earticle

영어

1) This study aims to establish a deep learning learning model to confirm the predictability of technology grade, standardize technology evaluation, apply financial support, and present directions for education in commercial information specialized high schools. This study selected 1,035 SMEs and conducted a technical evaluation based on the technology finance guidelines established in 2021, and studied five stages: data collection, multicollinearity analysis, Pearson correlation coefficient analysis, normalization transformation, and deep learning learning model training. This study analyzed the multicollinearity, TOL, VIF, Durbin-Watson, correlation coefficient, and normalization method of technology evaluation data and technology evaluation sub-data. The performance was confirmed by training the deep learning learning model of TensorFlow Linear Regression, Ridge Regression, and XGB Regression. Among the deep learning learning model performances, it was confirmed that the performance and stabilization of the TensorFlow learning model were the best when RMSE and R2 were comprehensively considered. As a result of checking the accuracy of this study by dividing the technology grade into upper, middle, and lower, the TensorFlow learning model confirmed 89.39% accuracy when using technology evaluation data + technology evaluation sub-data. If a deep learning learning model with enhanced performance is studied in the future, it can be applied in stages to predict technology grade, but this study has limitations that are insufficient to reflect reliability and diversity by studying a small number of SMEs.

한국어

본 연구는 딥러닝 학습모델을 구축하여 기술등급 예측 가능성을 확인하고, 기술평가 표준화, 금융 지원 등의 실무 적용과 상업정보계열특성화고등학교 등의 교육에 방향성을 제시하고자 한다. 본연구는중소기업1,035개업체를선별하여2021년제정된기술금융가이드라인을기반으로기술평가를 수행하였으며, 데이터 수집, 다중공선성 분석, 피어슨 상관 계수 분석, 정규화 변환, 딥러닝 학습모델 훈련의 5단계로 연구하였다. 본 연구는 기술평가 데이터와 기술평가 서브 데이터들의 다중공선성, TOL, VIF, Durbin-Watson, 상관 계수, 정규화 방식 등을 분석하였고, TensorFlow 선형 회귀 학습모델, Linear Regression, Ridge Regression, XGB Regressor의 딥러닝 학습모델을 훈련하여 성능을 확인하였다. 딥러닝 학습모델 성능 중에서 RMSE와 R2을 종합적으로 고려할 경우에 TensorFlow 학습모델의 성능과 안정화가 가장 좋은 것으로 확인하였다. 본 연구는 기술등급을 상, 중, 하로 구분하여 정확도를 확인한 결과 기술평가 데이터 + 기술평가 서브 데이터를 사용한 경우에 TensorFlow 학습모델이 89.39% 정확도를 확인하였다. 향후에 성능이 강화된 딥러닝 학습모델이 연구된다면 기술등급 예측에 단계적으로 적용이 가능하지만, 본 연구는 소수의 중소기업을 대상으로 연구하여 신뢰성과 다양성 반영에 미흡한 한계점이 존재한다.