함수 근사를 위한 효율적인 다항식 유닛 신경망의 진화 = Evolving Polynomial Unit Neural Networks for Efficient Function Approximation

국문 초록 (Abstract)

PUNN(Product Unit Neural Networks)[8]은 다항식 표현을 위하여 프로덕트 트리(product tree)를 이용하는데, 이 트리는 프로덕트 유닛들과 시그마 유닛들로 구성된 트리 모양의 신경망이다. 그러나 PUNN은 함수 근사에 적용되는 입력값들이 양의 실수에만 국한되기 때문에 그 적용범위가 매우 제한적이다. 본 논문에서는 PUNN의 이러한 제약사항을 보완하기 위하여 다항식 유닛 신경망을 제안한다. 다항식 유닛은 프로덕트 유닛의 연결강도을 실수에서 정수로 대체함으로써 함수 근사에 적용되는 입력값들이 실수 전범위에 걸쳐서 적용될 수 있다. 다항식 유닛 신경망은 PUNN에서의 연결강도의 수정을 지수부와 계수부로 나누어서 각각 달리 수행한다. 다항식 유닛 신경망의 성능평가를 위해 PUNN에서 이용한 함수들에 적용함으로써 실험결과를 통하여 다항식 유닛 신경망의 효율성을 보인다.

목차 (Table of Contents)

• 요약
• 1. 서론
• 2. PUNN
• 3. 유전알고리즘을 이용한 다항식 유닛 신경망
• 4. 실험 및 분석
• 5. 결론 및 향후계획
• 참고 문헌