지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2016.1
- 수록면
- 1 - 8 (8page)
이용수
초록· 키워드
오류제보하기
Convolutional neural network (CNN) consists of a few pairs of both convolution layer and subsampling layer. Thus it has more hidden layers than multi-layer perceptron. With the increased layers, the size of convolution mask ultimately determines the total number of weights in CNN because the mask is shared among input images. It also is an important learning factor which makes or breaks CNN"s learning. Therefore, this paper proposes the best method to choose the convolution size and the number of layers for learning CNN successfully. Through our face recognition with vast learning examples, we found that the best size of convolution mask is 5 by 5 and 7 by 7, regardless of the number of layers. In addition, the CNN with two pairs of both convolution and subsampling layer is found to make the best performance as if the multi-layer perceptron having two hidden layers does.
목차
Abstract
I. Introduction
II. Convolutional Neural Networks
III. Experiments
IV. Conclusions
REFERENCE
참고문헌 (11)
참고문헌 신청
D. E. Rumelhart, G. E. Hinton, and R. J. Williams, “Learning internal representations by error propagation,” in Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Cambridge, MA: Bradford Books, vol. I, pp. 318-362, 1986.
S. E. Fahlman and C. Lebiere, “The cascade correlation learning architecture,” Neural Information Processing System 2, D. S. Touretzsky, ed. Morgan Kaufman, pp. 524-532, 1990.
M. Riedmiller and H. Braun, “A direct adaptive method of faster backpropagation learning: The RPROP algorithm,” in Proc. IEEE Int. Conf. Neural Netw., San Francisco, CA, pp. 586–591, 1993.
E. K. P. Chong and S. H. Zak, An Introduction to Optimization. New York: Wiley, 1996.
M. T. Hagan and M. B. Menhaj, “Training feedforward networks with the Marquardt algorithm,” IEEE Trans. Neural Netw., vol. 5, no. 6, pp. 989–993, Nov. 1994.
S. E. Fahlman and C. Lebiere, “The cascade correlation learning architecture,” Neural Information Processing System 2, D. S. Touretzsky, ed. Morgan Kaufman, pp. 524-532, 1990.
M. Riedmiller and H. Braun, “A direct adaptive method of faster backpropagation learning: The RPROP algorithm,” in Proc. IEEE Int. Conf. Neural Netw., San Francisco, CA, pp. 586–591, 1993.
E. K. P. Chong and S. H. Zak, An Introduction to Optimization. New York: Wiley, 1996.
M. T. Hagan and M. B. Menhaj, “Training feedforward networks with the Marquardt algorithm,” IEEE Trans. Neural Netw., vol. 5, no. 6, pp. 989–993, Nov. 1994.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
FFT 적용을 통한 Convolution 연산속도 향상에 관한 연구
멀티미디어학회논문지
2021 .11
-
합성곱 신경망 연산을 위한 저전력 콘볼루션 레이어 하드웨어 설계
한국정보통신학회논문지
2024 .07
-
Convolution Neural Network Front-end / Back-end Design
대한전자공학회 학술대회
2020 .11
-
Explainable Grouped Convolution Neural Network Inspired Acoustic-based Mine Recognition for Underwater Surveillance System
한국통신학회 학술대회논문집
2022 .06
-
다각형 용기의 품질 향상을 위한 딥러닝 구조 개발
전기전자학회논문지
2021 .09
-
변형된 잔차블록을 적용한 CNN
멀티미디어학회논문지
2020 .07
-
Optimum growth condition and electrical properties of CuGa0.5In0.5Se₂:Co(0.5 wt %) single crystal thin film for solar cell using hot wall epitaxy method
한국태양에너지학회 학술대회논문집
2017 .04
-
이미지 분류에서 양자화된 딥뉴럴 네트워크를 위한 콘볼루션 계층 하드웨어 구현
전기학회논문지
2025 .04
-
CNN(Convolution Neural Network) 기반의 심혈관질환 분류
정보 및 제어 논문집
2018 .10
-
Convolution Neural Network을 이용한 탭홀 비전검사 시스템
Proceedings of KIIT Conference
2021 .11
-
CNN 기반 잡음 제거: layer 크기에 따른 커널 복원
대한전자공학회 학술대회
2019 .11
-
Convolution Neural Network를 이용한 도로인식 모델
한국정보통신학회 종합학술대회 논문집
2019 .10
-
1D-CNN을 이용한 초분광 이미지 분류에서 Dilated Convolution의 영향 분석
대한전자공학회 학술대회
2021 .06
-
Attention for Adaptive Convolution in Convolutional Neural Networks for Single Image Super-Resolution
방송공학회논문지
2023 .12
-
Convolution Layer에 따른 Generative Adversarial Network 성능 비교
대한전자공학회 학술대회
2019 .06
-
HLS를 이용한 향상된 Convolution Layer Kernel 가속기 구현
대한전자공학회 학술대회
2022 .11
-
YOLO v2 Tiny에서 하드웨어 가속화를 위한 Convolution 구조
대한전자공학회 학술대회
2021 .06
-
합성 곱 신경망의 병렬처리
대한전자공학회 학술대회
2017 .06
-
The Research of Face Expression Recognition based on CNN using Tensorflow
JOURNAL OF ADVANCED INFORMATION TECHNOLOGY AND CONVERGENCE
2017 .07
-
CNN을 사용한 차선검출 시스템
대한임베디드공학회논문지
2016 .01
이 논문의 저자 정보
이 논문과 함께 이용한 논문
심층 컨볼루션 신경망 모델 기반 객체 분류기를 이용한 영상분석 시스템 개발
안명수
,
강대성
한국정보기술학회논문지
2016
.05
Cascade 안면 검출기와 Convolutional neural network를 이용한 얼굴 분류
유제훈
,
박승민
,
고광은
외 1명
한국지능시스템학회 학술발표 논문집
2015
.10
Convolutional Neural Network 기반의 악성코드 이미지화를 통한 패밀리 분류
석선희
,
김호원
정보보호학회논문지
2016
.02
컨볼루셔널 신경망과 케스케이드 안면 특징점 검출기를 이용한 얼굴의 특징점 분류
유제훈
,
고광은
,
심귀보
제어로봇시스템학회 논문지
2016
.03
Cascade 안면 검출기와 컨볼루셔널 신경망을 이용한 얼굴 분류
유제훈
,
심귀보
한국지능시스템학회 논문지
2016
.02
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2016-325-002436741