최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 연세대학교 Yonsei University |
---|---|
연구책임자 | 이철희 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2017-05 |
과제시작연도 | 2016 |
주관부처 | 과학기술정보통신부 Ministry of Science and ICT |
등록번호 | TRKO201800003230 |
과제고유번호 | 1711036614 |
사업명 | 개인연구지원 |
DB 구축일자 | 2018-04-21 |
키워드 | 패턴인식.최적선형분류기.비선형분류기.국부조정.점진 학습.고차원 데이터.저연산 고성능 분류기.pattern recognition.optimal linear classifier.non-linear classifier.local adjustment.incremental learning.SVM.DNN.high dimensional data.high performance low complexity. |
DOI | https://doi.org/10.23000/TRKO201800003230 |
연구의 목적 및 내용
현재 여러 분야에서 가장 대표적으로 사용되는 분류기 알고리즘인 SVM과 DNN은 결정경계의 국부 조정이 불가능하고, 점진적 학습이 어려우며 많은 연산 및 메모리를 필요로 하는 문제점이 있다.
본 연구에서는 기존 분류기의 단점을 극복하기 위해 새로운 패러다임의 분류기를 개발한 다. 패턴인식은 결정경계에 의한 고차원 공간 분할 과정으로 생각할 수 있으므로, 고차원 공간을 효율적으로 분할하여 최적의 성능을 제공하는 효율적 분류기를 개발한다.
본 연구에서는 기존 분류 알고리즘(SVM, DNN 등)
Purpose & contents
Conventional pattern classification methods have several limitations, including high complexity problems and no knowledge accumulation. Also, the entire set of parameters must be retrained for new datasets. In this research, we develop new classifiers that can construct decisi
※ AI-Helper는 부적절한 답변을 할 수 있습니다.