내 신청현황
종류	모집공고명	진행상태
신청내용이 없습니다.

알림마당

home

신경회로망의 기초와 이론적으로 중요한 과제

전문가 제언: ○ 신경회로망에 있어서 결합무게의 수치를 적당하게 변화하면 그것에 따라 출력이 변화한다. 또 계층의 소자수를 증가시키면 그 입․출력의 복잡한 관계를 용이하게 상상할 수 있다. 이것은 신경망이 결합무게를 적당히 조정하는 것이 가능할 수 있는 현상 또는 시스템의 입․출력 관계를 근사적으로 현실화하는 것이 가능하다는 의미이다. 신경회로망은 뇌신경계의 기능을 모방한 정보처리 장치로서 주목되고 있지만 본질적으로는 파라메트릭 관계로 보면 좋을 것이다.

○ 발견적 방법의 유효성은 경험적으로 나타나 있지만 각 방법에 도입되는 학습을 위한 매개변수의 계통적 설정 기준이 없다는 문제가 남아 있다. 한편 학습의 문제는 비선형 최적화의 문제이다. 여기에서는 뉴튼법, 준 뉴튼법, 공역구배법 등 급하강법에 의한 빠른 알고리즘이 다수 존재한다. 이러한 알고리즘 또는 그것을 개선하기 위해 신경회로망에 적용한 연구도 많이 보이고 있는 실정이다.

○ 학습 후, 신경회로망에 대하여 데이터 내에 존재하는 규칙성을 획득 가능하다는 점 또는 같은 생성구조를 갖는 미학습 데이터에 대해서 적합성이 좋다는 점이 기대되고 있다. 이러한 성질이 없다면 예측, 해석, 결과를 신뢰할 수 없다는 문제가 발생한다. 일반적으로 데이터의 규칙성을 정확하게 획득한다면 미학습 데이터에 대해서 신경회로망의 적합성이 좋을 때 그 범화성이 좋다고 말할 수 있다.

○ 학습의 고속화, 범화성의 향상을 목적으로 한 응용상의 중요한 방법에 대해서 언급하였다. 이러한 방법은 발견적이기는 하지만 경험적 유효성이 나타나 있다. 그러나 신경회로망의 성질은 명확하게 되어 있지도 않고 이런 방법에 대한 이론적 지지도 아직은 매우 적은 편이다.

○ 최근의 연구에 의해 이러한 경우의 학습오차, 범화오차 등, 통상의 통계적인 점근론이 성립하는 상황과 전혀 다른 것이라는 것이 나타나 있다. 함수근사의 점에서 신경회로망은 기저의 가변성에 의해 효율적으로 함수근사를 행할 수 있다고 서술하고 있지만 위의 결과도 기저의 가변성에 의해 가져오는 것이다.

저자: Hagiwara Katsuyuki
자료유형: 학술정보