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
- 학위논문
- 저자정보
- 지도교수
- 박상현
- 발행연도
- 2015
- 저작권
- 연세대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문은 딥러닝 알고리즘을 적용한 깊은신경망을 이용하여 회전객체의 분류 효율성을 높이기 위한 연구이다.
회전객체를 분류 실험을 위하여 데이터는 COIL-20을 사용하며 총 3가지의 분류기를 구현하여 비교 분석한다. 연구에 이용된 3가지 분류기는 주성분 분석법을 이용해 데이터의 차원을 축소하면서 특징값을 추출하고 유클리디안 거리를 이용하여 분류하는 PCA분류기와 오류역전파 알고리즘을 이용하여 오류에너지를 줄여가는 방식의 MLP분류기, 마지막으로 Pre-training을 통하여 학습 데이터의 관찰될 확률을 높여주고 Fine-tuning으로 오류에너지를 줄여가는 방식의 딥러닝을 적용한 DBN분류기이다.
깊은신경망의 구조별 오류율을 확인하기 위하여 은닉층의 개수와 은닉뉴런의 개수를 변경해가며 실험을 진행하고 실제로 회전객체에 대한 가장 낮은 오류율을 나타내는 구조를 기술한다. 또한, Pre-training의 효과를 확인하기 위하여 동일한 구조의 MLP와 DBN을 비교 분석 한다.
가장 낮은 오류율을 보였던 분류기는 DBN을 이용한 분류기로 은닉층을 2개 갖는 깊은신경망의 구조로 매개 변수들을 인식에 도움이 되는 곳으로 이동시켜 높은 인식률을 보여줬다.
회전객체를 분류 실험을 위하여 데이터는 COIL-20을 사용하며 총 3가지의 분류기를 구현하여 비교 분석한다. 연구에 이용된 3가지 분류기는 주성분 분석법을 이용해 데이터의 차원을 축소하면서 특징값을 추출하고 유클리디안 거리를 이용하여 분류하는 PCA분류기와 오류역전파 알고리즘을 이용하여 오류에너지를 줄여가는 방식의 MLP분류기, 마지막으로 Pre-training을 통하여 학습 데이터의 관찰될 확률을 높여주고 Fine-tuning으로 오류에너지를 줄여가는 방식의 딥러닝을 적용한 DBN분류기이다.
깊은신경망의 구조별 오류율을 확인하기 위하여 은닉층의 개수와 은닉뉴런의 개수를 변경해가며 실험을 진행하고 실제로 회전객체에 대한 가장 낮은 오류율을 나타내는 구조를 기술한다. 또한, Pre-training의 효과를 확인하기 위하여 동일한 구조의 MLP와 DBN을 비교 분석 한다.
가장 낮은 오류율을 보였던 분류기는 DBN을 이용한 분류기로 은닉층을 2개 갖는 깊은신경망의 구조로 매개 변수들을 인식에 도움이 되는 곳으로 이동시켜 높은 인식률을 보여줬다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0