효율적인 딥러닝을 위한 다양한 활성화 함수 적용 연구 = A study on various activation functions for efficient Deep Learning
저자
발행사항
서울 : 국민대학교 소프트웨어융합대학원, 2023
학위논문사항
학위논문(석사)-- 국민대학교 소프트웨어융합대학원 : 인공지능전공 2024. 2
발행연도
2023
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
iii, 31 ; 26 cm
일반주기명
지도교수: 김상철
UCI식별코드
I804:11014-200000737357
소장기관
효율적인 딥러닝을 위한 다양한 활성화 함수 적용 연구 본 연구는 인공 신경망의 핵심 구성 요소 중 하나인 활성화 함수에 대한 연구를 수행 하였습니다. 인공신경망에서 활성화 함수의 역할과 중요성을 감안하여, 다양한 활성화 함 수들의 성능 비교 및 혼합 사용에 대한 효과를 탐구하였습니다. 이를 위해 MLP와 CNN 의 두가지 아키텍쳐를 기반으로 한 실험을 진행하였고, 특히 주기함수인 Sine 함수와 전 통적인 활성화 함수들의 성능을 비교 분석하였습니다. 연구 결과, Sine 함수는 기존의 활성화 함수들과 비교하여 일관되게 높은 성능을 보였 으며, 이는 신경망이 주기적인 신호를 효과적으로 포착하고 일반화하는 데 기여할 수 있 음을 보였습니다. 또한, 다양한 활성화 함수의 혼합 사용은 네트워크의 성능을 향상시킬 수 있는 유용한 접근법으로 나타났습니다. 이러한 혼합 활성화 함수를 사용한 실험들은 각각의 함수가 가지는 장점을 적절히 조합하여 신경망의 성능을 극대화할 수 있음을 보 여주었습니다.
더보기This study conducted research on activation functions, a key component of artificial
neural networks. Considering the role and importance of activation functions in artificial
neural networks, the study explored the effects of comparing the performance of
various activation functions and their combined use. Experiments were conducted based
on MLP and CNN architectures, with a particular focus on comparing the performance
of periodic functions like the Sine function with traditional activation functions. The results showed that the Sine function consistently outperformed the traditional
activation functions, suggesting its potential to effectively capture and generalize
periodic signals in neural networks. Furthermore, the use of a mix of different
activation functions proved to be a useful approach to enhance network performance.
These experiments with mixed activation functions demonstrated that appropriately
combining the strengths of each function can maximize the performance of neural
networks.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)