최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.10 no.4, 2010년, pp.10 - 18
This paper presents a optimization of sigmoid activation function parameter using genetic algorithms and pattern recognition analysis in input space of two spirals benchmark problem. To experiment, cascade correlation learning algorithm is used. In the first experiment, normal sigmoid activation fun...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
이중나선의 알고리즘은 어떤 입출력 값을 가지는가? | 특히 움직이는 물체를 정확히 인식하기 위한 알고리즘을 테스트하기 위하여 많이 사용된다. 이중나선의 알고리즘은 연속된 값으로 이루어진 두 개의 입력을 갖고 한 개의 이원값의 출력을 갖는다. 서로 끼워 맞추어진 두 개의 나선은 학습을 통하여 구분하는 것이 목표이다. | |
캐스케이드 코릴레이션은 이중나선문제의 패턴을 인식하기 위해 무엇을 구성하고 어떤 함수를 사용하였는가? | [2]에서와 같이 CC는 이중나선문제의 패턴을 인식하기 위하여 하나의 풀(pool)을 구성하고 활성화 함수로는 기본 시그모이드 함수를 사용하였다. 보통 하나의 풀은 4~8개의 후보뉴런으로 구성하고 같은 활성화 함수를 사용한다. | |
이중나선문제를 해결하기 위해 Fahlman은 무엇을 제안했는가? | 특히 이 문제는 움직이는 물체를 정확히 인식 할 수 있는 뉴로칩을 개발하고 제작하여 미사일 등에 탑재하면 목표물을 명중시킬 수 있는 미국방성 프로젝트의 일환으로 연구되었다. 이러한 문제의 해결을 위하여 Fahlman은 캐스케이드 코릴레이션(Cascade Correlation (CC))을 제안하게 되었고 패턴인식을 위한 학습은 퀵프로파게이션(quickpropagation) 알고리즘을 이용하였다[2]. |
F. Dandurand, V. Berthiaume, and T. R. Shultz, "A systematic comparison of flat and standard cascade-correlation using a student-teacher network approximation task," Connection Science, Vol.19, No.3, pp.223-244, 2007.
S. E. Fahlman and C. Lebiere, "The cascadecorrelation learning architecture," Advances in Neural Information Processing Systems 2, Morgan Kaufmann, 1990.
S. E. Fahlman, "The Recurrent Cascade-Correlation Architecture," Advances in Neural Information Processing Systems 3, Morgan Kaufmann, pp.190-198, 1991.
B. Hammer, A. Micheli, and A. Sperduti, "Universal approximation capability of cascade correlation for structures," Neural Computation, Vol.17, No.5, pp.1109-1159, 2005.
T. D. Le, T. Komeda, and M. Takagi, "Knowledge-based recurrent neural networks in reinforcement learning," Proceedings of the 11th IASTED International Conference on Artificial Intelligence and Soft Computing, pp.169-174, 2007.
L. Prechelt, "PROBEN1-A Set of Neural Network Benchmark Problems and Benchmarking Rules," Technical Report 21/94, Department of Computer Science, University of Karlsruhe, 1999.
Stuttgart Neural Network Simulator (SNNS), User Manual, Version 4.0, Institute for Parallel and Distributed High Performance Systems (IPVR), University of Stuttgart, 1998.
A. Zell.: Simulationneuronaler Netze, Addison-Wesley, 1994.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.