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
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회논문지(B) 정보과학회논문지(B) 제23권 제10호
발행연도
1996.10
수록면
1,062 - 1,072 (11page)

이용수

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

초록· 키워드

오류제보하기
최근 신뢰네트웍(belief network)의 네트웍 구조와 확률값을 방대한 상황 데이타로부터 학습하는 몇가지 알고리즘이 제안되었다. 이들중 Cooper의 K2 알고리즘등은 전통적인 학습기법에 바탕을 두고 있지만, Neal의 볼츠만 머신(Boltzmann machine) 학습법이나 Peng 의 헤비안(Hebbian) 학습법등은 신경망 학습법의 일종이다. 본 논문에서는 첫째 다양한 학습 알고리즘의 성능을 실제 상황과 흡사한 환경에서 실험적으로 비교할 수 있도록 사전확률과 인과확률의 정규화 개념을 도입한다. 둘째, 노이즈가 들어간 상황에서의 실험 계획을 구성한다. 마지막으로 Cooper, Neal, Peng의 알고리즘을 실제 상황과 흡사한 노이즈가 포함된 정규화 패턴으로 학습시켰을 때의 성능을 비교하고 분석한다. 학습 결과, Cooper와 Peng의 일고리즘은 확률 값을 학습하는 데 있어 Neal의 알고리즘보다 나은 성능을 보였고, Peng의 알고리즘은 노이즈가 섞인 데이타로부터 네트웍의 구조를 학습하는 데 있어 나머지 두 알고리즘보다 우수한 성능을 보였다.

목차

요약

Abstract

1. 서론

2. 신뢰네트웍 학습 알고리즘 비교

3. 현실적인 실험 환경의 구현

4. 학습 알고리즘의 비교 실험및 결과 분석

5. 결론

참고문헌

저자소개

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 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017753790