최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 성균관대학교 SungKyunKwan University |
---|---|
연구책임자 | 임동준 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2023-03 |
과제시작연도 | 2022 |
주관부처 | 과학기술정보통신부 Ministry of Science and ICT |
등록번호 | TRKO202300008280 |
과제고유번호 | 1711164420 |
사업명 | 개인기초연구(과기정통부) |
DB 구축일자 | 2023-09-26 |
키워드 | 기계학습.부스팅.손실함수.분류모델.지식관리.Machine learning.Boosting.Loss function.Classification model.Knowledge management. |
□ 연구개요
본 연구는 분류문제(classification problem)의 해결을 위한 기계학습모델을 휴리스틱(heuristic) 기법을 활용하여 고도화시키는 연구에 관한 내용이다. 구체적으로, 앙상블 모델링(ensemble modeling)을 위한 부스팅 (boosting) 알고리즘에 사용되는 손실함수(loss function)의 종류를 다양화시키고, 그 과정을 효율화함으로써, 최종 분류모델의 정확도와 안정성을 향상시키는 알고리즘 개발을 목표로 하였다.
□ 연구 목표대비 연구결과
본 연구의 결과를 제안서의
※ AI-Helper는 부적절한 답변을 할 수 있습니다.