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

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
실세계에 존재하는 동적이고 순차적인 문제들을 분석하고 해결하기 위한 노력으로 순차처리 신경회로망 모델이 많이 제안되고 있다. 그러나, 이러한 모델들은 대부분이 지도 학습을 따르고 있기 때문에 인위적으로 정확히 분류하기 힘든 많은 실제적인 데이타에 적용하기 어렵고 학습 속도가 느리다는 단점을 갖는다.
따라서, 본 논문에서는 외부의 도움없이 자가분류할 수 있는 자기구성 순환 신경회로망(Self-Organized Recurrent Neural Network : SORNN) 모델을 제안한다. 제안된 SORNN 모델은 일반적인 코호넨 네트워크를 기초로 하며, 순차 데이타의 과거 정보를 기억하고 새로운 정보를 받아들일 수 있는 기능을 가진다. 또한, 숭자 노드와 이웃 노드의 연결 가중치 조정 비중을 다르게 하여 학습시킴으로써 학습 속도를 개선할 수 있음을 보인다. 제안된 모델의 실제적인 성능을 테스트하기 위하여 단어 인식 및 수질 환경 평가의 자료가 되는 생태학 데이타에 적용시켜 보았다.

목차

요약

Ⅰ. 서론

Ⅱ. 자기구성 신경회로망 (Self - Organized Neural Network)

Ⅲ. 자기구성 순환 신경회로망 (Self - Organized Recurrent Neural Network)

Ⅳ. 실험 결과

Ⅴ. 결론 및 향후 연구 방향

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-0101-2009-569-017971058