도움말

심층 다중 커널 최소제곱 서포트 벡터 회귀 기계

Deep multiple kernel least squares support vector regression machine
한국데이터정보과학회지 제29권 제4호, 2018.7, 895-902 (8 pages)
DOI :10.7465/jkdi.2018.29.4.895
인용정보 복사
Quick View Quick View
구매하기 6,000원
인용하기
이용수 : 0건
피인용수 : 0건
분야내 활용도 : %
자세히 보기 >

· 이용수 : 2010년부터 집계한 원문다운로드수

· 피인용수 : DBpia 논문 가운데 해당 논문을 인용한 논문수

· 분야내 활용도 : 최근 24개월간 DBpia 이용수를 기준으로 산출 / 0%에 가까울 수록 활용도가 높고, 100%에 가까울 수록 활용도가 낮음

초록
본 논문에서는 회귀모형을 위한 심층 다중 커널 최소제곱 서포트 벡터 회귀 기계 (least squares support vector regression machine; LS-SVRM)을 제안한다. 제안된 모형은 입력층, 2개의 은닉층 및 출력층으로 구성된다. 각 은닉층에서 다른 형태의 커널을 가지는 LS-SVRM이 입력과 종속변 수를 이용하여 학습된다. 최종 출력을 위해 출력층은 두번째 은닉층의 출력을 입력으로 사용하여 학습된다. 다층 신경망과 달리 심층 다중 커널 LS-SVRM에서 각 LS-SVRM은 벌칙화 목적함수를 최소화하도록 훈련된다. 따라서 심층 다중 커널 LS-SVRM의 학습은 최종 비용 함수만 최소화하기 위해 가중치 및 편의항을 학습하는 다층 신경망과 완전히 다르다. 심층 다중 커널 LS-SVRM은 모든 LS-SVRM을 훈련하고 조합 가중치와 편의항를 사용한다. 이때 조합 가중치와 편의항은 역전파 알고리즘를 이용하여 갱신된다. 수치적 연구는 심층 다중 커널 LS-SVRM이 회귀 문제에 대한 최첨단 기계 학습 모형보다 우위에 있음을 보여준다.

We propose a deep multiple kernel least squares support vector regression machine (LS-SVRM) for regression, which consists of the input layer, two hidden layers and the output layer. In the hidden layer, LS-SVRMs with different kernels are trained with the inputs and the responses. For the final output, the neural network is trained with the outputs of the second hidden layer as inputs. Differently from the multilayer neural network (MNN), LS-SVRMs in the deep multiple kernel LS-SVRM are trained to minimize the penalized objective function. Thus, the learning dynamics of the deep multiple kernel LS-SVRM are totally different from MNN in which weights and biases are trained to minimize only the final cost function. The deep multiple kernel LSSVRM trains all LS-SVRMs in the architecture and makes use of combination weights and biases. The combination weights and biases are updated by backpropogation. Numerical studies illustrate that the deep multiple kernel LS-SVRM outperforms standard LS-SVRM and MNN on regression problems.

목차
요약
1. 서론
2. LS-SVRM
4. 실험 및 결론
References
Abstract
키워드
참고문헌 (0)

현재 논문의 참고문헌을 찾아 신청해주세요!

해당 논문은 참고문헌 정보가 없습니다.

인용된 논문 (0)

알림서비스 신청하고 '인용된 논문' 정보를 메일로 확인 하세요!

해당 논문은 인용된 논문 정보가 없습니다.

제 1 저자의 다른 논문 (0)

황창하 식별저자 저자의 상세정보를 확인해 보세요.

해당 논문은 제 1저자의 다른 논문 정보가 없습니다.

권호 내 다른 논문 (24)

한국데이터정보과학회지 제29권 제4호 의 상세정보를 확인해 보세요.

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 3
  •  
  • 다음
  •  
  • 마지막
추천 논문 (0)

DBpia 추천논문과 함께 다운받은 논문을 제공합니다. 논문 초록의 텍스트마이닝과 이용 및 인용 관계 분석을 통해 추천해 드리는 연관논문을 확인해보세요.

DBpia 추천논문

해당 논문은 DBpia 추천논문 정보가 없습니다.

함께 다운받은 논문

해당 논문은 함께 다운받은 논문 정보가 없습니다.

지표

이용현황

· 이용수

· 이용순위 상위 Top3

자세히 보기 >
No 상위 이용이관 이용수

활용도

· 활용지수

· 논문의 활용도 추이 (주제분야 기준)

자세히 보기 >

: %

2016-09
2016-10
2016-11
2016-12
0
20
40
60
80
100
  • 0%
  • 20%
  • 40%
  • 60%
  • 80%
  • 100%

피인용수

상세정보
저작권 정책

누리미디어에서 제공되는 모든 저작물의 저작권은 원저작자에게 있으며, 누리미디어는 각 저작물의 내용을 보증하거나 책임을 지지 않습니다. 단, 누리미디어에서 제공되는 서지정보는 저작권법에 의해 보호를 받는 저작물로, 사전 허락 없이 임의로 대량 수집하거나 프로그램에 의한 주기적 수집 이용, 무단 전재, 배포하는 것을 금하며, 이를 위반할 경우, 저작권법 및 관련법령에 따라 민, 형사상의 책임을 질 수 있습니다.

맨 위로 이동
  • 개인회원으로 로그인하셔야 이용이 가능합니다.
  •  개인회원
  •  기관회원
  • 소속기관
  • 아이디
  • 비밀번호
  • 개인회원가입으로 더욱 편리하게 이용하세요. 일반회원 가입하기

    아이디/비밀번호를 잊으셨나요? 아이디/비밀번호 찾기