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
학술대회자료
저자정보
저널정보
Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 1995년도 봄 학술발표논문집 제22권 제1호
발행연도
1995.4
수록면
1,025 - 1,028 (4page)

이용수

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

초록· 키워드

오류제보하기
진단과 같은 인과확률 추론문제에서 신뢰 네트웍(belief network)은 인과 지식을 자연스럽고 풍부하게 표현할 수 있다는 것을 특징으로 한다. 그러나 필요한 인과 지식을 얻는 방법이 부족하여 현실적인 문제에 적용하는 데 많은 제약이 따랐다. 이의 한 해결방안이 신경망에 의한 학습인데 최근에 인과 확률을 학습하는 헤비안 학습법이 제시되었다. 본 논문에서는 실제 데이타의 특성때문에 실제 데이타를 이 학습법으로 학습시켰을 때 네트웍의 변수가 원래의 인과 확률이 아니라 일종의 정규화된 확률값으로 수렴함을 보이고, 이 학습법이 잡음(noise)에 대하여 견고(robust)하다는 것을 실험과 분석을 통해 보이고자 한다. 이는 실제 학습 데이타에 대체로 잡음이 섞여있음을 고려할 때 제시된 헤비안 학습 규칙의 실용성을 뒤받침한다.

목차

요약

1. 서론

2. 모델 변수(parameter)의 학습

3. 실제 데이타의 성격

4. 잡음(noise)에 대한 견고성(robustness)

5. 결론 및 향후 연구 방향

참고 문헌

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-0101-2009-569-017951890