[기술예측][시뮬레이션모형][확산모형][시간][인공신경망]기술예측과 시뮬레이션모형, 기술예측과 확산모형, 기술예측과 시간, 기술예측과 인공신경망 분석(기술예측, 인공신경망,시간)

목차

Ⅰ. 개요

Ⅱ. 기술예측과 시뮬레이션모형
1. Kane의 연구
2. Burns & Marcy의 연구
3. Mohapatra & Vizayakumar의 연구

Ⅲ. 기술예측과 확산모형
1. S-Shaped Curve
2. 확산 모형

Ⅳ. 기술예측과 시간
1. 시간순서 (time-sequence) 관련연구
1) Blackman의 연구
2) Novaky & Lorant의 연구
2. 시간종속 (time-denpendency) 관련 연구
1) Eymard의 연구
2) Cho, Jeong, Kim의 연구

Ⅴ. 기술예측과 인공신경망
1. 인공 신경망의 개요와 특징
2. 수요 예측에서의 인공 신경망

참고문헌

본문내용

기존의 경제에서 진입장벽, 경쟁력 요인이었던 유통/판매망의 중요성이 인터넷과 전자상거래과 더불어 상대적으로 감소되면서 유통/판매망 구축을 위한 막대한 고정비용이 절감될 수 있다. 이에 따라, 시장독점 가능성이 작아지고 따라서 진입장벽도 낮아지게 된다. 그러나 기술적인 진입장벽과 실질적인 진입장벽의 차이는 여전히 존재하고 있다. 즉, 기업을 설립하여 이윤을 내는 것은 온라인 하에서도 어렵다. 또한 지적재산권, 기술표준, 기존 기업간의 계약관계 등이 온라인 시장에서 새로운 진입장벽으로 작용하고 있다.
네트워크 시장에서 거래되는 많은 제품의 비용구조는 기존의 제품의 비용구조를 비교할 때 상대적으로 낮은 한계비용과 높은 평균비용의 구조를 가지고 있다.

<중 략>

(1) 프로그램 각각에 대한 주관적 초기 발생확률 및 시간별 각 프로그램의 매출액 공헌도를 추정한다.
(2) 프로그램 상호간의 영향정도를 나타내 주는 ?CIM?을 작성한다. 이때, 발생시간의 크기 순으로 각 프로그램의 순서를 정한다.
(3) 미래의 일정기간 동안 기대매출액에 대한 프로그램 상호작용의 효과를 결정하기 위한 컴퓨터 프로그램을 구성하기 위하여 ?Monte-Carlo Simulation?을 적용했다.
이 연구는 연간 기대매출액을 도출함으로써 장기계획을 쉽게 작성할 수 있다는 점과 발생 또는 비발생 개념을 ‘win or lose’의 개념으로 전개한 점이 특징이다.

<중 략>

시계열 자료를 이용하여 분석을 행하는 방법으로는 1개의 입력층, 1개의 출력층, 다수의 은닉층으로 구성된 다층형 인공 신경망(Multi-_badtags 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

참고 자료

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