지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.48 No.1
- 발행연도
- 2021.1
- 수록면
- 100 - 106 (7page)
- DOI
- 10.5626/JOK.2021.48.1.100
이용수
초록· 키워드
오류제보하기
CNNs(Convolutional Neural Networks)은 컴퓨터 시각 인식(Computer vision)과 자연어 처리(Natural language processing) 분야에서 뛰어난 성능을 보여 가장 널리 사용되고 있는 딥러닝 방법이다. CNNs은 입력데이터에 컨볼루션 레이어를 연속적으로 적용하는 구조를 통해 입력 데이터의 locality와 correlation을 효과적으로 추출하여 CNNs의 깊이가 깊어질수록 신경망의 성능이 향상되어왔다. 그러나 CNNs의 깊이가 깊어질수록 신경망의 정확도가 반드시 높아지는 것은 아니다. 그래디언트 소실 문제(Gradient vanishing problem)으로 인해 weighted layers의 가중치들이 수렴하지 않는 현상이 발생할 수 있기 때문이다. 이에 본 연구에서는 VGGNet 모델, ResNet 모델, DenseNet 모델의 gradient flow를 분석하고 비교함으로써 각 모델의 error rate 성능에 차이가 나는 근거를 도출하였다.
목차
요약
Abstract
1. 서론
2. 선행연구
3. 연구결과
4. 결론
References
참고문헌 (13)
참고문헌 신청
J. Gu et al., "Recent Advances in Convolutional Neural Networks," Pattern Recognition, Vol. 77, pp. 354-377, 2018.
Y. LeCun, Y. Bengio and G. Hinton, "Deep Learning," Nature, Vol. 521, pp. 436-444, 2015.
J. Schmidhuber, "Deep learning in neural networks: An overview," Neural Networks, Vol. 61, pp. 85-117, 2015.
Y. Bengio, A. Courville and P. Vincent, "Representation Learning: A Review and New Perspectives," PAMI, Vol. 35, No. 8, pp. 1798-1828, 2013.
Y. Bengio, "Learning Deep Architectures for AI," Foundations and Trends in Machine Learning, Vol. 2, No. 1, pp. 1-127, 2009.
Y. LeCun, Y. Bengio and G. Hinton, "Deep Learning," Nature, Vol. 521, pp. 436-444, 2015.
J. Schmidhuber, "Deep learning in neural networks: An overview," Neural Networks, Vol. 61, pp. 85-117, 2015.
Y. Bengio, A. Courville and P. Vincent, "Representation Learning: A Review and New Perspectives," PAMI, Vol. 35, No. 8, pp. 1798-1828, 2013.
Y. Bengio, "Learning Deep Architectures for AI," Foundations and Trends in Machine Learning, Vol. 2, No. 1, pp. 1-127, 2009.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
전이학습에 방법에 따른 컨벌루션 신경망의 영상 분류 성능 비교
멀티미디어학회논문지
2018 .12
-
콘볼류션 신경망을 이용한 손글씨 숫자 인식 구현
한국정보통신학회 종합학술대회 논문집
2021 .05
-
다양한 변수에 따른 CNN 성능 분석
정보 및 제어 논문집
2019 .04
-
Survey of the 3D Convolutional Neural Networks for Video Action Recognition
대한전자공학회 학술대회
2022 .06
-
임베디드 보드에서의 CNN 모델 압축 및 성능 검증
방송공학회논문지
2020 .03
-
딥러닝의 모형과 응용사례
지능정보연구
2016 .06
-
콘볼루션 신경망의 학습 성능 강화를 위한 그레디언트의 복합적 분석 및 활용 방법
한국정보기술학회논문지
2023 .03
-
퓨 샷 러닝 모델을 이용한 영상 분류
한국정보통신학회 여성 ICT 학술대회 논문집
2021 .08
-
입력 데이터 형태에 따른 CNN 기반 변조 분류 성능 비교
한국통신학회 학술대회논문집
2022 .06
-
딥러닝에 의한 객체인식 향상을 위한 학습 데이터의 효과적 구성: Mask R-CNN을 중심으로
한국측량학회 학술대회자료집
2019 .04
-
CNN을 이용한 이미지 분류
Proceedings of KIIT Conference
2017 .06
-
인지 무선 통신망의 자동 변조 분류를 위한 딥러닝 모델 설계
한국통신학회논문지
2020 .08
-
다중 센서 데이터 분석을 위한 설명 가능한 합성곱신경망 모델
대한산업공학회지
2019 .04
-
Dance Movement Recognition based on Deep Learning
IEIE Transactions on Smart Processing & Computing
2024 .06
-
긍정과 부정 이미지 기반 데이터 편향에 따른 CNN모델의 차이 연구
대한인간공학회 학술대회논문집
2022 .10
-
해석 가능한 컨벌루션 신경망을 사용한 계층적 패턴 표면의 결함 검사
한국소성가공학회 학술대회 논문집
2021 .05
-
Comparison of Convolutional Neural Network Models for Image Super Resolution
한국방송미디어공학회 학술발표대회 논문집
2018 .06
-
양자 CNN의 레이어 적층에 따른 성능 연구
대한전자공학회 학술대회
2022 .06
-
복합 임베디드 시스템 시계열 데이터를 활용한 딥러닝 이상 탐지 방법 비교 연구
항공우주시스템공학회지
2024 .10
-
CNN 기법을 이용한 공간정보 자동분류연구
대한공간정보학회 학술대회
2017 .05
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-569-001489921