지금껏 발표된 많은 연구 결과에 의하면 신경망 시스템의 일반화 정도(정확도) 는 통계적 모델과의 비교 평가에서 그 일반화 정도가 그들과 버금가거나 우수하다는 평가를 받고 있다. 그러나, 이러한 신경망 시스템의 우수한 예측 결과는 불량 데이타 (noisy data)가 거의 없는 건전한 데이타, 혹은 일정량의 불량 데이타를 제어할 수 있을 만큼 충분한 양의 데이타로 신경망을 학습시켰을 경우에만 얻을 수가 있었다. 실제 문제-특히, 경제, 경영상의 문제-를 풀기 위하여 모아진 실 데이타는 신경만 시 스템이 만족할 만한 예측 결과를 보일 수 있을 정도의 건전한 데이타가 못되는 것이 현실이다. 따라서, 본 연구에서는 일정량의 불량 데이타를 포함하고 있는 훈련 데이타 를 통해 신경만을 훈련시킬 경우 신경망 시스템의 일반화 정도를 높일 수 있는 방법 에 대하여 논하였다. 본 연구의 관찰된 실험 결과에 의하면 신경망 시스템의 일반화 정도를 높이기 위해 훈련 데이타에서 같은 입력값을 갖는데도 불구하고 서로 상반되 는 출력값을 갖는 불량 데이타들을 골라내어 신경망 시스템을 훈련시키는 방법을 제 안하였다. 아울러, 두개의 서로 상반된 결과값을 갖는 불량 데이타로 신경만을 훈련 시켰을 경우 두 결과값의 평균값에 의해 신경망의 가중치(weight)조정이 된다는 이전 의 연구결과［25］도 입증되었다. 또한, 본고에서는 현재 진행중에 있는 신경망을 이 용한 신용 평가 시스템 개발에 관한 중간 결과도 기술되어 있다.
Many research result conducted by neural network researchers claimed that the degree of generalization of the neural network system is higher or at least equal to that of statistical methods. However, those successful results could be brought only if the neural network was trained by appropriately sound data, having a little of noisy data and being large enough to control noisy data. Real data used in a lot of fields, especially business fields, were not so sound that the network have frequently failed to obtain satisfactory prediction accuracy, the degree of generalization. Enhancing the degree of generalization with noisy data is discussed in this study. The suggestion, which was obtained through a series of experiments, to enhance the degree of generalization is to remove inconsistent data by checking overlapping and inconsistencies. Furthermore, the previous conclusion by other reports is also confirmed that the learning mechanism of neural network takes average value of two inconsistent data included in training set［2］. The interim results of on-going research project are reported in this paper These are ann architecture of the neural network adopted in this project and the whole idea of developing on-line credit evaluation system,being intergration of the expert(resoning)system and the neural network(learning system.Another definite result is corroborated through this study that quickprop,being agopted as a learing algorithm, also has more speedy learning process than does back propagation even in very noisy environment.
