딥 러닝의 성능을 개선하기 위해 사용하는 대표적인 두 종류는 차별적인 네트워크 알고리즘을 사용하는 방법과 실행 프로세스에 변화를 주는 방법이다. 본 연구는 이 중에서 사용하는 네트워크의 알고리즘에 따라 딥 러닝의 성능에 차이가 발생하는지를 확인하고자 한다. 네트워크 알고리즘을 사용하는 방법은 딥 러닝 네트워크 알고리즘의 학습을 위해 어떤 알고리즘을 선택할 것인가에 관한 것이다. 본 연구는 공급 사슬의 티어 예측에 4 종류의 딥 러닝 네트워크 알고리즘을 적용하고 성능 평가를 통해 가장 적절한 알고리즘을 선정하고자 한다. 본 논문에서 성능 평가를 위해 사용되는 딥 러닝 네트워크 알고리즘은 lstmLayer, bilstmLayer, Deeper lstmLayer, Deeper bilstmLayer이며 동일한 실험 조건을 가정한다. 본 연구의 실험 결과는 사용하는 네트워크 알고리즘에 따라 수행도에 차이가 있음을 보여준다. 구체적인 실험 결과는 lstmLayer 계열보다는 bilstmLayer 계열이 더 성능이 우수하며, lstmLayer와 Deeper lstmLayer는 성능 차이가 없고, bilstmLayer 보다는 Deeper bilstmLayer가 더 성능이 우수하다. 결론적으로, 공급 사슬의 시계열 데이터 정보를 딥 러닝에 사용하는 경우는 Deeper bilstmLayer가 가장 효율적임을 알 수 있다.