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
- 발행연도
- 2019
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수0
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
심층 학습이 기계 학습의 다양한 분야에서 활용되고, 알고리즘을 작성하는데 유용한 심층 신경망 프레임워크들이 활용된다. 하지만, 기존 프레임워킁서는 코드나 별도의 명세 파일을 직접 작성해야한다. 또한, 알고리즘의 수행 모델을 하위 수준으로 시각화 해주기 때문에 사용자가 이해하기 어렵다. 본 논문은 모델 명세 중에 시각화가 가능하며 컴파일 타임에 병렬성을 확인하거나 설계 오류를 탐지할 수 있는 정형적 모델을 이용하여 심층 학습 알고리즘을 명세하였다. 또한, 이종 프로세서에서 실행 가능한 코드를 생성하고, 다양하게 매핑을 변경하며, 병렬성과 동작 수행을 검증하였다.
목차
요약 i목차 ii그림 목차 iii표 목차 iv1. 서론 - 1 -2. 관련 연구 - 3 -3. 활용하는 모델의 구성 - 5 -4. 심층 학습 알고리즘 명세 및 코드 생성 - 10 -4.1. 심층 신경망 알고리즘 명세 - 10 -4.2. 합성곱 신경망 알고리즘 명세 - 12 -4.3. 코드 생성 - 15 -5. 실험 - 19 -5.1. 심층 신경망 알고리즘 - 19 -5.2. 합성곱 신경망 알고리즘 - 21 -6. 결론 - 26 -참고 문헌 - 27 -
최근 본 자료
댓글(0)
0