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

이용수

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

초록· 키워드

오류제보하기
현재 가장 널리 사용되는 인공 신경망중의 하나는 일반화된 델타 학습 규칙을 변형시키고 결합시킨 오류 역전파 학습 방법이다. 이 학습 모델은 생물학적인 구조와 비교하면 많은 차이가 있다. 본 논문에서는 표준 오류 역전파 학습 방법을 소마( soma )와 신경 자극 전달부( synapse ) 및 대뇌 구조로 재구성하였다. 그리고 본 논문에서는 총 오차 자승합(TSS:Total Sum of Squares)이 오차 한계(Error Criterian)보다 작을때까지 학습하는 대신 모든 출력값이 ε보다 작거나 같을때까지를 검사하여 모든 실제 출력값의 총 수가 만족하면 학습이 끝나는 Feed Forward-Layer Network 구조를 제안하고자 한다. 제안된 방법으로 벤치마크로 사용되는 XOR, Parity3, 4-2-4 encoder/decoder 문제에 적용시켜 보았다. 그 결과 제안된 방법이 표준 오류 역전파 학습방법보다 학습 속도 및 인식부분에서 향상을 보였다.

목차

요약

Ⅰ. 서론

Ⅱ. 본론

Ⅲ. 결론 및 연구 방향

Ⅳ. 참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017918120