머신러닝(ML, Machine Learning)기반 응용에서의 인식성능은 적용된 모델의 종류와 크기, 학습환경 및 학습에 사용되는 데이터 등 다양한 요인에 따라 결정된다. 특히 학습에 사용되는 데이터가 ...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A108247871
2022
Korean
KCI등재
학술저널
19-27(9쪽)
0
0
상세조회0
다운로드국문 초록 (Abstract)
머신러닝(ML, Machine Learning)기반 응용에서의 인식성능은 적용된 모델의 종류와 크기, 학습환경 및 학습에 사용되는 데이터 등 다양한 요인에 따라 결정된다. 특히 학습에 사용되는 데이터가 ...
머신러닝(ML, Machine Learning)기반 응용에서의 인식성능은 적용된 모델의 종류와 크기, 학습환경 및 학습에 사용되는 데이터 등 다양한 요인에 따라 결정된다. 특히 학습에 사용되는 데이터가 충분치 않을 경우 인식성능이 저하되거나 과적합(Overfitting)등의 문제가 발생하기도 한다. 이미지 인식을 주요 대상으로 하는 기존 연구들은 학습을 위한 데이터셋이 풍부하고 검증된 데이터셋을 사용하여 학습 및 인식성능을 평가할 수 있다. 하지만 사용된 센서, 인식의 대상, 인식 상황이 다른 특정 응용들의 경우 데이터셋을 직접 구축해야 한다. 이런 경우, ML모델의 성능은 데이터의 양과 품질에 따라 달라진다. 본 논문에서는 이용 가능한 학습용 데이터가 충분치 않은 움직임 인식응용에 효율적으로 사용될 수 있는 비모수 추정 방식의 일종인 커널 밀도 추정 알고리즘을 사용하여 학습용 데이터를 증폭한 후, 사용된 커널의 종류에 따라, 원본 데이터의 수 및 증폭 비율에 따라 증폭된 데이터가 원본 데이터의 특징을 잘 반영하는지 인식 정확도 변화를 토대로 비교 분석한다. 실험결과, 본 연구에서 사용한 움직임 인식응용에서는 좁은 대역폭을 가진 Tophat 커널로 증폭된 데이터셋에서 최대 14.31%의 인식 정확도 향상을 확인하였다.
참고문헌 (Reference)
1 김규한 ; 정희명 ; 이흥석 ; 이화석 ; 김형수 ; 박준호, "오토인코더기반의 신호재구성모델을 이용한 화력발전소 고장검출" 대한전기학회 69 (69): 800-807, 2020
2 Deng, L., "The mnist database of handwritten digit images for machine learning research" 29 (29): 141-142, 2012
3 "Scikit-learn"
4 Izenman, A. J., "Review Papers: Recent Developments in Nonparametric Density Estimation"
5 Krizhevsky, A, "Learning multiple layers of features from tiny images" University of Toronto 2009
6 Deng, J, "ImageNet: A Large-Scale Hierarchical Image Database"
7 Goodfellow, Ian J, "Generative Adversarial Networks"
8 Jung, W, "Energy–Accuracy Aware Finger Gesture Recognition for Wearable IoT Devices" 2022
9 Zhu, X., "Do We Need More Training Data?"
10 Bank, D, "Autoencoders"
1 김규한 ; 정희명 ; 이흥석 ; 이화석 ; 김형수 ; 박준호, "오토인코더기반의 신호재구성모델을 이용한 화력발전소 고장검출" 대한전기학회 69 (69): 800-807, 2020
2 Deng, L., "The mnist database of handwritten digit images for machine learning research" 29 (29): 141-142, 2012
3 "Scikit-learn"
4 Izenman, A. J., "Review Papers: Recent Developments in Nonparametric Density Estimation"
5 Krizhevsky, A, "Learning multiple layers of features from tiny images" University of Toronto 2009
6 Deng, J, "ImageNet: A Large-Scale Hierarchical Image Database"
7 Goodfellow, Ian J, "Generative Adversarial Networks"
8 Jung, W, "Energy–Accuracy Aware Finger Gesture Recognition for Wearable IoT Devices" 2022
9 Zhu, X., "Do We Need More Training Data?"
10 Bank, D, "Autoencoders"
11 Wang, H, "A Bayesian Scene-Prior-Based Deep Network Model for Face Verification" 2018
다중 회귀 모델을 이용한 전주시 보행 환경 점수 예측에 관한 연구
IoT 센서노드 시스템을 위한 고출력 에너지 하베스팅 시스템
혼합 교차-엔트로피 알고리즘을 활용한 다수 에이전트-다수 작업 할당 문제
학술지 이력
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2010-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | |
2009-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | |
2008-01-01 | 평가 | 신청제한 (등재후보1차) | |
2007-01-01 | 평가 | 등재후보학술지 유지 (등재후보1차) | |
2005-01-01 | 평가 | 등재후보학술지 선정 (신규평가) |
학술지 인용정보
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.57 | 0.57 | 0.58 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.6 | 0.6 | 0.796 | 0.32 |