현재 위치
Home
A Comparative Study of Shallow Learning with Deep Learning Neural Networks on Fire Accident Prediction for Industrial Facilities
산업시설 화재사고예측에 대한 얕은 신경망과 깊은 신경망의 성능 비교 연구
-
- 발행기관
- 위기관리 이론과 실천 바로가기
-
- 간행물
- 한국위기관리논집 KCI 등재 바로가기
-
- 통권
- 제14권 제3호 (2018.03)바로가기
-
- 페이지
- pp.139-148
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A326960
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
원문정보
초록
- 영어
- The shallow learning neural network (SNN) has some limitations in the assessment of fire risk of industrial facilities due to its inherent problems such as over-fitting and gradient vanishing. However, in recent years, it has become possible to build a deep learning neural network (DNN) consisting of multiple hidden layers and to make learning algorithms more sophisticated, which allows for the use of a fire risk assessment tool in the fire insurance. In this paper, prediction performances between SNN and DNN are compared under various conditions using Google's Tensorflow. As a result, most SNN problems are solved through the drop-out method and ReLU activation function in DNN, and the learning performance of DNN with a maximum TS value of 0.76 is confirmed to be 58% higher than that of SNN. Nevertheless, in order to improve the utilization of fire insurance as a risk management tool, a systematic and large amount of learning data should be secured.
- 한국어
- 기존의 얕은 인공신경망은 과적합과 Gradient Vanishing 현상 등 내재적 문제점으로 인하여 산업시설 의 화재 위험성 평가에 한계가 있었다. 그러나 최근 들어 은닉층을 다층으로 구성하는 깊은 신경망 의 구축이 가능해지고 학습알고리즘이 고도화되면서 화재보험에서 화재위험성 평가도구로서 활용 성이 높아졌다. 본 논문에서는 구글사의 텐서플로우를 이용하여 다양한 학습조건에서 깊은 신경망 을 학습시켜 얕은 신경망의 예측성능과 비교하였다. 그 결과 깊은 신경망에서는 Drop-out 및 ReLU함 수의 활용을 통해 기존의 SNN의 문제점을 해소할 수 있었으며 TS값이 최대 0.76으로 얕은 신경망보 다 58% 높은 학습성능을 확인하였다. 그러나 화재보험에서 위험관리도구로서 활용성을 높이기 위해 서는 체계적이고 많은 데이터가 확보되어야 한다.
목차
Abstract
Ⅰ. 서론
Ⅱ. 기존 얕은 신경망의 한계
1. 과적합(Over-fitting)
2. Gradient Vanishing
Ⅲ. 깊은 인공신경망 구축
1. 텐서플로우 개요
2. Drop-out 함수의 적용
3. ReLU(Rectified Linear unit) 활성화함수 적용
Ⅳ. 학습데이터의 구축
1. COPE Data의 수집
2. DNN구축 및 학습
Ⅴ. 학습결과분석 및 성능평가 비교
Ⅵ. 결론
감사의 글
References
국문초록
키워드
화재보험 깊은 신경망 텐서플로우 fire insurance DNN tensorflow drop-out ReLU Drop-out ReLU저자
간행물 정보
발행기관
-
- 발행기관명
- 위기관리 이론과 실천 [Crisis and Emergency Management: Theory and Praxis]
- 설립연도
- 2005
- 분야
- 사회과학>행정학
- 소개
- 위기관리 이론과 실천(Crisis and Emergency Management: Theory and Praxis; CEM-TP)은 위기관리에 관한 제 학문분야간 협동적 연구 공동체(Research Network)로서 전통적 안보 위기, 재난 위기(자연재난, 인위재난), 국가핵심기반 위기 등에 관한 제학문적 연구를 촉진하고 제 학문분야 연구자간 협력의 토대를 구축하기 위하여 위기관리 이론과 실천 편집위원회 구성이 완료된 2005년 2월 14일에 설립되었다. 현재 위기관리 이론과 실천(CEM-TP)에 참여하고 있는 연구자들의 학문 분야는 행정학, 사회학, 정치외교학, 신문방송학, 사회복지학, 법학, 심리학, 정보학, 지리학, 경찰행정학, 소방행정학, 경호학, 토목공학, 건축학, 의학, 간호학, 보건학, 기상학, 안전공학, 전산학, 지역개발학 등이 있으며, 따라서 한국의 위기관리 연구를 가장 폭 넓게 반영하고 있는 연구 공동체라 할 수 있다. 위기관리 이론과 실천(CEM-TP)의 조직으로는 편집위원회가 있으며, 편집위원회가 본 연구 공동체를 대표하고 있다. 따라서 위기관리 이론과 실천의 각종 연구 및 출판 활동은 편집위원회가 맡고 있으며, 현재 편집위원회는 46명의 위원으로 구성되어 있다. 또한 편집위원회는 위기관리의 제학문적 연구를 촉진하고 연구자간 협력을 위한 학술지로 <한국위기관리논집>을 발행한다. 위기관리 이론과 실천(CEM-TP)의 회원은 개인회원과 기관회원으로 구분된다. 개인회원은 본 회의 설립 목적과 취지에 찬동하는 위기관리 연구자 및 실무자로 구성되고, 기관회원은 위기관리 연구 및 실무에 관련된 정부기관, 연구기관, 대학도서관 등으로 구성된다
간행물
-
- 간행물명
- 한국위기관리논집 [Crisisonomy]
- 간기
- 월간
- pISSN
- 2466-1198
- eISSN
- 2466-1201
- 수록기간
- 2005~2026
- 등재여부
- KCI 등재
- 십진분류
- KDC 350 DDC 351
이 권호 내 다른 논문 / 한국위기관리논집 제14권 제3호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.