Density power divergence를 이용한 인공신경망학습 - 회귀문제를 중심으로 (The learning of artificial neural network using density power divergence - Focusing on regression problem)

서지정보

· 발행기관 : 한국데이터정보과학회
· 수록지 정보 : 한국데이터정보과학회지 / 35권 / 3호 / 411 ~ 420페이지
· 저자명 : 김무섭

초록

인공신경망 학습은 자료의 무결성을 전제하지만 실제 자료는 이상점을 내포할 수 있으며 이는 예측모형의 성능저하로 이어진다. 그래서 학습의 강건성 (robustness)이 요구되는데, 이 논문에서는 회귀문제를 중심으로 density power divergence를 이용한 인공신경망의 학습을 고려한다. Density power divergence를 기반한 손실함수를 유도하고 이에 맞게 학습알고리즘을 수정해 제안한다. 또한, 모의실험을 통해 제안된 방법의 강건성을 평가하고 조율모수 (tuning parameter)의 경험적 조정방식을 논한다.

영어초록

The learning of artificial neural network implicitly assumes the integrity of data. However, real data may be contaminated by outliers, which leads to the performance degradation of the resulting model. Therefore, a robust learning method is required for training the model using contaminated data. This paper considers the learning method based on density power divergence with respect to regression problem. A robust loss function is derived by applying minimum density power divergence principle to the problem and the learning algorithm is adapted to it. A simulation study shows that the proposed method is indeed robust. Moreover, an empirical rule of the tuning parameter selection is dealt with.

참고자료

· 없음