지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.5
- 수록면
- 509 - 516 (8page)
- DOI
- 10.7840/kics.2023.48.5.509
이용수
초록· 키워드
오류제보하기
본 논문은 비지도 특징학습을 위한 새로운 에너지기반 은닉변수 모델(EBLVM)을 제안한다. EBLVM의 결합 확률밀도함수는 심층 신경망에 의해 변환된 연속적인 가시변수와 은닉변수에 대한 새로운 에너지 함수를 정의한다. 경사도 기반 contrastive divergence 알고리즘을 사용하여 새로운 EBLVM의 파라미터를 훈련한다. EBLVM은 심층구조를 갖고 모든 은닉층을 연합하여 학습하기 때문에 각 층에서 특징학습을 위한 효과적인 특징들을 추출할 수 있다. Fashion MNIST와 CIFAR10 데이터를 사용한 비교사 특징학습 실험에서 제안된 기법은 기존의 stacked RBM, DBN, DBM 그리고 DEM보다 더 향상된 인식성능을 나타낸다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 에너지기반 은닉변수 모델
Ⅲ. 실험
Ⅳ. 결론
References
참고문헌 (20)
참고문헌 신청
R. Hankins, Y. Peng, & H. Yin, “SOMNet: unsupervised feature learning networks for image classification,” in IEEE, IJCNN, pp. 1-8, 2018. (https://doi.org/10.1109/IJCNN.2018.8489404)
J. Schlüter, & R. Sonnleitner, “Unsupervised feature learning for speech and music detection in radio broadcasts,” in Proc. 15th ICDAE, September, 2012.
V. Christlein, M. Gropp, S. Fiel, & A. Maier, “Unsupervised feature learning for writer identification and writer retrieval,” IEEE, 14th ICDAR, Vol. 1, pp. 991-997, 2017. (https://doi.org/10.48550/arXiv.1705.09369)
Y. LeCun, S. Chopra, R. Hadsell, M. Ranzato, & F. Huang. “A tutorial on energy-based learning,” Predicting Structured Data , 1.0, 2006.
Y. Song, & D. P. Kingma, “How to train your energy-based models,” arXiv preprint arXiv:2101.03288, 2021. (https://doi.org/10.48550/arXiv.2101.03288)
J. Schlüter, & R. Sonnleitner, “Unsupervised feature learning for speech and music detection in radio broadcasts,” in Proc. 15th ICDAE, September, 2012.
V. Christlein, M. Gropp, S. Fiel, & A. Maier, “Unsupervised feature learning for writer identification and writer retrieval,” IEEE, 14th ICDAR, Vol. 1, pp. 991-997, 2017. (https://doi.org/10.48550/arXiv.1705.09369)
Y. LeCun, S. Chopra, R. Hadsell, M. Ranzato, & F. Huang. “A tutorial on energy-based learning,” Predicting Structured Data , 1.0, 2006.
Y. Song, & D. P. Kingma, “How to train your energy-based models,” arXiv preprint arXiv:2101.03288, 2021. (https://doi.org/10.48550/arXiv.2101.03288)
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
비지도 특징학습을 위한 심층 에너지 기반 모델
한국통신학회 학술대회논문집
2023 .06
-
비지도 특징학습을 위한 커널 기반 제한된 볼츠만 머신
한국통신학회논문지
2019 .09
-
심층 에너지 기반 은닉변수 모델을 위한 스코어 매칭 학습
한국통신학회논문지
2023 .12
-
깊은신경망을 이용한 회전객체 분류 연구
한국지능시스템학회 논문지
2015 .10
-
특징 압축 토큰 벡터를 활용한 비지도 학습 네트워크 이상 탐지 방법
한국통신학회 학술대회논문집
2025 .02
-
Development and Optimization of Deep Belief Networks Applied for Academic Performance Prediction with Larger Datasets
IEIE Transactions on Smart Processing & Computing
2020 .08
-
Unsupervised feature learning for classification
한국컴퓨터정보학회 학술발표논문집
2016 .07
-
전이 학습을 이용한 비지도 학습 기반 누출 감지 모델 연구
Proceedings of KIIT Conference
2023 .11
-
단일 이미지를 사용한 비지도 학습 기반의 투명층 분리
대한전자공학회 학술대회
2024 .06
-
비지도학습을 통한 고장 탐지 알고리즘
대한산업공학회 춘계공동학술대회 논문집
2021 .06
-
은닉 유닛 기여 학습 및 은닉 층 확장을 통한 한국어 감정 음성 합성 시스템
한국통신학회 학술대회논문집
2018 .06
-
자연어처리를 위한 대조 학습 기반의 심층학습 모델에 대한 최근 연구 동향
Proceedings of KIIT Conference
2022 .12
-
망 분리를 이용한 딥러닝 학습시간 단축에 대한 연구
전기전자학회논문지
2021 .06
-
딥러닝 전이학습의 가능성 검토: 부동산 분야를 사례로
디지털콘텐츠학회논문지
2021 .04
-
겹치는 정도가 높은 학습데이터에서 오토인코더 은닉층 확장의 영향 분석
디지털콘텐츠학회논문지
2024 .08
-
Visualization of Convolutional Neural Networks for Time Series Input Data
Journal of KIISE
2020 .05
-
비지도 학습 기반 교차로 인식 알고리즘
대한전자공학회 학술대회
2022 .06
-
부정 샘플 선택 전략을 통한 비지도 대조 학습
한국통신학회 인공지능 학술대회 논문집
2024 .09
-
비지도 학습 기반 혼잡 특징 분류를 통한 지식 정의 네트워크 사례 연구
한국정보과학회 학술발표논문집
2019 .12
-
시계열 심층학습 모델의 은닉 노드에 대한 시각화
한국정보과학회 학술발표논문집
2019 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-567-001463427