1 |
1
신경망 구조 결정 방법에 있어서,신경망(neural network)의 각 에지들에 초기 가중치인 제1 가중치를 부여하는 단계;학습 데이터 및 상기 제1 가중치에 기초하여 상기 신경망을 미리 정해진 횟수만큼 학습시키는 단계;상기 학습된 신경망을 이용하여 상기 제1 가중치에 대응하는 각 에지들의 제2 가중치를 결정하는 단계; 및상기 제2 가중치에 기초하여 상기 각 에지들에 대해 삭제, 추가 및 유지 중 어느 하나를 수행하는 단계를 포함하는,신경망 구조 결정 방법
|
2 |
2
제1항에 있어서,상기 수행하는 단계는,상기 제2 가중치가 주변 에지의 가중치에 비해 미리 정해진 기준보다 작은 에지를 삭제하는 단계를 포함하는 신경망 구조 결정 방법
|
3 |
3
제1항에 있어서,상기 수행하는 단계는,가상의 일 에지의 제2 가중치가 주변 에지의 가중치에 비해 미리 정해진 기준보다 높은 경우, 상기 일 에지를 상기 신경망에 추가하는 단계; 및상기 추가된 일 에지에 상기 제1 가중치를 부여하는 단계를 포함하는 신경망 구조 결정 방법
|
4 |
4
제1항에 있어서,상기 수행하는 단계는,일 에지를 삭제하는 것에 의해 상기 신경망의 성능이 임계 값보다 높아지는 경우, 상기 일 에지를 삭제하는 단계를 포함하는 신경망 구조 결정 방법
|
5 |
5
제1항에 있어서,상기 수행하는 단계는,일 에지를 상기 신경망에 추가하는 것에 의해 상기 신경망의 성능이 임계 값보다 높아지는 경우, 상기 일 에지를 상기 신경망에 추가하는 단계; 및상기 추가된 일 에지에 상기 제1 가중치를 부여하는 단계를 포함하는 신경망 구조 결정 방법
|
6 |
6
제1항에 있어서,상기 신경망은,입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어 중 적어도 하나를 포함하는 신경망 구조 결정 방법
|
7 |
7
제1항에 있어서,상기 학습시키는 단계는,상기 학습 데이터에 기초하여 상기 신경망에 포함된 히든 레이어의 개수를 결정하는 단계를 포함하는 신경망 구조 결정 방법
|
8 |
8
제7항에 있어서,상기 학습시키는 단계는, 상기 학습 데이터에 기초하여 상기 히든 레이어의 수를 증가시키는 단계를 포함하고,상기 증가시키는 단계는, 추가된 히든 레이어와 상기 추가된 히든 레이어의 전후의 히든 레이어 사이에 에지를 생성하는 단계는 포함하고,상기 추가된 히든 레이어와 상기 추가된 히든 레이어의 전후의 히든 레이어 사이에 생성된 에지는, 제1 가중치 또는 앞 단의 히든 레이어의 에지에 부여된 가중치에 기초하여 가중치를 부여받는,신경망 구조 결정 방법
|
9 |
9
제7항에 있어서,상기 학습시키는 단계는, 상기 학습 데이터에 기초하여 상기 히든 레이어의 수를 감소시키는 단계를 포함하고,상기 감소시키는 단계는, 삭제된 히든 레이어의 전후의 히든 레이어 사이에 에지를 생성하는 단계를 포함하고,상기 생성하는 단계는, 상기 전후의 히든 레이어 사이에 생성된 에지에 부여된 가중치에 기초하여 상기 전후의 히든 레이어 사이에 새로운 에지를 생성하는 단계를 포함하는,신경망 구조 결정 방법
|
10 |
10
제1항에 있어서,상기 학습시키는 단계는,상기 신경망에 포함된 노드들 각각에 대응되는 활성 함수를 결정하는 단계를 포함하는 신경망 구조 결정 방법
|
11 |
11
제1항에 있어서,상기 수행하는 단계는,일 에지를 추가하는 것에 대한 조건이 만족되더라도, 상기 일 에지에 대응하는 노드들 중 에지가 추가되지 않도록 설정된 노드가 포함된 경우, 상기 일 에지를 추가하지 않는 것으로 결정하는 단계를 포함하는 신경망 구조 결정 방법
|
12 |
12
제1항에 있어서,상기 수행하는 단계는,일 에지의 제2 가중치가 최댓값인 경우, 상기 일 에지에 대응하는 노드들 사이에 하나 이상의 에지를 추가하는 단계를 포함하는 신경망 구조 결정 방법
|
13 |
13
하드웨어와 결합되어 제1항 내지 제12항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램
|
14 |
14
신경망 구조 결정 장치에 있어서,신경망(neural network)의 각 에지들에 초기 가중치인 제1 가중치를 부여하고, 학습 데이터 및 상기 제1 가중치에 기초하여 상기 신경망을 미리 정해진 횟수만큼 학습시키고, 상기 학습된 신경망을 이용하여 상기 제1 가중치에 대응하는 각 에지들의 제2 가중치를 결정하는 학습부; 및상기 제2 가중치에 기초하여 상기 각 에지들에 대해 삭제, 추가 및 유지 중 어느 하나를 수행하는 제어부를 포함하는,신경망 구조 결정 장치
|
15 |
15
제14항에 있어서,상기 제어부는,상기 제2 가중치가 주변 에지의 가중치에 비해 미리 정해진 기준보다 작은 에지를 삭제하는 신경망 구조 결정 장치
|
16 |
16
제14항에 있어서,상기 제어부는,가상의 일 에지의 제2 가중치가 주변 에지의 가중치에 비해 미리 정해진 기준보다 높은 경우, 상기 일 에지를 상기 신경망에 추가하고, 상기 추가된 일 에지에 상기 제1 가중치를 부여하는 신경망 구조 결정 장치
|
17 |
17
제14항에 있어서,상기 제어부는,일 에지를 삭제하는 것에 의해 상기 신경망의 성능이 임계 값보다 높아지는 경우, 상기 일 에지를 삭제하는 신경망 구조 결정 장치
|
18 |
18
제14항에 있어서,상기 제어부는,일 에지를 상기 신경망에 추가하는 것에 의해 상기 신경망의 성능이 임계 값보다 높아지는 경우, 상기 일 에지를 상기 신경망에 추가하고, 상기 추가된 일 에지에 상기 제1 가중치를 부여하는 신경망 구조 결정 장치
|
19 |
19
제14항에 있어서,상기 신경망은,입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어 중 적어도 하나를 포함하는 신경망 구조 결정 장치
|
20 |
20
제14항에 있어서,상기 학습부는,상기 학습 데이터에 기초하여 상기 신경망에 포함된 히든 레이어의 개수를 결정하는 신경망 구조 결정 장치
|
21 |
21
제14항에 있어서,상기 학습부는,상기 신경망에 포함된 노드들 각각에 대응되는 활성 함수를 결정하는 신경망 구조 결정 장치
|
22 |
22
제14항에 있어서,상기 제어부는,일 에지를 추가하는 것에 대한 조건이 만족되더라도, 상기 일 에지에 대응하는 노드들 중 에지가 추가되지 않도록 설정된 노드가 포함된 경우, 상기 일 에지를 추가하지 않는 것으로 결정하는 신경망 구조 결정 장치
|
23 |
23
제14항에 있어서,상기 제어부는,일 에지의 제2 가중치가 최댓값인 경우, 상기 일 에지에 대응하는 노드들 사이에 하나 이상의 에지를 추가하는 신경망 구조 결정 장치
|