1 |
1
입력 계층, 출력 계층 및 복수의 숨겨진 계층을 갖는 신경망 설계 방법에 있어서,신경망 설계 시스템이 신경망에서 상기 계층들을 캐스케이드(cascade) 트레이닝하는 단계;상기 신경망 설계 시스템이 상기 복수의 숨겨진 계층 중 가장 얕은 계층을 상기 캐스케이드 트레이닝에 의해 사전 학습된 계층으로부터 복사하는 단계;상기 신경망 설계 시스템이 상기 복수의 숨겨진 계층 중 사전 학습된 계층으로부터 복사하지 않은 나머지 계층을 초기화하는 단계; 및상기 신경망 설계 시스템이 상기 숨겨진 계층의 중간에 출력 분기(branch)를 추가하는 단계를 포함하고,상기 신경망 설계 시스템은 상기 출력 분기가 출력된 각 계층 지점에서 손실을 계산하는 단계;상기 계산된 손실을 평균화하고, 평균화된 손실을 기초로 상기 계층들을 캐스케이드(cascade) 트레이닝하는 단계를 포함하는 초고해상도 복원을 위한 깊이 조절 가능한 신경망 설계 방법
|
2 |
2
삭제
|
3 |
3
제 1 항에 있어서,상기 신경망 설계 시스템은 연속 건너 뛰기 연결(Continuous skip connection)를 통해 가중치를 업데이트하는 단계를 더 포함하고,상기 연속 건너 뛰기 연결은 모든 출력 분기(branch)에 적용되는 것인 초고해상도 복원을 위한 깊이 조절 가능한 신경망 설계 방법
|
4 |
4
제 1 항에 있어서,상기 출력 분기를 추가하는 단계 이후에, 상기 신경망 설계 시스템이 사전 학습된 얕은 계층이 수렴된 후, 가중치가 변하지 않도록 상기 얕은 계층을 고정시키는 스택 전송 학습(stacked transfer training)을 수행하는 단계를 포함하는 초고해상도 복원을 위한 깊이 조절 가능한 신경망 설계 방법
|
5 |
5
제 4 항에 있어서,상기 스택 전송 학습에 의하여 고정된 계층보다 깊은 계층의 출력 분기에서, 각 출력 분기의 손실에 감쇠 계수(r)을 곱하는 역방향 평균 손실(inverse averaged loss)을 수행하는 단계를 더 포함하고, 상기 역방향 평균 손실에 기초하여 가중치를 업데이트하는 초고해상도 복원을 위한 깊이 조절 가능한 신경망 설계 방법
|
6 |
6
제 5 항에 있어서,상기 역방향 평균 손실(LT(θ))은 하기 수학식으로 산출되는 것인 초고해상도 복원을 위한 깊이 조절 가능한 신경망 설계 방법
|
7 |
7
입력 계층, 출력 계층 및 복수의 숨겨진 계층을 갖는 신경망 설계 시스템에 있어서,프로세서; 및상기 프로세서에 연결된 메모리를 포함하고,상기 메모리는 상기 프로세서를 통해 실행되며, 신경망에서 상기 계층들을 캐스케이드(cascade) 트레이닝하는 오퍼레이션;상기 복수의 숨겨진 계층 중 가장 얕은 계층을 상기 캐스케이드 트레이닝에 의해 사전 학습된 계층으로부터 복사하는 오퍼레이션;상기 복수의 숨겨진 계층 중 사전 학습된 계층으로부터 복사하지 않은 나머지 계층을 초기화하는 오퍼레이션;상기 숨겨진 계층의 중간에 출력 분기(branch)를 추가하는 오퍼레이션;상기 출력 분기가 출력된 각 계층 지점에서 손실을 계산하는 오퍼레이션; 및상기 계산된 손실을 평균화하고, 평균화된 손실을 기초로 상기 계층들을 캐스케이드(cascade) 트레이닝하는 오퍼레이션을 저장하는,초고해상도 복원을 위한 깊이 조절 가능한 신경망 설계 시스템
|