계층별 학습 알고리즘의 FIR 신경회로망 적용 = Application of the Optimization Layer by Layer Learning Algorithm to FIR Neural Networks
저자
발행기관
학술지명
권호사항
발행연도
1996
작성언어
Korean
KDC
004
자료형태
학술저널
발행기관 URL
수록면
950-962(13쪽)
제공처
최근 다충 신경회로망이 비선형 신호처리 분야에서 많이 응용되고 있다. 특히 시계열 예측에서 신경회로망은 기존의 통계적 방법보다 좋은 결과를 보이고 있다. 여러 가지의 예측용 신경회로망이 연구되고 있는데 그 중에 FIR(finite impulse response) 신경회로망 모델은 FIR필터의 특성을 이용한 FIR 연결방식을 가지는 신경회로망의 모델이다. FIR 신경회로망은 비선형 자기회귀를 잘 구현한 모델이며, 시계열 예측에 좋은 결과를 보이고 있다. 그러나, 이 모델도 역시 추계적 오류 역전파 학습 알고리듬을 이용하고 있어 학습 속도가 무척 느리며 때에 따라선 최소의 비용 함수(cost function)값이 나오지 않는다.
한편 전방향 신경회로망을 위한 계층별 학습(Optimization layer by layer) 알고리듬은 학습 속도 및 예측 정확도에서 다른 알고리듬보다 좋은 결과를 보이고 있는데, 이 학습 알고리듬은 계층별로 뉴런의 비선형성을 선형화하여 비용 함수의 값을 최소화시킨다.
본 논문에서는 FIR 모델에 적합한 계층별(Optimization layer by layer) 학습 알고리듬을 제안하고자 한다. 제안된 FIR-OLL 학습 알고리듬도 비선형 활성화 함수를 선형화시키고, 이 선형화에 바탕을 두고 뉴런 간의 FIR 연결을 고려하면서 계층별로 비용 함수를 최소화시킨다.
실험 결과 제안된 학습 알고리듬은 과학습(overtraining)과 지역적 최소값(local minimal) 및 느린 학습 속도라는 단점을 가진 기존의 추계적 경사 추적법(stochastic gradient descent) 방법보다 월등하게 좋은 결과를 얻을 수 있음을 확인했다.
Recently more and more neural networks are used for time-series prediction problems and show better performance in some cases than the traditional statistical methods. Among the neural network models used the FIR neural network model is unique in that it has special connections between nodes which use the property of a finite impulse response(FIR) filter. Therefore the model has the potential of representing auto-regression and hence demonstrates a nice performance for time-series prediction problems. However this model also uses a stochastic back propagation learning algorithm and hence cannot get away from a slow learning time and a possibility of settling in a local minimum.
On the other hand a new learning algorithm called the optimization layer by layer (OLL) has recently developed for feed-forward networks and shows a better learning speed as well as a nice performance. This algorithm minimizes the cost function by linearizing the non-linearity of neurons layer by layer.
In this paper we develop a new learning algorithm for the FIR neural network model by applying the idea of OLL to the FIR neural networks. The structure of the model we used consists of one hidden layer with the input and output layers. But this FIR model is general enough to represent universal function approximation The proposed algorithm also minimizing the cost function layer by layer by linearizing the non-linear activation function.
The experimental results using two popular time-series prediction problems show that the new algorithm is far better in the learning time as well as the prediction performance then the existing stochastic gradient descent learning algorithm.
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)