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
학술저널
저자정보
문상준 (서울시립대) 전종준 (서울시립대)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제28권 제6호
발행연도
2017.11
수록면
1,245 - 1,255 (11page)

이용수

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

이 논문의 연구 히스토리 (2)

2018

두 이종 혼합 모형에서의 수정된 경사 하강법
문상준 통계학과 2018.01 학위논문

2017

두 이종 혼합 모형에서의 수정된 경사 하강법
문상준 ,  전종준 한국데이터정보과학회지 2017.11 학술저널

초록· 키워드

오류제보하기
온라인 학습은 자료가 실시간으로 혹은 배치 단위로 축적되는 상황에서 주어진 목적함수의 해를 계산하는 방법을 말한다. 온라인 학습 알고리즘 중 배치를 이용한 확률적 경사 하강법 (stochastic gradient decent method)은 가장 많이 사용되는 방법 중 하나다. 이 방법은 구현이 쉬울 뿐만 아니라 자료가 동질적인 분포를 따른다는 가정 하에서 그 해의 성질이 잘 연구되어 있다. 하지만 자료에 특이값이 있거나 임의의 배치가 확률적으로 이질적 성질을 가질 때, 확률적 경사 하강법이 주는 해는 큰 편이를 가질 수 있다. 본 연구에서는 이러한 비정상 배치 (abnormal batch) 있는 자료 하에서 효과적으로 온라인 학습을 수행할 수 있는 수정된 경사 하강 알고리즘 (modified gradient decent algorithm)을 제안하고, 그 알고리즘을 통해 계산된 해의 수렴성을 밝혔다. 뿐만 아니라 간단한 모의실험을 통해 제안한 방법의 이론적 성질을 실증하였다.
#강건성 #배치 #온라인 학습 #확률적 경사하강법 #Mini-batch #on-line learning #robustness #stochastic gradient descent method

목차

요약
1. 서론
2. 본론
3. 모의 실험
4. 결론
References
Abstract

참고문헌 (15)

참고문헌 신청
Boyd, S. and Lieven, V. (2004). Convex optimization. Cambridge university press, 466-468. Bottou, L. (2010). Large-Scale Machine Learning with Stochastic Gradient Descent. Proceedings of COMPSTAT’ 2010, 177 - 186. Dekel, O., Gilad-Bachrach, R., Shamir, O. and Xiao, L. (2012). Optimal distributed online prediction using mini-batches. Journal of Machine Learning Research, 13, 165-202. Duchi, J., Hazan, E. and Singer, Y. (2011). Adaptive subgradient methods for online learning and stochastic optimization. Journal of Machine Learning Research, 12, 2121-2159. Hwang, C. and Shim, J. (2016). Deep LS-SVM for regression. Journal of the Korean Data & Information Science Society, 27, 827-833.

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

딥러닝을 위한 경사하강법 비교
강민제 한국산학기술학회 논문지 2020 .02
신약 개발의 열쇠, 알파폴드
이주용 타우마제인 2024 .01
클라우드 네이티브 환경에서 네트워크 저장 장치를 활용한 스팟 인스턴스 실시간 마이그레이션 최적화
황재일 ,  송무현 ,  임준호 외 1명 한국정보과학회 학술발표논문집 2023 .12
공장 에너지 관리 서비스 운영을 위한 다중 에지 클라우드 관리 최적화 방법에 관한 연구
김승한 ,  구원본 ,  허의남 한국통신학회 학술대회논문집 2023 .11
경사하강법을 활용한 메타휴리스틱 최적화 알고리즘의 개량 : HS-GD
김영남 ,  이의훈 대한토목학회 학술대회 2022 .10

최근 본 자료

전체보기

댓글(0)

0