2, and the accuracy was around 87%. Even with accuracy that cannot be said to be high, it is believed that the model trained with the deep learning model shows the possibility of predicting the Step-Down ELS evaluation price.
In this study, the possibility of predicting the evaluation price of Step-Down ELS was studied using artificial intelligence and deep learning models. Using the Convolution Neural Network, 80% of the train set and 20% of the test set were divided with about 4,000 data, and the results were compared by dividing the number of training times. Before the start of this study, the hypothesis was that factors other than the data composed of input values did not affect the evaluation price. Even if it affects, it is insignificant. In calculating the accuracy, it is counted only when the estimated price is accurately predicted. In other words, the error range was not determined in the output value. The maximum number of training was 1,000, the error was 0.1~0.2, and the accuracy was around 87%. Even with accuracy that cannot be said to be high, it is believed that the model trained with the deep learning model shows the possibility of predicting the Step-Down ELS evaluation price.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.