| 1 |
1
컴퓨터 장치에 의해 수행되는 활성화 함수의 학습 방법에 있어서,다중 인자 기반의 비선형 활성화 함수를 이용하여 내부 네트워크를 구성하는 단계; 및 상기 구성된 내부 네트워크를 외부 네트워크와 결합하여 생성된 결합 모델을 학습하는 단계를 포함하는 활성화 함수의 학습 방법
|
| 2 |
2
제1항에 있어서,상기 내부 네트워크를 구성하는 단계는,다중 인자 기반의 비선형 활성화 함수를 복수 개의 입력 인자와 적어도 하나 이상의 출력 단자를 갖는 멀티 레이어 퍼셉트론(Multilayer Perceptron)으로 모델링하여 내부 네트워크를 구성하는 단계 를 포함하는 활성화 함수의 학습 방법
|
| 3 |
3
제1항에 있어서,상기 내부 네트워크를 구성하는 단계는,기 설정된 사이즈의 컨볼루션을 사용하여 내부 네트워크를 구성하는 단계를 포함하는 활성화 함수의 학습 방법
|
| 4 |
4
제1항에 있어서,상기 학습하는 단계는,상기 구성된 내부 네트워크를 상기 외부 네트워크의 히든 레이어 사이에 위치시켜 상기 구성된 내부 네트워크와 상기 외부 네트워크를 결합하는 단계를 포함하는 활성화 함수의 학습 방법
|
| 5 |
5
제1항에 있어서,상기 학습하는 단계는,상기 내부 네트워크의 깊이 차원에서 슬라이스 및 연결 작업을 통해 상기 구성된 내부 네트워크와 상기 외부 네트워크를 결합하는 단계를 포함하는 활성화 함수의 학습 방법
|
| 6 |
6
제1항에 있어서,상기 학습하는 단계는, 상기 다중 인자 기반의 비선형 활성화 함수에 대하여 지도 학습을 사용하여 내부 네트워크를 사전 학습시키는 단계 를 포함하는 활성화 함수의 학습 방법
|
| 7 |
7
제6항에 있어서,상기 학습하는 단계는,파라미터 공유를 통해 상기 사전 학습된 내부 네트워크를 외부 네트워크와 결합하여 결합 모델이 생성되도록 내부 네트워크와 외부 네트워크를 동시에 학습시키는 단계를 포함하는 활성화 함수의 학습 방법
|
| 8 |
8
제7항에 있어서,상기 학습하는 단계는,상기 학습된 내부 네트워크를 고정한 다음 상기 학습된 외부 네트워크를 초기화시키고, 상기 초기화된 외부 네트워크를 재학습시키는 단계를 포함하는 활성화 함수의 학습 방법
|
| 9 |
9
제1항 내지 제8항 중 어느 한 항의 활성화 함수의 학습 방법을 상기 컴퓨터 장치에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램
|
| 10 |
10
컴퓨터 장치에 있어서,다중 인자 기반의 비선형 활성화 함수를 이용하여 내부 네트워크를 구성하는 내부 네트워크 구성부; 및 상기 구성된 내부 네트워크를 외부 네트워크와 결합하여 생성된 결합 모델을 학습하는 모델 학습부를 포함하는 컴퓨터 장치
|
| 11 |
11
제10항에 있어서,상기 내부 네트워크 구성부는,다중 인자 기반의 비선형 활성화 함수를 복수 개의 입력 인자와 적어도 하나 이상의 출력 단자를 갖는 멀티 레이어 퍼셉트론(Multilayer Perceptron)으로 모델링하여 내부 네트워크를 구성하는 것을 특징으로 하는 컴퓨터 장치
|
| 12 |
12
제10항에 있어서,상기 내부 네트워크 구성부는,상기 구성된 내부 네트워크를 상기 외부 네트워크의 히든 레이어 사이에 위치시켜 상기 구성된 내부 네트워크와 상기 외부 네트워크를 결합하는 것을 특징으로 하는 컴퓨터 장치
|
| 13 |
13
제10항에 있어서,상기 모델 학습부는,상기 다중 인자 기반의 비선형 활성화 함수에 대하여 지도 학습을 사용하여 내부 네트워크를 사전 학습시키는 것을 특징으로 하는 컴퓨터 장치
|
| 14 |
14
제13항에 있어서,상기 모델 학습부는,파라미터 공유를 통해 상기 사전 학습된 내부 네트워크를 외부 네트워크와 결합하여 결합 모델이 생성되도록 내부 네트워크와 외부 네트워크를 동시에 학습시키는 것을 특징으로 하는 컴퓨터 장치
|
| 15 |
15
제14항에 있어서,상기 모델 학습부는,상기 학습된 내부 네트워크를 고정한 다음 상기 학습된 외부 네트워크를 초기화시키고, 상기 초기화된 외부 네트워크를 재학습시키는 것을 특징으로 하는 컴퓨터 장치
|
