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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김민재 (한성대학교) 정성훈 (한성대학교)
저널정보
한국디지털콘텐츠학회 디지털콘텐츠학회논문지 디지털콘텐츠학회논문지 제25권 제8호
발행연도
2024.8
수록면
2,145 - 2,151 (7page)
DOI
10.9728/dcs.2024.25.8.2145

이용수

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

초록· 키워드

오류제보하기
비지도 학습 모델 중 하나인 오토인코더(Auto-Encoder, AE)는 차원 축소, 특징 추출, 이상치 탐지와 같은 다양한 응용 분야에서 사용되어왔다. 하지만 데이터 공간에서 각 클러스터 간 겹치는 정도가 높은 학습데이터에 대해서 AE의 성능이 떨어진다는 문제가 있다. 본 논문에서는 이러한 문제를 고찰하기 위하여 AE의 첫 번째 은닉층을 입력층의 차원보다 더 큰 차원으로 설계하였을 때 각 클러스터 간 겹치는 정도가 높은 학습데이터에서 어떤 효과가 있는지를 실험 분석하였다. 실험 결과 각 클러스터 간 겹치는 정도가 높을수록 AE의 첫 번째 은닉층의 차원을 크게 해야 성능이 좋아짐을 확인하였다. 또한 AE로 추출된 특징을 분류 문제에 적용해본 결과 은닉층을 확장하였을 때 성능이 더 높음을 확인할 수 있었다.
#딥러닝 #오토인코더 #비지도 학습 #인공 데이터 #클래스 중첩 #Deep Learning #Auto-Encoder #Unsupervised Learning #Synthetic Data #Class Overlap

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 실험데이터와 모델
Ⅲ. 실험 결과 및 결과 분석
Ⅳ. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문과 함께 이용한 논문

생성형 AI를 활용한 협력학습 과정에서 나타나는 상호작용 양상 탐색
박하나 컴퓨터교육학회 논문지 2024 .08
개별화 맞춤형 학습을 지원하는 AI 챗봇 기반 플랫폼 분석
채주혜 ,  김민영 ,  류강 외 2명 디지털콘텐츠학회논문지 2024 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-090659620