관계 추론 심층 신경망 모델의 성능개선 연구
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 이현옥 | - |
dc.contributor.author | 임희석 | - |
dc.date.accessioned | 2021-09-02T17:21:29Z | - |
dc.date.available | 2021-09-02T17:21:29Z | - |
dc.date.created | 2021-06-18 | - |
dc.date.issued | 2018 | - |
dc.identifier.issn | 2287-5905 | - |
dc.identifier.uri | https://scholar.korea.ac.kr/handle/2021.sw.korea/78598 | - |
dc.description.abstract | 지금까지 인공지능의 한 분야인 딥러닝 방법은 구조화되지 않은 데이터로부터 문제를 해결하는 놀라울만한 성과를 이루어왔지만, 인간처럼 여러 상황들을 종합적으로 판단, 그것들의 연관성을 추론하고, 그 다음 상황을 예측하는 수준의 지능을 갖는데 도달하지 못하였다. 최근 발표된 복잡한 관계 추론을 수행하는 심층 신경망은 인공지능이 인간의 핵심 지적 능력인 관계 추론을 보유할 수 있다는 것을 증명하였다. 본 논문에서는 관계 추론 심층 신경망 중에서 Relation Networks (RN)의 성능을 분석 및 관찰해 보고자 Sort-of-CLEVR 데이터 셋을 사용한 시각적 질의응답과 bAbI task를 사용한 텍스트 기반 질의응답 두 유형의 RN 기반 심층 신경망 모델을 구축하여 baseline 모델과의 비교를 통한 성능검증을 하였다. 또한 모델의 성능을 극대화하기 위하여 하이퍼 파라미터 튜닝 등 다양각도의 성능개선 실험으로 관계 추론을 위한 RN 기반 심층 신경망 모델의 성능개선 방법을 제안하였다. 제안한 성능개선 방법은 시각적 질의응답 모델과 텍스트 기반 질의응답 모델에 적용하여 그 효과를 검증하였고, 기존의 RN 모델에서 사용해보지 않았던 Dialog-based LL 데이터 셋을 사용하여 새로운 도메인에서의 제안한 성능개선 방법의 효과를 다시 한 번 검증하였다. 실험 결과 두 유형의 RN 모델 모두에서 초기 학습률이 모델의 성능을 결정하는 핵심 요인임을 알 수 있었고, 제안한 random search 방법에 의해 찾은 최적의 초기 학습률 설정이 모델의 성능을 최고 99.8%까지 향상 시킬 수 있다는 것을 확인하였다. | - |
dc.language | Korean | - |
dc.language.iso | ko | - |
dc.publisher | 한국정보처리학회 | - |
dc.title | 관계 추론 심층 신경망 모델의 성능개선 연구 | - |
dc.title.alternative | A Study on Improving Performance of the Deep Neural Network Model for Relational Reasoning | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 임희석 | - |
dc.identifier.doi | 10.3745/KTSDE.2018.7.12.485 | - |
dc.identifier.bibliographicCitation | 정보처리학회논문지. 소프트웨어 및 데이터 공학, v.7, no.12, pp.485 - 496 | - |
dc.relation.isPartOf | 정보처리학회논문지. 소프트웨어 및 데이터 공학 | - |
dc.citation.title | 정보처리학회논문지. 소프트웨어 및 데이터 공학 | - |
dc.citation.volume | 7 | - |
dc.citation.number | 12 | - |
dc.citation.startPage | 485 | - |
dc.citation.endPage | 496 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART002415442 | - |
dc.description.journalClass | 2 | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | 관계 네트워크 | - |
dc.subject.keywordAuthor | 관계 추론 | - |
dc.subject.keywordAuthor | 텍스트 기반 질의응답 | - |
dc.subject.keywordAuthor | 시각적 질의응답 | - |
dc.subject.keywordAuthor | Relation Network | - |
dc.subject.keywordAuthor | Relational Reasoning | - |
dc.subject.keywordAuthor | Text-Based Question Answering | - |
dc.subject.keywordAuthor | Visual Question Answering | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
(02841) 서울특별시 성북구 안암로 14502-3290-1114
COPYRIGHT © 2021 Korea University. All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.