• 지능정보연구
• /
• 제29권2호
• /
• pp.241-265
• /
• 2023

기업의 부실 예측 모델은 기업의 재무 상태를 객관적으로 모니터링하는 데 필수적인 도구 역할을 한다. 적시에 경고하고 대응 조치를 용이하게 하며 파산 위험을 완화하고 성과를 개선하기 위한 효과적인 관리 전략을 수립할 수 있도록 지원한다. 투자자와 금융 기관은 금융 손실을 최소화하기 위해 부실 예측 모델을 이용한다. 기업 부실 예측을 위한 인공지능(AI) 기술 활용에 대한 관심이 높아지면서 이 분야에 대한 광범위한 연구가 진행되고 있다. 해석 가능성과 신뢰성이 강조되며 기업 부실 예측에서 설명 가능한 AI 모델에 대한 수요가 증가하고 있다. 널리 채택된 SHAP(SHapley Additive exPlanations) 기법은 유망한 성능을 보여주었으나 변수 수에 따른 계산 비용, 처리 시간, 확장성 문제 등의 한계가 있다. 이 연구는 전체 데이터 세트를 사용하는 대신 부트스트랩 된 데이터 하위 집합에서 SHAP 값을 평균화하여 변수 수를 줄이는 새로운 변수 선택 접근법을 소개한다. 이 기술은 뛰어난 예측 성능을 유지하면서 계산 효율을 향상시키는 것을 목표로 한다. 해석 가능성이 높은 선택된 변수를 사용하여 랜덤 포레스트, XGBoost 및 C5.0 모델을 훈련하여 분류 결과를 얻고자 한다. 분류 결과는 고성능 모델 설계를 목표로 soft voting을 통해 생성된 앙상블 모델의 분류 정확성과 비교한다. 이 연구는 1,698개 한국 경공업 기업의 데이터를 활용하고 부트스트래핑을 사용하여 고유한 데이터 그룹을 생성한다. 로지스틱 회귀 분석은 각 데이터 그룹의 SHAP 값을 계산하는 데 사용되며, SHAP 값 평균은 최종 SHAP 값을 도출하기 위해 계산된다. 제안된 모델은 해석 가능성을 향상시키고 우수한 예측 성능을 달성하는 것을 목표로 한다.

• 대한토목학회논문집
• /
• 제37권1호
• /
• pp.9-17
• /
• 2017

본 연구에서는 변위 및 가속도 응답의 저감 효과에 있어서, 유리한 형상인 $180^{\circ}$ 나선형(Helical $180^{\circ}$) 초고층건물을 대상으로 공력진동실험 수행하여 나선형 초고층건물의 공력감쇠율의 특성을 조사하였다. 공력감쇠율은 RD법(Random decrement technique)을 이용하여 평가하였다. 또한 RD법에서 부분 샘플의 개수와 초기 조건 값의 변화가 공력감쇠율에 어떤 영향을 미치는지 조사하였다. 실험 결과, 최소 2000개 이상의 부분 샘플을 이용하여 앙상블 평균을 적용하면 공력감쇠율의 불규칙한 변동의 폭을 줄일 수 있음을 검증했고, 기존 연구들과도 잘 부합되는 것을 알 수 있었다. 정방형 모형과 $180^{\circ}$ 나선형 모형의 공력감쇠율의 결과를 살펴보면, 풍방향 공력감쇠율은 건물의 형상이 다름에도 불구하고 무차원 풍속에 따른 공력감쇠율은 매우 유사한 경향을 보였다. 한편, 정방형 모형에 대한 풍직각방향의 공력감쇠율은 $180^{\circ}$ 나선형모형의 공력감쇠율의 특성과는 다른 양상을 보이는 것을 알 수 있었다. 특히 풍향 변화에 따른 $180^{\circ}$ 나선형 모형의 Y방향에 대한 공력감쇠율은 풍향의 변화와 상관없이, 전반적으로 0에 가까운 값을 갖는 경향이 나타났고, 무차원 풍속의 증가와 함께 변동의 폭은 작지만 점진적으로 증가하는 경향을 보였다. 초기 조건 값의 변화에 따른 공력감쇠율을 평가한 결과, 초기 조건 값을 "응답의 표준편차" 또는 RD 함수에 대한 최적화 "${\sqrt{2}}{\times}$응답의 표준 편차"를 적용하여 평가한 공력감쇠율은 매우 유사한 결과 값과 분포를 보이는 것으로 나타났다.