메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
역전파 학습방법은 신경회로망의 학습 모델 중에서 가장 널리 사용되고 있는 학습 모델 이지만 지역최소화(local minima)에 빠질 가능성과 학습속도가 느리다는 단점이 있다. 본 논문에서는 이러한 단점을 해결하기 위해 신경망이 학습하는 동안에 은닉층의 노드수와 학습률을 동적으로 변화시켜 지역최소화에 빠질 가능성과 학습속도의 느림을 개선하였다. 지역최소화에 빠졌을 때 은닉층에 새로운 노드를 첨가한다. 이것은 새로운 노드와 연결된 다른 층에 있는 노드와의 연결 가중치에 학습이 전혀 되지 않은 상태이므로 가중치 공간이 변하여 총오차자승합(TSS, total sum of squares)은 증가하며 이로 인해 지역최소화에서 벗어날 수 있다. 학습률의 동적인 변화에 의해 더 빠른 속도로 지역최소화에 빠진 신경망을 전역최소화(global minima)에 빠지도록 유도한다. 제안된 방법으로 신경망에서 벤치마크로 많이 사용되는 XOR, Parity3 문제에 적용시켜 보았으며 좀더 복잡하고 현실적 문제로의 적용을 위해 인쇄체 한글 자모음 인식에 적용시켜 보았다. 실험결과 제안된 방법은 표준 역전파 학습방법에 비해 지역최소화에 빠질 가능성을 줄였으며 학습속도는 약 2.5배 정도의 향상을 보였다.

목차

요약

Ⅰ. 서론

Ⅱ. 본론

Ⅲ. 결론 및 연구방향

Ⅳ. 참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017952473