$\require{mediawiki-texvc}$

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.

베이지안 신경망을 이용한 순차적 다중작업 학습 최적화
Sequential Multitask Learning Optimization Using Bayesian Neural Network

정보과학회. 컴퓨팅의 실제 논문지 = KIISE transactions on computing practices, v.24 no.5, 2018년, pp.251 - 255  

손성호 (서울대학교 컴퓨터공학부) ,  김지섭 (서울대학교 컴퓨터공학부) ,  장병탁 (서울대학교 컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

인공지능의 활용성을 높이기 위해서는 다양한 종류의 작업을 순차적으로 학습할 수 있는 능력을 개발하는 것이 필수적이다. 그러나 기존의 신경망은 순차적 다중작업 학습 환경에서 이전에 학습했던 작업의 성능이 급격하게 떨어지는 단점을 가지고 있다. 베이지안 신경망은 각 연결 가중치를 확률분포에 대응시켜 체계적인 온라인 학습이 가능한 한편 모델의 데이터에 대한 불확실성을 계량할 수 있다. 본 연구에서는 베이지안 신경망을 이용하여 순차적 다중작업 학습 환경에서 새로운 작업에 대한 학습을 원활하게 수행함과 동시에 이전에 학습했던 작업에 대한 성능을 잘 유지하는 모델을 제시한다. 제시된 모델은 베이지안 역전파 기법을 이용해 계산한 가중치 분포 평균의 경사도에 사전분포의 표준편차를 곱한 것을 학습용 경사도로 이용한다.

Abstract AI-Helper 아이콘AI-Helper

It is essential to develop the ability to sequentially learn various tasks, in order to increase the availability of artificial intelligence applications. However, typical neural network models show a drastic decline of the previously learnt task's performance in a sequential multitask learning envi...

주제어

참고문헌 (7)

  1. J. Kirkpatrick et al., "Overcoming catastrophic forgetting in neural networks," Proc. of the National Academy of Sciences, 201611835, 2017. 

  2. C. Blundell, J. Cornebise, K. Kavukcuoglu and D. Wierstra, "Weight uncertainty in neural network," Proc. of The 32nd International Conference on Machine Learning, pp. 1613-1622, 2015. 

  3. L. Yann, C. Corinna. (1998). The MNIST database of handwritten digits [Online] Available: http://yann.lecun.com/exdb/mnist/ (downloaded 2017, March) 

  4. F. Li, R. Fergus and P. Perona, "One-shot learning of object categories," IEEE transactions on pattern analysis and machine intelligence, Vol. 28, No. 4, pp. 594-611, 2006. 

  5. M. Opper, "A bayesian approach to on-line learning," On-line learning in neural networks, pp. 363-378, Cambridge University Press, 1999. 

  6. O. Winther, S. A. Solla, "Optimal Bayesian online learning," Theoretical Aspects of Neural Computation, Springer Verlag, Singapore, 1998. 

  7. R. Pascanu, Y. Bengio, "Revisiting natural gradient for deep networks," arXiv preprint arXiv:1301.3584, 2013. 

저자의 다른 논문 :

관련 콘텐츠

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