이 책의 목적은 시계열의 통계적 예측에 적용 가능한 인공신경망 모형을 소개하는 데 있다. 인공신경망은 다양한 현상의 관측 자료에 내재된 여러 비선형 현상을 본래에 가깝게 설명해 낼 수 있는 유연한 모형이다. 이 모형은 기존 방법과는 달리 선형 또는 비선형 모형의 함수형태에 의존하지 않고 관련 함수의 형태에 대한 제한이나 가정 없이 자료가 갖는 비선형 구조를 효과적으로 설명해 내는 모형이다. 나아가 이 모형은 기본적으로 모든 함수를 대상으로 정확한 근삿값을 제공하는 비선형모형의 접근법을 적용하고, 자료에 모형을 적합하는 방법에서도 일반적인 통계기법과 유사하게 오차를 최소화하는 반복학습과 일반화의 절차를 갖춘 예측력 높은 방법이다.
제2장 시계열의 시간영역 예측 사례 _15
분석사례 [1] 기업 재고량에 대한 예측모형: 비정상∘비계절성
분석사례 [2] 도시의 물 수요에 대한 예측모형: 계절성
분석사례 [3] 항공기 승객수에 대한 예측모형: 비정상∘계절성
분석사례 [4] 국가 고용자수에 대한 예측모형: 비정상∘계절성
분석사례 [5] 주가의 통계적 성질과 예측모형: 비정상∘비계절성
분석사례 [6] 생산품 판매량에 대한 예측모형: 비정상∘계절성
분석사례 [7] 호텔의 수요예측을 위한 확률모형: 비정상∘계절성
분석사례 [8] 수출량 예측을 위한 확률모형: 비정상∘계절성
수행분석 4 저축률의 예측모형 개발: 정상∘비계절성
수행분석 5 상품 소비량에 대한 예측모형: 비정상∘계절성
제 II 부 시계열의 인공신경망 예측
제3장 인공신경망을 이용한 시계열 예측
3.1 인공신경망의 기본개념
3.2 인공신경망의 적용사례
3.2.1 회귀모형과 인공신경망
3.2.2 인공신경망의 손실함수, 가중치에 관한 손실함수의 변화율
3.2.3 오차축소를 위한 역전파 알고리즘
3.2.4 여러 출력 노드를 갖는 역전파 알고리즘
3.3 시계열 예측을 위한 여러 인공신경망
3.3.1 인공신경망: ANN 모형
3.3.2 신경망 자기회귀모형: NNAR 모형
3.3.3 혼합모형: Hybrid 모형
3.3.4 홀트-윈터스 모형 : HW 모형
제4장 인공신경망을 이용한 시계열 예측 사례
분석사례 [9] 항공사 자료에 대한 예측모형: ARIMA vs. ANN(NNAR) vs. HW
분석사례 [10] 항공사 자료 예측에 대한 홀트−윈터스 모형: SARIMA vs. NNAR vs. HW
분석사례 [11] 개인 평균소득에 관한 예측모형: SARIMA vs. NNAR
분석사례 [12] 시계열 예측을 위한 심층신경망 모형: DNN vs. RNN vs. SARIMA
분석사례 [13] 전방확대 교차검증을 이용한 시계열 예측: ANN vs. AUTOREG
수행분석 6 저축률 시계열에 대한 인공신경망 모형
수행분석 7 상품 소비량 시계열에 대한 인공신경망 모형
제 Ⅲ 부 주파수에 기초한 시계열의 인공신경망 예측
제5장 시계열의 스펙트럼 분석
5.1 스펙트럼 분석의 기본개념
5.2 시계열의 주기성과 주기함수
5.2.1 주기함수에 대한 푸리에 급수
5.2.2 유한 수열에 대한 푸리에 급수
5.2.3 에너지양과 파워
5.3 시계열의 스펙트럼 표현
5.4 스펙트럼과 스펙트럼 분포
5.5 주파수영역에서의 추정
5.5.1 이산 푸리에 변환
5.5.2 스펙트럼의 추정
5.6 스펙트럼의 일치추정량: 윈도와 대역의 폭
제6장 스펙트럼에 기초한 시계열의 신경망 예측 사례
분석사례 [14] 스펙트럼과 신경망에 기초한 흑점 시계열의 예측: 스펙트럼 예측 vs. 신경망 예측
수행분석 8 시계열의 스펙트럼 분석: 판매량의 예측모형