최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기정보와 통신 : 한국통신학회지 = Information & communications magazine, v.33 no.10, 2016년, pp.40 - 48
이재성 (중앙대학교)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
인공 신경망은 무엇으로 구성되어 있는가? | 인공 신경망은 데이터를 입력받기 위한 입력층과 입력된 데이터에 대한 학습을 수행하는 여러 개의 은닉층, 그리고 최종적인 범주를 결정하기 위한 출력층으로 이루어져 있다. 각 층은 입력된 값들을 처리하기 위한 유닛, 또는 노드로 이루어져 있으며, 각각의 노드들은 활성화 함수를 통해 입력된 값들을 다음 층으로 전달할 것인지 말 것인지를 결정한다. | |
기계 학습 알고리즘이란 무엇인가? | 기계 학습 알고리즘은 관측 정보를 우리가 원하는 정보로 변환시키기 위한 사상 함수를 찾는 기계적인 절차이다. 또한, 이러한 절차는 추정 값과 결과 값 사이의 오차를 최소화하는 방향으로 진행된다. | |
오차역전파 알고리즘의 한계를 극복하기 위해 제프리 힌튼 교수가 제안한 비지도 선행 학습은 사용했을 때 어떤 효과가 있는가? | 비지도 선행 학습은 결과 값을 제외한 관측 데이터를 축약하여 표현할 수 있는 은닉층과 이에 연결된 가중치 값들을 미리 학습한 뒤, 이를 활용하여 인공 신경망의 최초 가중치 값들을 설정하는 것이 주요 골자이다. 이는 결과 값과 관계없이 관측 데이터 자체를 잘 표현하는 인공 신경망으로부터 시작하여, 출력층의 오차를 줄이는 방향으로 학습을 수행하게 함으로써, 인공 신경망의 가중치가 무작위로 초기화되었을 때에 비해 학습의 어려움, 그리고 반복 횟수를 경감시킨다. 또한, 이 방법은 과잉 학습의 문제를 완화시키는 데에도 효과가 있음이 알려져 있다. |
Arel I., Rose D. C., and Karnowski T. P. "Deep Machine Learning-A New Frontier in Artificial Intelligence Research," IEEE Comput. Intell. Mag. Vol. 5, No. 4, pp. 13-18, 2010.
Rosenblatt, F. "The Perceptron: A Probabilistic Model For Information Storage And Organization In The Brain". Psychol. Rev. Vol. 65 No. 6, pp. 386-408, 1958.
Rosenblatt, F. "The Perceptron--a perceiving and recognizing automaton," Report 85-460-1, Cornell Aeronautical Lab., 1957.
Minsky, M. and Papert S. Perceptrons: An Introduction to Computational Geometry. MIT Press, 1969.
Werbos P. "Beyond regression: New tools for prediction and analysis in the behavioral sciences," PhD thesis, Harvard University, 1974.
Hochreiter S., Bengio Y., Frasconi P., and Schmidhuber J. "Gradient flow in recurrent nets: the difficulty of learning long-term dependencies," A Field Guide to Dynamical Recurrent Neural Networks. IEEE Press, 2001.
Hinton G. E., Osindero S. and Teh, Y. "A fast learning algorithm for deep belief nets," Neural Comput. Vol. 18, No. 7, pp. 1527-1554, 2006.
Dahl G. E., Sainath T. N. and Hinton G. E. "Improving Deep Neural Networks for LVCSR using Rectified Linear Units and Dropout," IEEE Int. Conf. Acoustics, Speech and Signal Processing, pp. 8609-8613, Vancouver, Canada, May 2013.
Krizhevsky A., Sutskever I. and Hinton, G. E. "ImageNet Classification with Deep Convolutional Neural Networks," Neural Information Processing Systems, pp. 1097-1105, Lake Tahoe, USA, Dec 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.