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
본 논문에서는 신경회로망의 일반화 성능을 향상시키기 위한 하이브리드 학습 알고리즘을 제안한다. 입, 출력 민감도를 고려한 항을 부가적인 오차 함수로 두어 기존의 출력층 오차 함수와 함께 습을 시킨다. 부가적인 오차 함수를 도입함으로써 학습 과정 중에 은닉층 뉴런을 포화시켜 외부 환경이나 잡음에 의해 발생되는 신경회로망의 입력 데이터들의 변화에 대해 강건한 출력값을 내도록 한다. 하이브리드 학습 알고리즘은 오차 역전파 학습 법칙과 Hebbian 학습 법칙을 자연스럽게 포함하고 있어 학습 과정 중에 두 가지 학습 법칙이 경쟁하게 된다. 그리고 하이브리드 학습 알고리즘이 입출력 민감도를 줄일 수 있음을 이론적으로 보이고, 시계열 예측 문제에 적용하여 성능을 검증한다.

목차

요약

1. 서론

2. 본론

3. 결론

4. 참고 문헌

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-0101-2009-569-017927858