Softmax Linear Units를 통해 학습된 sparse 표현을 활용한 신경망의 노이즈 강건성 향상

현준희; 임채진; 이기성; 한동일

추천

검색

질문

자료유형: 학술대회자료

저자정보: 현준희 (세종대학교) 임채진 (세종대학교) 이기성 (세종대학교) 한동일 (세종대학교)

저널정보: 대한전자공학회 대한전자공학회 학술대회 2024년도 대한전자공학회 하계학술대회 논문집

발행연도: 2024.6

수록면: 2,238 - 2,241 (4page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Generalization and noise robustness are crucial aspects of training neural networks in deep learning. This study focuses on demonstrating the superior noise robustness achieved by employing Softmax Linear Units (SoLU) as activation functions, which promote the learning of sparse representations. We compare the performance of networks using SoLU activations with those using Rectified Linear Units (ReLU) on the MNIST dataset under various noise conditions. Our experiments show that the sparse representations learned by SoLU activations result in significantly improved noise robustness compared to ReLU-based networks. These findings highlight the potential of incorporating Softmax Linear Units in neural network architectures to enhance their resilience to noise, particularly in applications where noise resistance is critical. The study emphasizes the practical implications of leveraging sparse representations for building robust and reliable deep learning models.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문과 함께 이용한 논문

기술수용모델 기반 건축·도시 분야 융복합 교육의 수용의도에 관한 조사

신상우 , 김재준 , 여옥경 대한건축학회 논문집 - 계획계 2015 .12

녹색건축 인증제도의 운영체계 개선 연구

염동우 , 이규인 대한건축학회 논문집 - 계획계 2015 .03

건축·도시분야의 융복합 대상 학문분야 도출을 위한 방법론적 접근 : 전문가 설문조사를 중심으로

유승규 , 김재준 , 여옥경 대한건축학회 논문집 - 계획계 2015 .02

전문가 설문조사를 통한 통합적 기후변화 대응 도시 조성전략

반영운 , 윤중석 , 정지형 외 5명 서울도시연구 2011 .12

Batch Normalization을 결합한 CNN과 MNIST 데이터셋에서의 정확도 향상에 관한 연구

이승빈 , 이정수 한국컴퓨터정보학회논문지 2024 .09

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)