특징 맵 가중치 변경에 따른 MNIST 숫자인식 학습속도 개선에 관한 연구 (A Study on the Improvement of MNIST Numbers Learning Speed by Changing the Weight of the Feature Map)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 18권 / 3호 / 109 ~ 116페이지
· 저자명 : 김종식, 강대성

초록

본 논문에서는 CNN Convolution 필터 사용 이후 특징 맵들의 중복적 영향을 분석하고, MNIST 필기체 숫자 학습속도 개선을 위해 다음 3가지 방법으로 연구하였다. 첫째는 특징점 중복이 적은 외부 사이드에 가중치를 크게 주었을 때 인식률 변화를, 둘째는 외부 사이드에 가중치를 크게 준 상태에서 필터 수 감소 시 학습 속도개선 정도를, 셋째는 중복적 영향이 적은 외부 Line을 연산 제외 시 학습속도 개선에 관해 연구하였다. 그 결과 특징점 중복이 적은 외부 Line에 가중치를 주었을 때 숫자 인식률 향상은 미미하였으며, 동일한 가중치 상태에서 필터 수를 반으로 감소시키고 인식률은 변화가 없을 때 처리속도는 약 12% 정도 향상되었다. 그리고 특징점 중복이 적은 외부를 연산 처리에서 제외했을 때 인식률 변화 없이 학습속도는 약 25% 정도 개선됨을 증명하였다.

영어초록

In this paper, the redundant effects of feature maps after the use of CNN Consolidation filters were analyzed, and the following three methods were studied to improve the learning speed of MNIST cursive numbers. First, we studied changes in recognition rate when the external side with less overlap of features was heavily weighted, secondly the degree of improvement in learning speed when reducing the number of filters with a large weighting on the external side, and thirdly, the external line with less redundant impact was studied for improvement in learning speed when excluding computations. As a result, the numerical recognition rate improvement was minimal when the external line with less feature-point redundancy was weighted, and the processing speed was improved by about 12% when the filter count was halved under the same weight and there was no change in the recognition rate. And when the external with less feature-point redundancy are excluded from the computational processing, the learning speed has proven to be improved by about 25% without a decrease in recognition rate.

참고자료

· 없음