KCI우수등재
심층 다중 커널 최소제곱 서포트 벡터 회귀 기계 = Deep multiple kernel least squares support vector regression machine
저자
발행기관
학술지명
한국데이터정보과학회지(Journal of the Korean data & information science society)
권호사항
발행연도
2018
작성언어
Korean
주제어
등재정보
KCI우수등재
자료형태
학술저널
발행기관 URL
수록면
895-902(8쪽)
KCI 피인용횟수
2
DOI식별코드
제공처
소장기관
We propose a deep multiple kernel least squares support vector regression machine (LS-SVRM) for regression, which consists of the input layer, two hidden layers and the output layer. In the hidden layer, LS-SVRMs with different kernels are trained with the inputs and the responses. For the final output, the neural network is trained with the outputs of the second hidden layer as inputs. Differently from the multilayer neural network (MNN), LS-SVRMs in the deep multiple kernel LS-SVRM are trained to minimize the penalized objective function. Thus, the learning dynamics of the deep multiple kernel LS-SVRM are totally different from MNN in which weights and biases are trained to minimize only the final cost function. The deep multiple kernel LSSVRM trains all LS-SVRMs in the architecture and makes use of combination weights and biases. The combination weights and biases are updated by backpropogation. Numerical studies illustrate that the deep multiple kernel LS-SVRM outperforms standard LS-SVRM and MNN on regression problems.
더보기본 논문에서는 회귀모형을 위한 심층 다중 커널 최소제곱 서포트 벡터 회귀 기계 (least squares support vector regression machine; LS-SVRM)을 제안한다. 제안된 모형은 입력층, 2개의 은닉층 및 출력층으로 구성된다. 각 은닉층에서 다른 형태의 커널을 가지는 LS-SVRM이 입력과 종속변 수를 이용하여 학습된다. 최종 출력을 위해 출력층은 두번째 은닉층의 출력을 입력으로 사용하여 학습된다. 다층 신경망과 달리 심층 다중 커널 LS-SVRM에서 각 LS-SVRM은 벌칙화 목적함수를 최소화하도록 훈련된다. 따라서 심층 다중 커널 LS-SVRM의 학습은 최종 비용 함수만 최소화하기 위해 가중치 및 편의항을 학습하는 다층 신경망과 완전히 다르다. 심층 다중 커널 LS-SVRM은 모든 LS-SVRM을 훈련하고 조합 가중치와 편의항를 사용한다. 이때 조합 가중치와 편의항은 역전파 알고리즘를 이용하여 갱신된다. 수치적 연구는 심층 다중 커널 LS-SVRM이 회귀 문제에 대한 최첨단 기계 학습 모형보다 우위에 있음을 보여준다.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2022 | 평가예정 | 계속평가 신청대상 (등재유지) | |
2017-01-01 | 평가 | 우수등재학술지 선정 (계속평가) | |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2005-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2004-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2003-01-01 | 평가 | 등재후보학술지 유지 (등재후보2차) | KCI후보 |
2002-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2001-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.18 | 1.18 | 1.07 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.01 | 0.91 | 0.911 | 0.35 |
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)