확률정규화와 노이즈가 들어간 환경에서의 신뢰네트웍 학습알고리즘 성능 비교 분석 = Probability Normalization and Comparison of Belief Network Learning Algorithms in Noisy Environment
저자
발행기관
학술지명
권호사항
발행연도
1996
작성언어
Korean
KDC
004
자료형태
학술저널
발행기관 URL
수록면
1062-1072(11쪽)
제공처
최근 신뢰네트웍(belief network)의 네트웍 구조와 확률값을 방대한 상황 데이타로부터 학습하는 몇가지 알고리즘이 제안되었다. 이들중 Cooper의 K2 알고리즘등은 전통적인 학습기법에 바탕을 두고 있지만, Neal의 볼츠만 머신(Boltzmann machine) 학습법이나 Peng 의 헤비안(Hebbian) 학습법등은 신경망 학습법의 일종이다. 본 논문에서는 첫째 다양한 학습 알고리즘의 성능을 실제 상황과 흡사한 환경에서 실험적으로 비교할 수 있도록 사전확률과 인과확률의 정규화 개념을 도입한다. 둘째, 노이즈가 들어간 상황에서의 실험 계획을 구성한다. 마지막으로 Cooper, Neal, Peng의 알고리즘을 실제 상황과 흡사한 노이즈가 포함된 정규화 패턴으로 학습시켰을 때의 성능을 비교하고 분석한다. 학습 결과, Cooper와 Peng의 일고리즘은 확률 값을 학습하는 데 있어 Neal의 알고리즘보다 나은 성능을 보였고, Peng의 알고리즘은 노이즈가 섞인 데이타로부터 네트웍의 구조를 학습하는 데 있어 나머지 두 알고리즘보다 우수한 성능을 보였다.
더보기Recently, several belief network learning algorithms have been proposed to learn both the network structures and probabilities from the case data. Although most of these methods (e.g., Cooper's K2 algorithm) are based on traditional machine learning techniques, some of them, e.g., Neal's Boltzmann machine method and Peng's extended Hebbian method take neural network learning approaches. We first introduce the notion of normalization of prior and causation probabilities which helps to render the synthetic data more realistic. Second, we design the test simulation where "noise" is added to the case data. Finally, three learning algorithms proposed by Cooper, Neal, and Peng, respectively, are compared in their performance when trained with noisy normalized synthetic data. Simulation results show that Cooper's and Peng's algorithms are superior to Neal's in average error for learning probabilities, while Peng's algorithm performs better in learning network structures from noisy data.
더보기서지정보 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)