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
인공 신경망은 두뇌와 같은 분산 구조로 되어 있기 때문에 본질적으로 강한 결함포용성을 가지고 있는 것으로 간주되고 있다. 그러나 오류 역전파 학습 방법에 의해 학습된 다층 퍼셉트론의 경우 단 하나의 은닉층 뉴런의 제거만으로도 학습된 성능이 심각하게 저하될 수 있다. 이러한 사실은 다층 퍼셉트론이 최소한 은닉층 뉴런들의 stuck_at_O 결함에 대해 결함포용하지 않다는 것을 의미한다. 본 논문에서는 다층 퍼셉트론의 결함포용에 대한 일반적 개념을 명확히 정의한다. 그리고 이러한 정의와 은닉층 뉴런의 최대 기여도에 기반하여 임의의 학습된 다층 퍼셉트론을 은닉층 뉴런의 stuck_at_O 결함에 대한 결함포용 신경망으로 변환하는 효율적인 방법인 선택적 증식 알고리즘을 제안한다. 패턴 인식 및 비선형 함수 근사 문제에 대한 실험을 통하여 제안된 방법에 의해 설계된 결함포용 신경망이 임의의 은닉층 뉴런의 stuck_at_O 결함에 대해 실제로 결함포용함을 보인다. 또한 제안된 방법은 일괄 중식 방법에 비해 소요되는 redundancy 측면에서 훨씬 효율적임을 보인다.

목차

요약

1. 서론

2. 결함포용 신경망의 정의

3. 선택적 증식

4. 실험 및 분석

5. 결론

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-0101-2009-569-017976851