커버리지 방법들을 이용한 심층 신경망 구조 선택 (Deep Neural Network Structure Selection Using Coverage Methods)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 48권 / 1호 / 82 ~ 90페이지
· 저자명 : 이민수, 이찬근

초록

최근 심층 신경망이 널리 보급되면서 심층 신경망을 시험 및 검증하기 위한 많은 연구가 진행되고 있다. 이중 가장 활발히 연구되고 있는 주제 중 하나는 심층 신경망을 대상으로 하는 테스트 커버리지 방법이다. 본 연구는 현재까지 발표된 다양한 테스트 커버리지 방법들을 이용하여, 학습 데이터 대비최적의 심층 신경망 구조를 찾는데 활용할 수 있다는 새로운 아이디어를 제안한다. 이를 위해, 동일한 데이터세트로 학습된 기온 예측용 신경망 구조들 다수에 대해 테스트 커버리지를 계산하여 가장 적합한 신경망을 선택한다. 구체적으로, 제시된 방법은 1～3개의 장단기 메모리 층과 2～20개의 뉴런을 가지는 전결합 층으로 구성된 총 13개의 신경망 구조 중 최적의 심층 신경망 구조를 성공적으로 찾아낸다.

영어초록

Recently, there has been an immense increase in the use of neural networks in various fields. Consequently, diverse, studies have been conducted to verify and test deep neural networks. One of the most popular studies aimed to test the coverage method about deep neural networks. This study proposes a novel idea that the test coverage can be used in finding the optimal deep neural network structure for given training data using various test coverage methods. To this end, it calculates test coverages for multiple neural network structures that are trained for predicting temperature with the same dataset and select the most suitable neural network. Specifically, the proposed method successfully finds the optimal deep neural network structure out of a total of thirteen neural network structures consisting of one to three Long-Short Term Memory (LSTM) layers and a fully connected layer with 2 to 20 neurons.

참고자료

· 없음