본 논문은 신경망 근사 해석 모델 개발을 궁극적인 목적으로 하는 기초적 연구로서, 기존의 수치해석 알고리즘과의 성능 비교를 통하여 신경망 알고리즘의 특성과 역할을 수치해석의 관점에서 정확히 판단하는데 목적이 있다. 신경망 알고리즘을 변형하여 선형 연립 방정식의 해를 구하는 두가지 방법을 제안하였고, 회귀분석, 보간법과의 비교를 통하여 광범위한 근사자(universal approximator)로서의 역할을 보였다.
The purpose of this paper is to develop Neural Network models for Approximate Structural Analysis (NNASA). As an initial stage, the paper classifies the characteristics and the active role of neural networks in the numerical analysis by comparing neural networks with conventional numerical analysis algorithms. The paper proposed two methods of finding solutions of linear algebraic equations by a modified neural network algorithm, and presents that multilayer feedforward networks are a class of universal approximators by comparing the neural network with regression and interpolation techniques.
