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
한국컴퓨터교육학회 한국컴퓨터교육학회 학술발표대회논문집 한국컴퓨터교육학회 2016년도 하계학술발표논문지 제20권 제2호
발행연도
2016.8
수록면
73 - 76 (4page)

이용수

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

초록· 키워드

오류제보하기
ResNet (Residual Network) 구조를 사용하면 수백 층 이상의 매우 깊은 인공 신경망도 성공적으로 훈련시킬 수 있으며, ResNet을 적용한 Deep Convolutional Neural Network은 그 우수성이 입증되었다. 하지만 ResNet을 제안한 연구에서는 보다 단순한 구조의 신경망에서의 ResNet의 효과와 신경망의 깊이에 따른 ResNet 적용 모델의 변화에 대한 정보는 결여되어 있다. 이에 본 연구는 ResNet 구조를 Multi-Layer Perceptron에 적용하여 그 변화와 특징을 비교 실험하였다. 실험 결과, 11개 층을 가진 신경망에서는 ResNet 적용 전후의 훈련 및 테스트 정확도가 거의 동일하였으나, 29개 층을 가진 신경망에서는 ResNet 구조 적용 후 약 5.5%의 테스트 정확도 상승이 관찰되었다. 또한, ResNet 구조를 적용하지 않은 모델은 38개 층 이상의 신경망은 수렴시키지 못하는 반면, ResNet을 적용한 모델은 65개층의 신경망도 성공적으로 수렴시켰으며, 훈련 및 테스트 정확도가 하락하는 문제도 발생하지 않았다. 결론적으로, ResNet 구조는 단순한 구조의 신경망에서도 효과를 발휘하며, 기존의 방법으로 수렴시키기 어려운 매우 깊은 인공 신경망을 수렴시키는데 도움이 되는 것으로 나타났다.

목차

등록된 정보가 없습니다.

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-0101-2018-037-003284448