$\require{mediawiki-texvc}$

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.

BEGINNER'S GUIDE TO NEURAL NETWORKS FOR THE MNIST DATASET USING MATLAB 원문보기

Korean Journal of mathematics, v.26 no.2, 2018년, pp.337 - 348  

Kim, Bitna (Department of Mathematics Kangwon National University) ,  Park, Young Ho (Department of Mathematics Kangwon National University)

Abstract ▼ AI-Helper 아이콘AI-Helper

MNIST dataset is a database containing images of handwritten digits, with each image labeled by an integer from 0 to 9. It is used to benchmark the performance of machine learning algorithms. Neural networks for MNIST are regarded as the starting point of the studying machine learning algorithms. Ho...

주제어

#Neural network   #Machine learning   #Pattern recognition   #MNIST dataset   #MATLAB  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

대상 데이터

  • The images are greyscale and 28×28 pixels in size. The second part of the MNIST data set is 10,000 images to be used as test data. The test data is used to evaluate how well a neural network has learned to recognize digits.

이론/모형

  • One of the first versions of the theorem was proved by George Cybenko for sigmoid activation functions [1]. Kurt Hornik showed in 1991 that it is not the specific choice of the activation function [5].
본문요약 정보가 도움이 되었나요?

참고문헌 (23)

  1. G. Cybenko, Approximations by superpositions of sigmoidal functions, Mathematics of Control, Signals, and Systems 2 (4) (1989), 303-314. 

    상세보기 crossref

  2. M.T. Hagan, M.H Beale, H.B. Demuth and O.D Jesus, Neural network Design, 2nd Ed. 

  3. M.T. Hagan, Neural network design, free book from http://hagan.okstate.edu/NNDesign.pdf 

  4. J. J. Hopfield, Neural networks and physical systems with emergent collective computational abilities, Proceedings of the National Academy of Sciences 79 (1982), 2554-2558. 

    상세보기 crossref

  5. K. Hornik, Approximation capabilities of multilayer feedforward networks, Neural Networks 4 (2) (1991), 251-257. 

    상세보기 crossref

  6. Bitna Kim, Handwritten digits classi cation by neural networks with small data, Master's thesis, Kangwon National University, 2018. 

  7. P. Kim, Matlab deep learning, Apress, 2017 

  8. T. Kohonen, Correlation matrix memories,IEEE Transactions on Computers 21 (1972), 353-359. 

  9. Mathworks, MATLAB documentation, MATLAB version R2016a, 2016 

  10. W.S. McCulloch and W.H. Pitts, A logical calculus of the ideas immanent in nervous activity, Bull. Math. Biophysics 5 (1943) 115-133. 

    상세보기 crossref

  11. M. Minsky and S. Papert, Perceptrons: an introduction to computational geometry, M.I.T. Press, Cambridge, 1969 

  12. MNIST, http://yann.lecun.com/exdb/mnist/ 

  13. A. Ng, Course on machine learing, Cousera, https://www.coursera.org/learn/machine-learning 

  14. A.Ng, CS229 lecture notes, http://cs229.standford.edu 

  15. M. Nielsen, Neural networks and deep learning, http://neuralnetworksanddeeplearning.com 

  16. UFLDL, Using the MNIST dataset, http://udl.stanford.edu/wiki/index.php/Using_the_MNIST_Dataset 

  17. T. Rashid, Make your own neural network, CreatSpace, 2016 

  18. F. Rosenblatt, The perceptron: A probabilistic model for information storage and organization in the brain, Psycho-logical Review 65 (1958), 386-408. 

    상세보기 crossref

  19. D. E. Rumelhart and J. L. McClelland, eds., Parallel Distributed Processing: Explorations, Microstructure of Cognition, Vol. 1, Cambridge, MA: MIT Press, 1986. 

  20. J.R. Shewchuk, An introduction to the conjugate gradient method eithout the agonizing pain, Technical report, Carnegie Mellon University, 1994 

  21. UFLDL tutorial, Unsupervised feature learning and deep learning, http://deeplearning.stanford.edu/wiki/index.php/UFLDLTutorial 

  22. http://udl.stanford.edu/wiki/resources/mnistHelper.zip 

  23. Wikipedia, https://en.wikipedia.org/ 

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
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