$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 은닉 노드의 자체 피드백은 t — 1 시간의 은닉값이 t 시간의 데이터와 결합하여 t 시간의 은닉값에 영향을 줄 수 있다 이런 이유로 연속적인 데이터를 학습하는데 많이 이용되는 신경망이다. 본 논문에서는 순환신경망에서 학습 및 계산을 향상시키기 위해서 네트워크 구조를 개선한 모델을 소개한다.
  • 본 논문은 기존에 사용된 한 종류의 출력 노드를 가지는 네트워크와는 다르게 다른 형태의 출력을 여러 개가질 수 있는 새로운 모델을 제안하였다. 단일출력만을 이용하면 하나의 출력을 기준으로 네트워크를 학습해야 하는 제한사항이 존재하기 때문에 다양한 방법으로 네트워크를 학습할 수 없다.

가설 설정

  • 논문에서는 순환 네트워크를 이용하여 프레임 사이의 모션을 학습하는 방법을 제안한다 제안한 방법은 그림 4에 나타나 있다 제안한 모델은 입력으로 비디오 시퀀스를 받고 출력 노드는 t + 5 초 시간의 프레임을 가지게 된다. 논문에서는 출력 프레임의 너비와 높이를 입력보다 4배 작게 설정하였다. 따라서 이미지 사이즈는 16배가 줄어들게 된다.
본문요약 정보가 도움이 되었나요?

참고문헌 (13)

  1. F. Rosenblatt, "The Perceptron, A Perceiving and Recognizing Automaton", Project Para Report No. 85-460-1, Cornell Aeronautical Laboratory (CAL), Jan. 1957 

  2. D. E. Rumelhart, G. E. Hinton, and R. J. Williams, "Learning Internal Representations by Error Propagation", MIT Press, 1986. 

  3. G. E. Hinton, R. R. Salakhutdinov, "Reducing the dimensionality of data with neural networks", Science, 313 (5786), 504-507, 2006. 

  4. K. Fukushima, "Neocognitron: A Self-Organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position", Biological Cybernetics, 36, 193-202, 1980. 

  5. Y. LeCun, L. Bottou, Y. Bengio, P. Haffner (1998). "Gradient-based learning applied to document recognition", Proceedings of the IEEE, 2278-2324, 1998. 

  6. A. Graves, A. Mohamed, G. E. Hinton, "Speech recognition with deep recurrent neural networks", International Conference on Acoustics, Speech and Signal Processing, pp. 6645-6649, May 2013. 

  7. A. Graves, M. Liwicki, S. Fernandez, R. Bertolami, H. Bunke, J. Schmidhuber. "A Novel Connectionist System for Improved Unconstrained Handwriting Recognition", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 31, no. 5, 2009. 

  8. J. Choi, Z. Wang, S. Lee, and W. J. Jeon. "A spatio-temporal pyramid matching for video retrieval", Computer Vision and Image Understanding, 117(6):660-669, 2013. 

  9. J. L. Barron, D. J. Fleet, and S. S. Beauchemin. "Performance of optical flow techniques", International Journal of Computer Vision, 12(1):43-77, 1994. 

  10. D. G. Lowe, "Distinctive Image Features from Scale-Invariant Keypoints", Int. J. Comput. Vision, pp. 91-110, November 2004. 

  11. N. Srivastava, E. Mansimov, and R. Salakhutdinov. "Unsupervised learning of video representations using Istms", CoRR, abs/1502.04681, 2015. 

  12. M. Ranzato, A. Szlam, J. Bruna, M. Mathieu, R. Collobert, and S. Chopra. "Video (language) modeling: a baseline for generative models of natural videos", CoRR, abs/l412.6604, 2014. 

  13. S. Hochreiter, J. Schmidhuber, "Long short-term memory", Neural Computation, 9(8):1735-1780, 1997. 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로