Earticle

현재 위치 Home

Oral Session Ⅳ 인공지능 및 기계학습

Permutation Importance 기반 특성 기여도 분석을 통한 딥러닝 성능 향상 연구
Enhancing Deep Learning Performance through Feature Contribution Analysis Based on Permutation Importance

첫 페이지 보기
  • 발행기관
    한국차세대컴퓨팅학회 바로가기
  • 간행물
    한국차세대컴퓨팅학회 학술대회 바로가기
  • 통권
    2025 한국차세대컴퓨팅학회 춘계학술대회 (2025.05)바로가기
  • 페이지
    pp.233-235
  • 저자
    연유성, 최재봉, 윤준호, 김판구, 최창
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A468953

원문정보

초록

한국어
머신러닝과 딥러닝의 과정에서 중요한 단계인 특성 엔지니어링은 모델 성능에 큰 영향을 미치지만, 복잡한 모델 구조에서는 적용이 어렵다는 한계가 지속적으로 제기되어왔다. 본 연구에서는 이러한 문 제를 해결하기 위해 Permutation importance 기법을 활용하여, 딥러닝 모델의 성능을 효율적이고 안정 적으로 향상시키는 방법을 제안하였으며, 차후 다양한 AI 분야에서도 범용적으로 활용될 수 있는 가 능성을 함께 제시하였다.

목차

요약
1. 서론
2. 관련 연구
3. 실험방법
3.1. 특성 선택 기법
3.2. 모델 학습
3.3. 평가 지표
4. 실험결과
5. 결론
Acknowledgement
참고문헌

키워드

AI 딥러닝 RNN LSTM Permutation Importance

저자

  • 연유성 [ You-Sung Yeon | 가천대학교, 컴퓨터공학과 ] 공동 제1저자
  • 최재봉 [ Jae-Bong Choi | 가천대학교, 컴퓨터공학과 ] 공동 제1저자
  • 윤준호 [ Jun-Ho Yoon | 가천대학교, 컴퓨터공학과 ]
  • 김판구 [ Pan-Koo Kim | 조선대학교, 컴퓨터공학과 ]
  • 최창 [ Chang Choi | 가천대학교, 컴퓨터공학과 ] 교신저자

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국차세대컴퓨팅학회 [Korean Institute of Next Generation Computing]
  • 설립연도
    2005
  • 분야
    공학>컴퓨터학
  • 소개
    본 학회는 차세대 PC 및 그 관련분야의 학술활동을 통하여 차세대 PC의 학문 및 기술발전을 도모하고 산업발전 및 국제협력 증진을 목적으로 한다.

간행물

  • 간행물명
    한국차세대컴퓨팅학회 학술대회
  • 간기
    반년간
  • 수록기간
    2021~2025
  • 십진분류
    KDC 566 DDC 004

이 권호 내 다른 논문 / 한국차세대컴퓨팅학회 학술대회 2025 한국차세대컴퓨팅학회 춘계학술대회

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.