닫기
Loading..

Please wait....

국내 논문지

홈 홈 > 연구문헌 > 국내 논문지 > 한국통신학회 논문지 (The Journal of Korea Information and Communications Society)

한국통신학회 논문지 (The Journal of Korea Information and Communications Society)

Current Result Document : 2 / 25 이전건 이전건   다음건 다음건

한글제목(Korean Title) 비지도 특징학습을 위한 커널 기반 제한된 볼츠만 머신
영문제목(English Title) Kernel-Based Restricted Boltzmann Machine for Unsupervised Feature Learning
저자(Author) 김동국   신종원   Dong Kook Kim   Jong Won Shin                          
원문수록처(Citation) VOL 44 NO. 09 PP. 1633 ~ 1640 (2019. 09)
한글내용
(Korean Abstract)
본 논문은 비지도 특징학습을 위한 커널 기법에 근거한 제한된 볼츠만 머신 (RBM)을 제시한다. 커널 기반 RBM의 핵심 아이디어는 입력 데이터를 비선형 함수를 이용하여 고차원의 특징공간으로 맵핑하고, 이 공간에서 가시유닛과 은닉유닛에 대한 에너지 함수를 정의한다. 딥러닝에서 많이 쓰이고 있는 rectified linear unit을 커널 RBM을 위한 커널 함수로 사용한다. 커널 RBM을 학습하기 위해 경사기반 contrastive divergence 알고리즘을 유도하고, 학습에 필요한 파라메터의 갱신법을 제시한다. MNIST와 STL-10 데이터를 사용한 실험에서 제안된 기법은 유용한 특징들을 학습하며, 기존의 RBM보다 더 향상된 인식결과를 나타낸다.
영문내용
(English Abstract)
This paper presents a restricted Boltzmann machine (RBM) based on kernel method for unsupervised feature learning. The key idea of kernel RBM is that the input data is first implicitly mapped into a high-dimensional feature space, and the energy function is defined with the visible units and hidden units in that space. We propose the use of rectified linear unit for the kernel RBM as a kernel function, which is widely used in deep learning. The gradient-based contrastive divergence algorithm is used for the training of the kernel RBM, and the parameter update rules are derived for the learning. Experimental results on MNIST and STL-10 dataset show that the proposed approach can learn the useful representations, and it outperforms the conventional RBMs on the classification task.
키워드(Keyword) feature learning   restricted Boltzmann machine   kernel method   image classification                          
원문 PDF 다운로드