메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Back Propagation은 다충 구조의 네트워크로, 여러 가지 한계점을 가지고 있다. 최급 강하법에 의한 지역 최소화에 빠진체 학습이 종료되고, 네트워크 전체의 학습을 위하여 많은 횟수의 반복학습이 필요하며, 추가 학습시에는 기존의 학습 지식이 지워져서 전체적인 재학습이 필요하였다. 더군다나, 학습의 완료시점 조차 예측할 수 없는 한계를 지니고 있었다. 따라서, 기존의 네트워크에서 초기치 설정 문제와 오차 수정에서 나타나는 어려움, 또 최적의 조건을 얻기 위한 Threshold의 임의적 설정에의 난제를 유발하는 Weight를 이용한 방식을 지양하고자 본 논문에서는 확률(Probability)이라는 개념을 도입하여 새로운 모델을 제안하였다. 시뮬레이션을 통하여 여러 가지 문제점이 개선됨을 확인 할 수 있었다.

목차

요약

1. 서론

2. Probability Neural Network(PBNN) 모델

3. 실험 및 고찰

4. 결론

5. Reference

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017927838