치하지 않는다고 보고, 그 과정은 Semi- Markov process에서 하나의 추계적 구조(stochastic process structure)로 나타내었다.
특히, 전문가 집단을 R&D항목에 대한 전문성을 고려하여 2개의 집단으로 분류하고, 각 집단에 대한 상이한 가중치를 부여함에 있어, 높은 전문성을 가진 집단이 추정한 예측치의 분산이 반대의 집단의 분산보다는 작다는 개념을 적용하였다는 점이 특징적이다.
즉, 다음과 같은 식(9), (10)의 형태로 집단의 가중치 , 집단의 가중치 를 부여하였다.
(9)
(10)
이 모델은 비교적 간단하여 적용하기가 쉽고, 특히 델파이 예측결과의 사후분석시, 매우 유용한 도구가 될 수 있다. 그리고 상호작용에 대한 정보를 이용하여 개발과정을 예측하기 위한 시뮬레이션의 절차가 제시되었다는 점에 의의가 있다 하겠다. 그러나 예측결과의 활용성이라는 측면에서 이 연구는 자원배분과 같은 의사결정문제와 접목된 포괄적인 방법론의 개발까지는 진행되지 못하고 있다.
Ⅴ. 기술예측과 인공신경망
1. 인공 신경망의 개요와 특징
지난 몇 년 동안 인공 신경망에 대한 관심은 빠르게 성장하고 있다. 이런 증대된 관심은 이론적인 성공뿐만 아니라 그 응용에서의 성공에 의해서도 기인한다고 할 수 있다. 인공 신경망은 이제 그것의 많은 응용 범위로 간주하여 볼 때 하나의 새로운 방법론이며 획기적 발견(breakthrough)이라고 할 수 있다.
인공 신경망이란 인간의 두뇌와 신경 세포 모델을 흉내 내어 구성한 네트워크로서 그 학습 능력과 추론 능력이 매우 뛰어난 것으로 알려져 있다. 이 모형은 생물학적 신경 시스템처럼 실제 세계의 객체(Object)가 상호 작용하는 것과 같이, 간단하게 구성된 요소들과 이들의 수직적 구조(hierachical organization)의 병렬 상호 연결 네트워크(parallel interconnected networks)라고 할 수 있다(1987, Kohonen). 다시 말하면 처리 단위(Processing element)인 뉴론(Neuron)의 전이함수(Transfer function)와 신경망의 구조를 나타내는 층(Layer)의 수와 처리 단위 간의 연결 상태 및 연결 강도를 주어진 문제해결에 적절하게 조정하여 학습하게 된다.
인공 신경망의 구성요소
인공 신경망의 구조는 입력층(Input layer), 은닉층(Hidden layer), 출력층(Output layer)로 이루어져 있다. 이들은 처리 요소(Processing Eleme-nt)들을 모아 층을 이루고 있다. 처리 요소는 여러 다른 처리 요소들로부터 입력을 받아들여 연결 가중치(Connetion Weight)를 사용하여 순 입력 값을 계산한 후 전이 함수(Transfer Function) 또는 활성화 함수(Activation Function)를 이용하여 출력 값을 결정하게 된다. 인공 신경망의 각 처리 요소들의 출력 값을 결정해야 하므로 원하는 출력 값을 얻기 위해서는 연결 가중치를 조절해야 한다. 인공 신경망은 주어진 사례들을 이용하여 스스로 연결 가중치를 조정하며 학습을 하게 된다.
2. 수요 예측에서의 인공 신경망
시계열 자료를 이용하여 분석을 행하는 방법으로는 1개의 입력층, 1개의 출력층, 다수의 은닉층으로 구성된 다층형 인공 신경망(Multi-layer Feedforward Neural Networks)가 널리 사용된다. 입력 층은 전이 함수를 갖지 않고 직접 입력값을 은닉층에 연결하여 주는 구조를 띠고 있으며 학습은 오차 역전파 알고리즘(error back propag
ation algorithm)이 사용 된다. 이 때 인공 신경망은 과거 자료와 미래 자료들 사이의 비선형 대응시키는 것으로 생각될 수 있다. 따라서 학습은 과거와 미래 자료들 사이의 관계를 추정하는 대응을 이루어 내기 위해 가중치를 조정하는 과정이라고 할 수 있다.
참고문헌
오현승(1996), 기술예측 모형을 이용한 장기 무기체계 개념 연구, 한국국방연구원
유성열(2010), 중장기 기술예측을 위한 시뮬레이션 기반 방법론, 한국콘텐츠학회
임기철(2000), 국가와 기업에서의 기술예측 결과 활용 방안, 과학기술정책연구원
전성해(2011), 특허분석을 이용한 지능형시스템의 기술예측, 한국지능시스템학회
최진호 외 2명(2011), 기술예측을 위한 특허 키워드 네트워크 분석, 한국지능정보시스템학회
홍석(2005), 기업의 기술예측방법론 구축을 위한 기술예측 기법에 관한 연구, 한양대학교