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

논문 기본 정보

자료유형
학술저널
저자정보
조명원 (성신여자대학교)
저널정보
한국물리학회 새물리 새물리 제69권 제4호
발행연도
2019.4
수록면
338 - 347 (10page)

이용수

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

초록· 키워드

오류제보하기
신경망에서 진행되는 발화과정과 함께 학습 과정도 통계역학적인 방법론을 기반으로 표현할 수 있다. 자유에너지 경사하강법으로 신경망 학습규칙을 정의하는 경우 내부에너지의 미분 결과는 일반적으로 시냅스 양단의 신경세포들의 발화상태의 곱으로 구해지며, 이는 헤비안 규칙이라 불리는 기본적인 신경망 학습 원리와 부합된다. 한편 엔트로피의 값을 높이려는 경향은 신경망이 보다 다양하고 적절한 기능을 습득하기 위해 필요한 경쟁적 학습을 이끌 수 있을 것으로 기대된다. 하지만 신경망 모델에 따라 엔트로피는 조금씩 다르게 유도되며, 이들을 최대화 하는 과정이 학습에 미치는 영향도 다르다. 이 논문에서는 자유에너지 또는 엔트로피가 여러 신경망 모델들에서 어떻게 정의될 수 있는지를 살피고, 신경망 모델에서 원래의 학습규칙과는 상관 없이 자유에너지 최소화를 신경망 학습을 진행했을 때 엔트로피가 신경망 학습에 미치는 영향을 정리하였다. 그리고 엔트로피로부터 적절한 경쟁적 학습이 유도되기 위해서 신경망 모델들이 갖추어야 할 요소들에 대해 토의하였다.

목차

I. 서론
II. 빈도수 신경망 모델
III. 유사확률 학습모델
IV. 정보론 기반 학습모델
V. 홉필드망
VI. 볼츠만 머신
VII. 파인만 머신
VIII. 토의
REFERENCES

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092344958