최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기전기전자학회논문지 = Journal of IKEEE, v.12 no.1, 2008년, pp.65 - 74
One of the popular methods used for pattern classification is the MBR (Memory-Based Reasoning) algorithm. Since it simply computes distances between a test pattern and training patterns or hyperplanes stored in memory, and then assigns the class of the nearest training pattern, it is notorious for m...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
메모리 기반 학습이란? | 메모리 기반 학습은 단순히 모든 학습패턴을 메모리에 저장하고 분류 시에 메모리에 저장된 학습패턴들과의 거리를 계산하여 가장 가까운 거리에 있는 학습패턴의 클래스로 테스트 패턴을 분류하는 기법으로 거리기반 학습(Distance Based Learning) 이라고도 한다[1][2]. 메모리 기반 학습 중에서 가장 널리 알려진 기법은 k-NN(k-Nearest Neighbors) 분류기를 들 수 있으며, 이 분류기는 메모리에 저장된 패턴 중 주어진 입력패턴과 가장 가까운 거리에 있는 k개의 학습패턴을 선택하여 그 중 가장 많은 패턴이 소속된 클래스로 입력패턴을 분류한다[2][3][4]. | |
메모리 기반 학습에서 가장 널리 알려진 기법은 무엇인가? | 메모리 기반 학습은 단순히 모든 학습패턴을 메모리에 저장하고 분류 시에 메모리에 저장된 학습패턴들과의 거리를 계산하여 가장 가까운 거리에 있는 학습패턴의 클래스로 테스트 패턴을 분류하는 기법으로 거리기반 학습(Distance Based Learning) 이라고도 한다[1][2]. 메모리 기반 학습 중에서 가장 널리 알려진 기법은 k-NN(k-Nearest Neighbors) 분류기를 들 수 있으며, 이 분류기는 메모리에 저장된 패턴 중 주어진 입력패턴과 가장 가까운 거리에 있는 k개의 학습패턴을 선택하여 그 중 가장 많은 패턴이 소속된 클래스로 입력패턴을 분류한다[2][3][4]. 이러한 k-NN 분류기는 그 성능면에서 만족할 만한 결과를 보이고 있으며, 이미 다양한 분야에 응용되고 있다. | |
k-NN 분류기는 어떠한 문제점을 가지는가? | 이러한 k-NN 분류기는 그 성능면에서 만족할 만한 결과를 보이고 있으며, 이미 다양한 분야에 응용되고 있다. 하지만 이 기법은 패턴의 개수가 늘어나면 메모리가 증가하고 또한 추가로 패턴이 발생할 경우 처음부터 다시 수행해야하는 문제점을 가지고 있다[4]. 메모리 사용 등의 성능을 향상과 점진적 특성을 지닌 다양한 연구들이 발표되었으며, 그 대표적인 예로 NGE(Nested Generalized Exemplar) 이론을 들 수 있다[5][6][7]. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.