지식 증류를 이용한 DA-FSL 모델의 학습 수렴 곡선 및 학습 시간 개선 방법

임혜연; 이준목; 강대성

doi:10.14801/jkiit.2020.18.10.25

추천

검색

질문

자료유형: 학술저널

저자정보: 임혜연 (동아대학교) 이준목 (동아대학교) 강대성 (동아대학교)

저널정보: 한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제18권 제10호(JKIIT, Vol.18, No.10)

발행연도: 2020.10

수록면: 25 - 32 (8page)

DOI: 10.14801/jkiit.2020.18.10.25

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

많은 데이터를 확보한 분야에서 머신러닝 모델을 잘 학습시키는 것은 용이하다. 하지만 데이터가 부족한 분야에서 모델을 잘 학습시키는 문제를 해결하기는 쉽지 않다. 이러한 문제를 해결하기 위해 최근 전이학습을 통한 지식 증류가 주목받고 있다. 지식 증류는 앙상블 기법을 통해 학습된 다량의 큰 네트워크로부터 작은 하나의 네트워크에 지식을 전달하는 방법론을 의미한다. 본 논문에서는 DA-FSL모델에 지식 증류 기법을 적용하여 학습 정확도뿐만 아니라 학습에 소요되는 시간을 개선하는 방법을 제안한다. 세 가지의 지식 증류 방법을 사용해서 DA-FSL 모델에 적용하고 실험을 통해 초기 목표 학습 정확도에 수렴하는 곡선을 평가하였다. 제안된 방법을 통해 지식 증류를 적용한 DA-FSL 모델의 학습 소요 시간과 지식 증류를 적용하지 않은 DA-FSL 모델의 학습에 소요되는 시간을 비교한 결과 최소 3%에서 최대 35%까지 감소되었음을 실험을 통해 확인하였다.

#few shot learning #knowledge distillation #transfer learning #weight initialization #model optimization

참고문헌 (15)

참고문헌 신청

Ford. M. / 2018 / Architects of Intelligence : The truth about AI from the people building it / Packt Publishing Ltd :174~180

Sutton, R. S. / 2018 / Reinforcement learning : An Introduction / MIT press :1~3

Chen, G. / 2018 / Advances in Neural Information Processing Systems :742~751

Simonyan, K. / 2015 / Very deep convolutional networks for large-scale image recognition / arXiv preprint arXiv:1409.1556

He, K. / 2016 / Deep residual learning for image recognition / Proceedings of the IEEE conference on computer vision and pattern recognition :770~778

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

임혜연

소속기관 동아대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 전기전자공학 > 제어계측공학

논문수 37 이용수 4,290

이준목

소속기관 동아대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 전기전자공학 > 전자공학

논문수 8 이용수 650

강대성

소속기관 인제대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 0.5% 공학 > 컴퓨터학

논문수 252 이용수 28,470

이 논문과 함께 이용한 논문

A 20-Gb/s 8.4-㎽ Adaptive Equalizer for Backplane Applications

Dongmyung Lee , Gunhee Han , Sung Min Pa 외 1명 ITC-CSCC :International Technical Conference on Circuits Systems, Computers and Communications 2009 .07

엣지 컴퓨팅 기반의 딥러닝 서비스 모델을 위한 직교 특징벡터 추출 기법

이종관 한국통신학회논문지 2021 .08

최낙훈 , 김희열 한국정보기술학회논문지 2021 .09

삼중 경로 mDAPPM을 활용한 실시간 의미론적 분할 성능 향상 연구

김종식 , 강대성 한국정보기술학회논문지 2021 .07

지식 증류를 이용한 한국어 RoBERTa의 경량화

강동찬 , 나승훈 , 최윤수 외 2명 한국정보과학회 학술발표논문집 2020 .07

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (15)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)