내 신청현황
종류	모집공고명	진행상태
신청내용이 없습니다.

알림마당

home

계층적 끌개분기를 이용한 연상기억 모델

전문가 제언: ○ 신경회로망이나 인공지능망의 연구는 크게 알고리즘의 개발 등 이론 모델 분야와 병렬처리에 의한 구현분야 그리고 응용분야로 나눌 수 있다. 현재 많은 이론모델이 구현이나 성능에서 영향 및 제한을 받고 있으나 다층구조의 양방향 연상기억모델은 성능과 구현이 모두 용이해서 관련연구가 활발하다.

○ 특히 퍼셉트론이 개발된 이후 인공지능망 분야로 무게중심이 기울어지면서 많은 전문가시스템과 알고리즘이 개발되고 있으며, 자연어 처리에서 기계추론, 자동컴퓨터 시스템 등에 활용되고 있다.

○ 퍼셉트론은 학습능력이 있는 패턴의 인식기계로서 인간의 대뇌활동에서 힌트를 얻어 삼중구조의 신경회로망으로 된 학습기계이다. 최근에는 다층 퍼셉트론(MLP: Multi-Layer Perceptron)이 개발되어 중간층의 뉴런 숫자가 많아지면서 허용오차 이내에서 임의의 함수를 근사화할 수 있게 됨에 따라 패턴인식, 시계열 예측, 비선형제어, 통신 등에 응용하고 있다.

– 그러나 비선형의 적합능력으로 다양하게 적용되는 반면에 마디의 개수, 초기 가중치, 학습 횟수, 학습오차 등 구조적 인자에 영향을 많이 받고 있어, 중간층의 오차함수 등을 도입해서 중간층 가중치의 변경량이 중간층 뉴런 값의 시그모이드 함수에 위치한 영역에 따라 적절하게 변하도록 개선하고 있다.

○ 이 논문은 연상기억 모델에서 계층적인 끌개의 분기를 이용함으로써 연속적인 계층 형태로 기억을 유지하는 시스템을 소개하고 있다.

○ 여기에서는 다양한 상관관계의 패턴 데이터를 클러스터화하여 끌개의 분기를 이용하고 있다. 클러스터화의 장점은 다양한 형태의 데이터에 적용이 용이하나 여러 유형의 비유사성에 대한 정의가 쉽지 않아서, 비 단조성 함수를 이용하여 평형점을 찾는 과정의 새로운 접근방법이 주목된다.

저자: Hideki Kadone, Yoshihiko Nakamura
자료유형: 학술정보