인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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.
피인용 0
초록·키워드
본 논문에서는 표준 합성곱 신경망 구조에서 사용되는 통합 계층에 퍼지 논리를 결합한 퍼지 통합 계층을 제안한다. 기존의 평균 및 최대 통합 방식은 국소 영역의 정보를 단순 요약하며, 입력 특징 간의 불확실성이나 모호성을 충분히 반영하지 못하는 한계가 있다. 퍼지 논리는 연속적인 소속도 기반 계산을 통해 이러한 불확실한 특징 경계를 완화하고, 정보 손실을 줄이는 데 유리할 수 있다. 제안하는 계층은 퍼지 C-중심 클러스터링을 통해 각 특징의 소속도를 계산하고, 클러스터별로 다른 통합 지수를 적용하여 특징들을 통합한다. 이를 통해 특징의 차원을 줄이면서 클러스터별 중요도를 반영한 가중 통합이 가능해진다. 성능 검증은 CIFAR-100, LFW, STL-10, ImageNette 데이터 세트와 AlexNet, miniAlexNet 모델을 사용하였으며, 5겹 교차 검증을 적용하고 정확도 및 F1 점수를 평가 지표로 활용하였다. 실험 결과, 제안한 퍼지 통합 계층은 기존 통합 방식 대비 의미 있는 분류 성능 향상을 나타냈다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093921977
