드롭아웃: Difference between revisions
From IT Wiki
(새 문서: 분류:인공지능 ;Drop-out; Dropout ;딥러닝 시 오버피팅 문제를 해결하기 위해 노드 중 일부를 제거하는 인공지능 최적 학습기법) |
No edit summary |
||
Line 1: | Line 1: | ||
[[분류:인공지능]] | [[분류:인공지능]] | ||
;Drop-out; Dropout | |||
;동작 Drop-out; Dropout | |||
;딥러닝 시 오버피팅 문제를 해결하기 위해 노드 중 일부를 제거하는 인공지능 최적 학습기법 | ;딥러닝 시 오버피팅 문제를 해결하기 위해 노드 중 일부를 제거하는 인공지능 최적 학습기법 | ||
== 드롭아웃의 목적 == | |||
{| class="wikitable" | |||
!목적 구분 | |||
!설명 | |||
|- | |||
|과적합 문제 해결 | |||
| | |||
* 신경망 비대 시 high variance 문제 해결 | |||
* Voting 효과로 정규화 유사 효과 가능 | |||
|- | |||
|Co-adaptation 회피 | |||
| | |||
* 특정 뉴런의 가중치나 영향 감소 | |||
* 강건한 신경망 구성 가능 | |||
|} | |||
== 동작 과정 == | |||
{| class="wikitable" | |||
|개념도 | |||
|[[파일:드롭아웃 전후 예시.png]] | |||
|- | |||
|동작 | |||
| | |||
# 입력층과 은닉층의 임의 노드 선택 및 제거 | |||
#* 확률 p를 기준으로 제거 | |||
# 임의 노드 제거 상태에서 학습 수행 | |||
# 실제 테스트 시 제거 노드 복원 및 가중치 연산 | |||
#* 가중치에 확률 p를 곱하여 결과 보상 | |||
|} | |||
== 문제점 및 해결방안 == | |||
* (문제점) : 신경망 학습속도 저하 | |||
* (해결방안) : 배치 정규화와 함께 수행하여 속도 향상 | |||
== 참고 문헌 == | |||
* [http://blog.skby.net/드롭아웃-dropout/ 도리의 디지털라이프] |
Latest revision as of 00:40, 12 March 2020
- 동작 Drop-out; Dropout
- 딥러닝 시 오버피팅 문제를 해결하기 위해 노드 중 일부를 제거하는 인공지능 최적 학습기법
드롭아웃의 목적[edit | edit source]
목적 구분 | 설명 |
---|---|
과적합 문제 해결 |
|
Co-adaptation 회피 |
|
동작 과정[edit | edit source]
개념도 | |
동작 |
|
문제점 및 해결방안[edit | edit source]
- (문제점) : 신경망 학습속도 저하
- (해결방안) : 배치 정규화와 함께 수행하여 속도 향상