최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기디지털융복합연구 = Journal of digital convergence, v.13 no.9, 2015년, pp.177 - 182
The brand and product awareness of Korean electronics companies in the North American market has grown significantly and North American consumers has been recognized as an innovative technology products good performance of Korean electronics appliances. The consumer need of energy saving has led to ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
다중회귀분석과 인공신경망 모델을 이용한 판매예측은 유의한 입력변수만을 적용하여 예측하는 이유는 무엇인가? | 다중회귀분석(MRA)과 인공신경망(ANN) 모델을 이용한 판매예측은 유의한 입력변수만을 적용하여 예측한 실험결과값을 사용하기로 하는데, 이는 모든 입력변수를 사용한 것보다 예측성능이 더 우수하기 때문이다 [8]. | |
TV의 주요 기능에 따른 판매연관성 분석을 통해 마케팅 전략 수립에 도움을 줄 수 있는 실증분석 및 예측 데이터를 제공하고자 하는 배경은 무엇인가? | 추가적으로 본 연구에서는 제안한 융합모델과 기존의 예측모델과의 비교분석을 통해 제안한 융합모델의 우수성을 입증하기로 하는데, 이를 위하여 다양한 예측모델에서 많이 적용되고 있는 다중회귀 분석(Multiple Regression Analysis; MRA) [1]과 인공신경망(Artificial Neural Network; ANN) 기반의 예측모델[2, 3]과 제안한 융합모델과 예측결과를 비교분석하기로 한다. 본 연구의 선행연구와의 차별점은 현재 가전제품인 TV를 대상으로 북미시장에서의 실제 판매데이터를 이용하여 판매예측모델 개발을 수행한 연구를 수행된 사례가 드물며, 특히 TV 모델별로 지원하는 다양한 기능들과 판매량과의 연관성을 분석을 수행한 연구가 진행되지 않았다는 점이다. 따라서 본 연구에서는 A사의 북미에서의 실제 판매데이터를 활용하여 개발한 판매예측모델을 검증하는 것뿐만 아니라 TV 제조사에서 고민하고 있는 부가가치를 향상시키고 제품경쟁력을 향상시키기 위해 TV의 주요 기능에 따른 판매연관성 분석을 통한 제품 개발 및 마케팅 전략 수립에 도움을 줄 수 있는 실증분석및 예측 데이터를 제공한다는 것이다. | |
신경망이란 무엇인가? | 신경망은 인간 뇌의 기본 구조 조직인 뉴런과 뉴런이 연결되어 신호를 처리하는 것처럼 수학적 모델을 도입하여 뉴런이 상호 연결되어 네트워크를 형성하여 학습하도록 한 것이다. 뉴런의 기본적인 기능은 정보의 입력,입력된 정보의 연산처리 그리고 정보의 출력이며 다수의 뉴런들이 서로 연결되어 신경망을 이루고 있다. |
C. -W. Chu, G. P. Zhang, A Comparative Study of Linear and Nonlinear Models for Aggregate Retail Sales Forecasting, International Journal of Production Economics, Vol. 86, No. 3, pp. 217-231, 2003.
Z. Guoqiang, B. E. Patuwo, M.Y. Hu, Forecasting with artificial neural networks: The state of the art, International Journal of Forecasting, Vol. 14, No. 1, pp. 35-62, 1998.
D. C. Park, M.A. El-Sharkawi, R.J. Marks, L.E. Atlas, Electric load forecasting using an artificial neural network, IEEE Transactions on Power Systems, Vol. 6, No.2. pp. 442-449, 1991.
K. Iebeling, B. Milton, Designing a neural network for forecasting financial and economic time series, Neurocomputing, Vol. 10, No. 3, pp. 215-236, 1996.
D.E. Rumelhart, G.E. Hinton, R.J. Williams, Learning representations by back-propagating errors, Nature, Vol. 323, pp. 533-536, 1986.
Z. Michalewicz, Genetic algorithms + data structuresevolution programs (3rd ed.), Springer-Verlag, 1996.
D. T. Pham, G. Jin, Genetic algorithm using gradient-like reproduction operator, Electronics Letters, Vol. 31, No. 18, pp. 1558-1559, 1995.
D. E. Goldberg, Genetic algorithms in search, optimization, and machine learning. Addison-Wesley, 1989.
V. Maniezzo, Genetic evaluation of the topology and weight distribution of neural network, IEEE Transaction of Neural Network, Vol. 5, No. 1, pp.39-53, 1994.
M. Nasseri, K. Asghari, M.J. Abedini, Optimized scenario for rainfall forecasting using GA coupled with ANN, Expert Systems with Applications, Vol. 35, No. 3, pp. 1415-1421, 2008.
K. -K. Seo, Development of a Sales Prediction Model of Electronic Appliances using Artificial Neural Networks, Journal of Digital Convergence, Vol. 12, No. 11, pp. 209-214, 2014.
K. -K. Seo, An Application of One-class Support Vector Machines in Content-based Image Retrieval, Expert Systems with Applications, Vol. 33, No. 2, pp. 491-498, 2007.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.