초록 ▼

□ 연구개요
○ 딥러닝은 신경망(Neural Network)으로 구현되는데 딥러닝의 성능을 결정짓는 신경망 구조의 설계는 숙련된 전문가의 경험과 직관에 의존하고 있는 실정임
○ 본 연구에서는 이러한 문제점을 해결하기 위해 딥러닝 신경망 구조를 자동으로 탐색 및 생성해 내는 기법을 연구하는 것을 최종 목표로 함
○ Random CNN 기반 신경망 구조 생성 기법 및 점진적 학습 기법 개발

□ 연구 목표대비 연구결과
○ 유전알고리즘(genetic algorithm)을 이용한 신경망 구조 최적화 기법의

□ 연구개요
○ 딥러닝은 신경망(Neural Network)으로 구현되는데 딥러닝의 성능을 결정짓는 신경망 구조의 설계는 숙련된 전문가의 경험과 직관에 의존하고 있는 실정임
○ 본 연구에서는 이러한 문제점을 해결하기 위해 딥러닝 신경망 구조를 자동으로 탐색 및 생성해 내는 기법을 연구하는 것을 최종 목표로 함
○ Random CNN 기반 신경망 구조 생성 기법 및 점진적 학습 기법 개발

□ 연구 목표대비 연구결과
○ 유전알고리즘(genetic algorithm)을 이용한 신경망 구조 최적화 기법의 개발을 목표로 하였으며 목표한 대로 유전알고리즘을 이용한 신경망 구조 최적화 기법을 개발하였음
○ 신경망 구조 최적화시에 학습 속도 개선을 위해 점진적 학습(incremental learning) 기법을 개발해 이용하는 것을 목표로 하였으며 점진적 학습 기법의 개발을 완료하였음. 하지만, 점진적 학습 기법에 의한 학습 시간 감축은 크지 않았음이 확인 되었음
○ ImageNet 데이터셋을 이용한 영상 분류 모델 개발을 목표로 하였으나 CIFAR-10 이미지 데이터셋의 분류를 위한 인공지능 모델의 개발을 수행하였음
○ 연구 성과의 학술 발표를 목표로 하였으며 2편의 SCIE 논문을 작성 및 게재하였음. 국내학술대회 논문 7편 발표하였음
○ 강화학습을 이용한 신경망 구조 최적화 기법 개발을 목표로 하였으나 완료하지 못하였음. 강화학습에 대한 연구와 사전조사는 수행하였으나 강화학습을 이용한 신경망 최적화 기법의 개발은 완료하지 못하였음

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
○ 다양한 인공지능 모델의 구조에 대해 연구할 수 있는 기회
○ 신경망 구조는 DNN, CNN, Autoencoder, RNN등 다양한 형태로 구성되어 있으며 이들 네트워크 구조의 형태에 따라 성능이 좌우되는 상황임. 따라서, 네트워크 구조 설계에 대한 연구가 이루어져야 하는 상황에서 신경망 구조 최적화에 대한 연구는 유의미한 시도의 연구였으며 향후 새로운 신경망 구조의 제안을 위한 밑거름이 될 연구로 판단됨
○ 지속적인 후속 연구를 진행하여 현재까지 탐색된 최적의 신경망 보다 우수한 성능의 신경망 구조를 개발해 내고자 함

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 가. 연구의 목표 ... 4
• 나. 연구의 내용 및 범위 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 가. 유전알고리즘과 랜덤 CNN 기반 영상 분류 신경망 구조 최적화 연구 ... 4
• 나. 점진적 학습을 고려한 신경망 구조 최적화 연구 ... 7
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 7
• 1) 정성적 연구개발성과(연구개발결과) ... 7
• 2) 세부 정량적 연구개발성과 ... 10
• 3) 목표 달성 수준 ... 10
• 4) 목표 미달 시 원인 분석 ... 10
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 11
• 가. 기술적 측면: 고 난이도의 연구 주제 ... 11
• 나. 활용방안: 연구 결과의 중요성 ... 11
• 5. 연구개발성과의 관리 및 활용 계획 ... 11
• 6. 참고문헌 ... 12
• [붙임1] 세부 정량적 연구개발성과 ... 13
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 15
• 끝페이지 ... 21