생성적 적대 신경망과 GSVD 기반 LDA를 이용한 효과적인 학습 데이터셋 제작 및 선별 (Efficient Learning Dataset Generation and Data Selection Using Generative Adversarial Network and GSVD-Based Linear Discriminant Analysis)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 45권 / 7호 / 1166 ~ 1173페이지
· 저자명 : 양윤지, 홍용기, 박재현

초록

본 논문은 딥러닝과 같은 기계학습 시 방대한 양의 학습용 데이터셋이 필요한 상황에서 생성적 적대 신경망(Generative Adversarial Network, GAN)과 선형 판별 분석을 통한 적절한 데이터셋의 생성 및 선별 기법을 제안한다. 생성적 적대 신경망으로 생성한 유사 가짜 이미지와 실제의 데이터셋의 이미지를 통합한 데이터셋에서GSVD 기반 선형 판별 분석 (Linear Discriminant Analysis, LDA)을 통해 축소된 차원에서 통합 데이터셋 중 훈련에 활용할 데이터들을 클러스터 간 거리에 기반한 다양한 기준으로 선별하였다. 선별 기준에 따른 성능 검증을위해 문자 인식을 위한 심층 신경망 (Deep Neural Network, DNN)을 구성하여 선별된 데이터셋을 활용하여 훈련하여 문자 인식 정확도를 비교하였으며, 축소된 차원에서의 데이터셋 선별 기준의 유효성을 검증하였다. 제안한최적 학습 데이터셋 선별 선처리 기법은 GAN을 통한 훈련용 데이터 제작 및 딥러닝 등의 학습을 진행할 때 효율적인 학습 데이터셋의 선별 방식 선정에 대한 지표가 될 수 있다.

영어초록

In this paper, we propose a dataset generation and screening method through generative adversarial neural networks (GAN) and GSVD based linear discriminant analysis (LDA) in situations where a large amount of learning datasets are required for the deep learning applications. We first generate the fake dataset through the GAN and include them to the unified training dataset together with real measurement data samples. To reduce the dimension of the unified dataset, GSVD based LDA is applied and the data samples are selected in the reduced-dimensional space to train the deep neural network. We develop the deep neural network for the character recognition and evaluate the recognition accuracy to verify the validity of the proposed dataset generation and data selection methods.

참고자료

· 없음