1 |
1
입력 데이터를 수신하는 입력층;상기 입력 데이터에 대응하는 출력 데이터를 출력하는 출력층; 그리고상기 입력층과 상기 출력층 사이에 위치하는 복수의 은닉층들을 포함하며, 상기 은닉층들 사이는 연결 가중치들을 통해 연결되고, 상기 연결 가중치들은 상기 출력 데이터와 상기 입력 데이터에 대응하는 예측 데이터의 차이에 기초하여 갱신되는 은닉층 그룹을 포함하되,상기 은닉층들 각각은 활성화 함수를 포함하는 은닉 노드를 포함하고,상기 활성화 함수는 입력값이 음수인 경우 0을 출력하고, 입력값이 양수인 경우 입력값의 범위에 따라 기울기가 서로 다른 선형 함수들에 기초하여 출력값을 결정하고,상기 선형 함수들은 원점에서 멀어질수록 기울기가 감소하는 인공신경망 시스템
|
2 |
2
제1항에 있어서,상기 활성화 함수는 아래의 수학식에 따라 정의되고,입력값은 원점 및 제1 파라미터(a)에 의해 구분되고,상기 활성화 함수는 원점과 상기 제1 파라미터(a) 사이의 제1 구간에서 제1 기울기(p)를 가지고, 상기 제1 파라미터(a)보다 큰 제2 구간에서 제2 기울기(q)를 가지고,상기 제2 기울기(q)는 상기 제1 기울기(p)보다 작은 것을 특징으로 하는 인공신경망 시스템
|
3 |
3
제2항에 있어서,상기 제1 파라미터(a)는 원점으로부터 순차적으로 증가하면서 상기 출력 데이터와 상기 예측 데이터 사이의 차이가 최소로 되는 값으로 결정되는 인공신경망 시스템
|
4 |
4
제3항에 있어서,상기 제1 기울기(p) 및 상기 제2 기울기(q)는 오류역전파 학습 시 경사 하강법을 이용하여 결정되는 인공신경망 시스템
|
5 |
5
제1항에 있어서,상기 활성화 함수는 아래의 수학식에 따라 정의되고,입력값은 원점, 제1 파라미터(a) 및 제2 파라미터(b)에 의해 구분되고,상기 활성화 함수는 원점과 상기 제1 파라미터(a) 사이의 제1 구간에서 제1 기울기(p)를 가지고, 상기 제1 파라미터(a)와 상기 제2 파라미터(b) 사이의 제2 구간에서 제2 기울기(q)를 가지고, 상기 제2 파라미터(b)보다 큰 제3 구간에서 제3 기울기(r)를 가지고,상기 제3 기울기(r)는 상기 제2 기울기(q)보다 작고, 상기 제2 기울기(q)는 상기 제1 기울기(p)보다 작은 것을 특징으로 하는 인공신경망 시스템
|
6 |
6
제5항에 있어서,상기 제1 파라미터(a)는 원점으로부터 순차적으로 증가하면서 상기 출력 데이터와 상기 예측 데이터 사이의 차이가 최소로 되는 값으로 결정되는 인공신경망 시스템
|
7 |
7
제6항에 있어서,상기 제2 파라미터(b)는 상기 제1 파라미터(a)로부터 순차적으로 증가하면서 상기 출력 데이터와 상기 예측 데이터 사이의 차이가 최소로 되는 값으로 결정되는 인공신경망 시스템
|
8 |
8
제7항에 있어서,상기 제1 기울기(p), 상기 제2 기울기(q) 및 상기 제3 기울기(r)는 오류역전파 학습 시 경사 하강법을 이용하여 결정되는 인공신경망 시스템
|
9 |
9
입력 데이터를 수신하는 적어도 하나의 입력 노드;상기 입력 데이터에 대응하는 출력 데이터를 출력하는 적어도 하나의 출력 노드; 그리고상기 입력 노드와 상기 출력 노드 사이에 위치하는 복수의 은닉 노드들을 포함하되,상기 은닉 노드들은 서로 연결 가중치들을 통해 연결되고, 상기 연결 가중치들은 상기 출력 데이터와 상기 입력 데이터에 대응하는 예측 데이터의 차이에 기초하여 갱신되며,상기 은닉 노드들 각각은 노드의 출력 범위를 제어하는 활성화 함수를 포함하고,상기 활성화 함수는 복수의 파라미터들에 의해 입력값의 범위를 분할하고, 분할된 구간들에서 서로 다른 기울기를 가지는 선형 함수들에 기초하여 출력값을 결정하고,상기 선형 함수들은 원점에서 멀어질수록 기울기가 감소하는 인공신경망 시스템
|
10 |
10
제9항에 있어서,상기 파라미터들은 상기 출력 데이터와 상기 예측 데이터 사이의 차이가 최소로 되는 값으로 결정되는 인공신경망 시스템
|
11 |
11
제10항에 있어서,상기 선형 함수들 각각의 기울기는 오류역전파 학습 시 경사 하강법을 이용하여 결정되는 인공신경망 시스템
|