현재 위치
Home
Design of Soft-max Radial Basis Function Neural Networks with Randomly Generated Hidden Nodes for Knowledge based Pattern Recognition
지식 기반 패턴 인식용 무작위 생성 히든 노드를 갖춘 소프트맥스 방사형 기반 함수 신경망 설계
-
- 발행기관
- 국제차세대융합기술학회 바로가기
-
- 간행물
- 차세대융합기술학회논문지 KCI 등재 바로가기
-
- 통권
- 제8권 5호 (2024.05)바로가기
-
- 페이지
- pp.1210-1218
-
- 저자
-
- 언어
- 영어(ENG)
-
- URL
- https://www.earticle.net/Article/A448455
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
원문정보
초록
- 영어
- In this research, we proposed a new classification method which is an expanded version of the generic radial basis function neural networks. In the proposed classification method, the expanded version of RBFNNs consists of two main parts. And the first part is the soft-max function to help us handle the output distribution as a multinomial distribution. Secondly, radial basis functions, which can be considered as hidden nodes in the conventional neural networks, are defined not by using a clustering algorithm but in a random manner. When the soft-max function is applied to the networks, iterative learning algorithms such as nonlinear least square estimation and error back-propagation algorithm should be used to value the coefficient of the networks. In order to validate the proposed classification method, several machine learning data sets are used.
- 한국어
- 본 연구에서는 일반 방사형 기저 함수 신경망을 확장한 새로운 분류 방법을 제안한다. 제안된 분류 방법에서 RBFNN의 확장 버전은 두 가지 주요 부분으로 구성된다. 첫 번째 부분은 출력 분포를 다항 분포로 처리하는 데 도 움이 되는 소프트 맥스 함수이다. 둘째, 기존 신경망에서 히든노드로 간주될 수 있는 방사형 기반 함수를 클러스터링 알고리즘을 사용하지 않고 무작위로 정의한다. 소프트맥스 함수를 네트워크에 적용할 경우 비선형 최소자승추정, 오 류역전파 알고리즘 등의 반복학습 알고리즘을 사용하여 네트워크의 계수 값을 구해야 한다. 제안된 분류 방법을 검 증하기 위해 여러 가지 기계 학습 데이터 세트가 사용된다.
목차
Abstract
요약
Ⅰ. Introduction
Ⅱ. Radial Basis Function Neural Networks Related Work
2.1 Generic RBFNNs
2.2 RBFNNs with RBFs defined by Fuzzy Clustering Algorithm
Ⅲ. Soft-Max Radial Basis Function Neural Networks with Random Generated Hidden
3.1 Nonlinear Least Square Estimation
3.2 Back-Propagation
Ⅳ. Experimental Studies
4.1 Toy Example
4.2 Machine Learning Data
Ⅴ. Conclusions
REFERENCES
키워드
방사형 기반함수 신경망 소프트맥스 함수 비선형 최소자승추정 무작위 생성 히든노드 지식 기반 패턴 인식 Radial Basis Function Neural Networks Soft-Max function Nonlinear Least Square Estimation Randomly Generated Hidden Nodes Knowledge based pattern recognition저자
간행물 정보
발행기관
-
- 발행기관명
- 국제차세대융합기술학회 [International Next-generation Convergence technology Association]
- 설립연도
- 2017
- 분야
- 복합학>기술정책
- 소개
- Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.
간행물
-
- 간행물명
- 차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
- 간기
- 월간
- pISSN
- 2508-8270
- 수록기간
- 2017~2026
- 등재여부
- KCI 등재
- 십진분류
- KDC 506 DDC 606
이 권호 내 다른 논문 / 차세대융합기술학회논문지 제8권 5호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.