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
  • 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[edit | edit source]

개념도 드롭아웃 전후 예시.png
동작
  1. 입력층과 은닉층의 임의 노드 선택 및 제거
    • 확률 p를 기준으로 제거
  2. 임의 노드 제거 상태에서 학습 수행
  3. 실제 테스트 시 제거 노드 복원 및 가중치 연산
    • 가중치에 확률 p를 곱하여 결과 보상

문제점 및 해결방안[edit | edit source]

  • (문제점) : 신경망 학습속도 저하
  • (해결방안) : 배치 정규화와 함께 수행하여 속도 향상

참고 문헌[edit | edit source]