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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 한환수
- 발행연도
- 2016
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (3)
2016
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
인공신경망을 압축에 적용하여 더 높은 압축 성능을 보이기 위한 알고리즘들이 몇 가지 연구되어 있다. 그러나, 그동안 이러한 알고리즘들은 CPU의 한정된 계산 능력을 활용해야 했기에 작은 크기의 신경망을 사용해야 했으며, 압축을 적용하는 대상 파일의 크기도 매우 작았다. 본 연구에서는 GPGPU의 높은 계산능력을 활용하여, 텍스트 문맥에 기반하여 다음 문자의 등장 확률을 계산하는 확률적 예측기를 인공신경망을 사용하여 구현하고, 이 결과를 바탕으로 원본 파일의 문자 분포를 허프만 압축에 유리한 분포로 변환할 수 있는 변환 방법을 제시한다. 앞먹임 신경망(Feedforward Neural Network)과 GRU 회귀 신경망(Gated Recurrent Unit Network)에 대해서 실험을 수행하였다. 회귀 신경망 모델은 앞먹임 신경망에 비해 뛰어난 예측 성공률을 보였으며, 특히 학습에 사용되지 않았던 데이터에 대한 예측 정확도가 앞먹임 신경망에 비해 매우 높았다. GRU 회귀 신경망 모델은 상용 압축프로그램인 zip과 낫거나 비슷한 수준의 영문 텍스트 압축 성능을 보였다.
목차
제1장 서 론 1제2장 엔트로피 부호화와 엔트로피 변환 알고리즘 32-1 엔트로피 부호화 32-2 접두 부호 32-3 허프만 알고리즘 5제3장 인공신경망 83-1. 인공신경망 83-2. 그라디언트 하강법 123-3. 회귀 신경망 143-4. 드롭아웃(Dropout) 173-5. 확률 예측기로서의 인공신경망 17제4장 확률 예측기를 사용한 엔트로피 변환 19제5장 실험 설계 225-1 데이터 세트 225-2 앞먹임 신경망 235-2 회귀 신경망 275-3 GPGPU를 활용한 신경망 확률 예측기 학습 28제6장 실험 결과 296-1 CPU와 GPU의 인공신경망 실행 성능 비교 296-2 앞먹임 신경망과 회귀 신경망의 예측 성능 비교 306-3 회귀 신경망의 압축 성능 평가 326-4 엔트로피 변환 알고리즘의 효과 33제7장 결론 36참고 문헌 37
최근 본 자료
댓글(0)
0