Random Vector Functional Link (RVFL) 인공신경망이 전문 분야에서 예측/합성 시뮬레이션에 2개의 정규화 매개변수로 성공적으로 활용: 확장(베이지안 포함)

Random Vector Functional Link (RVFL) 인공 신경망: 정규화 매개변수 2개를 활용한 예측·합성 시뮬레이션 및 확장 (베이지안 포함) 본 연구에서는 Random Vector Functional Link (RVFL) 인공 신경망을 활용하여 2개의 정규화 매개변수를 적용, 실무 환경에서의 예측 및 합성 시뮬레이션에 성공적으로 사용한 사례를 소개합니다. 특히 베이지안 확장을 포함한 다양한 변형 방법을 검토합니다. 핵심 내용 요약 RVFL 구조: 입력층과 출력층 사이에 무작위로 생성된 은닉층을 추가, 학습은 선형 회귀만으로 수행됩니다. 정규화 매개변수 2개: λ1, λ2 두 개의 정규화 항을 도입해 과적합을 방지하고 일반화 성능을 향상시킵니다. 실무 적용 사례: 재무 예측, 신호 처리, 합성 데이터 생성 등에서 높은 정확도와 빠른 학습 속도를 보였습니다. 베이지안 확장: 사전 분포를 도입해 모델 불확실성을 정량화하고, 예측 구간을 제공함으로써 의사결정 지원에 기여합니다. 연구의 장점 및 활용 방안 학습 속도와 구현 복잡도가 낮아 실시간 분석에 적합합니다. 정규화 매개변수 튜닝을 통해 과적합 위험을 최소화할 수 있습니다. 베이지안 확장을 통해 불확실성 평가가 가능하며, 이는 위험 관리 및 정책 결정에 활용될 수 있습니다. 다양한 분야에 적용 가능한 모듈형 구조로, 사용자 정의가 용이합니다. 이 연구는 RVFL 인공 신경망의 실무적 가치를 입증하며, 정규화 매개변수와 베이지안 확장을 통한 성능 향상 방안을 제시합니다. 관심 있는 연구자·실무자 분들께 적극 활용해 보시기 바랍니다.