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.
초록· 키워드
오류제보하기
Recently, some meta-heuristic algorithms, such as GA(Genetic Algorithm) and GP(Genetic Programming), have been used to optimize CNN(Convolutional Neural Network). The CNN, which is one of the deep learning models, has seen much success in a variety of computer vision tasks. However, designing CNN architectures still requires expert knowledge and a lot of trial and error. In this paper, the recent attempts to automatically construct CNN architectures are investigated and analyzed. First, two GA based methods are summarized. One is the optimization of CNN structures with the number and size of filters, connection between consecutive layers, and activation functions of each layer. The other is an new encoding method to represent complex convolutional layers in a fixed-length binary string, Second, CGP(Cartesian Genetic Programming) based method is surveyed for CNN structure optimization with highly functional modules, such as convolutional blocks and tensor concatenation, as the node functions in CGP. The comparison for three approaches is analysed and the outlook for the potential next steps is suggested.
목차
Abstract
1. 서론
2. CNN(Convolutional Neural Network) 구조 최적화
3. GA 기반 CNN 최적화
4. GP 기반 CNN 최적화
5. 접근법 특성 비교
6. 분석 및 결론
References
참고문헌 (21)
참고문헌 신청
J. Schmidhuber, Deep Learning in Neural Networks: An Overview, Neural Networks, Vol. 61, pp. 85-117, 2015.
Y. LeCun, Y. Bengio, G. Hinton, “Deep learning,” Nature Vol. 521, pp. 436-444, 2015.
J. D. Goldberg, Genetic Algorithms in Search, Optimition and Machine Learning, Addison-Wesley, Reading, MA, 1989.
K. O. Stanley and R. Miikkulainen, “Competitive coevolution through evolutionary complexification,” Journal of Artificial Intelligence Research, vol. 21, pp. 63-100, 2004.
K. O. Stanley, D. B. D’Ambrosio, and J. Gauci, “A hypercubebased indirect encoding for evolving large scale neural networks,” Artificial Life, vol. 15, 2009
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
진화연산 기반 CNN 필터 축소
전기학회논문지
2018 .12
-
유전 알고리즘을 이용한 CNN 내 가중치의 최적화
한국정보과학회 학술발표논문집
2019 .06
-
Random CNN과 유전 알고리즘을 이용한 신경망 구조 최적화
한국정보과학회 학술발표논문집
2020 .12
-
Survey of the 3D Convolutional Neural Networks for Video Action Recognition
대한전자공학회 학술대회
2022 .06
-
Dance Movement Recognition based on Deep Learning
IEIE Transactions on Smart Processing & Computing
2024 .06
-
CNN 기법을 이용한 공간정보 자동분류연구
대한공간정보학회 학술대회
2017 .05
-
CNN을 이용한 이미지 분류
Proceedings of KIIT Conference
2017 .06
-
다양한 변수에 따른 CNN 성능 분석
정보 및 제어 논문집
2019 .04
-
Bearing Fault Diagnosis Using One-Dimensional Convolutional Neural Network
제어로봇시스템학회 국제학술대회 논문집
2022 .11
-
긍정과 부정 이미지 기반 데이터 편향에 따른 CNN모델의 차이 연구
대한인간공학회 학술대회논문집
2022 .10
-
CNN을 이용한 차량 수 카운팅 알고리즘
한국생산제조학회 학술발표대회 논문집
2019 .11
-
CNN을 활용한 실내화재 이미지 분석 알고리즘 개발
한국통신학회 학술대회논문집
2022 .11
-
CNN을 이용한 개 감정인식 방법에 관한 연구
한국통신학회 학술대회논문집
2020 .02
-
Introduction of optimization algorithm and artificial intelligence application for performance evaluation of construction materials
대한토목학회 학술대회
2019 .10
-
콘볼류션 신경망을 이용한 손글씨 숫자 인식 구현
한국정보통신학회 종합학술대회 논문집
2021 .05
-
Insight CNN
한국정보과학회 학술발표논문집
2017 .12
-
깊은 Convolutional Neural Network를 이용한 얼굴표정 분류 기법
방송공학회논문지
2017 .03
-
CNN 기반 잡음 제거 : CNN에서 layer 수의 따른 커널 복원
대한전자공학회 학술대회
2019 .06
-
Comparison of Convolutional Neural Network Models for Image Super Resolution
한국방송미디어공학회 학술발표대회 논문집
2018 .06
-
CNN 훈련 속도 개선을 위한 합성곱 후처리 데이터 흐름 최적화
한국통신학회 인공지능 학술대회 논문집
2024 .09
이 논문의 저자 정보
이 논문과 함께 이용한 논문
로봇환경에서 3차원 CNN을 이용한 비디오 기반 얼굴 인식
변영현
,
곽근창
Proceedings of KIIT Conference
2014
.05
Vision Transformer를 활용한 비디오 분류 성능 향상을 위한 Fine-tuning 신경망
이광엽
,
이지원
,
박태룡
전기전자학회논문지
2023
.09
다양한 변수에 따른 CNN 성능 분석
공준배
,
장하영
,
장민석
외 1명
정보 및 제어 논문집
2019
.04
이미지 유사도 측정을 위한 CNN 기반 이미지 임베딩 모델 비교 분석
서민지
,
이기용
한국정보과학회 학술발표논문집
2019
.06
CNN에서 훈련 및 시험 영상 수에 따른 정확도 분석
공준배
,
황태희
,
장민석
외 1명
한국컴퓨터정보학회 학술발표논문집
2019
.07
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-560-002231103