과제 상세정보
목록통계적/계산적으로 효율적인 기계 학습 알고리즘의 파라미터 구조에 관한 연구
작성자
관리자
조회수
41
등록일
2024-05-21
사업 정보
| 내역사업 | 우수신진연구 |
|---|
과제 기본정보
| 과제명 | 통계적/계산적으로 효율적인 기계 학습 알고리즘의 파라미터 구조에 관한 연구 | ||||
|---|---|---|---|---|---|
| 과제고유번호 | 1711107695 | ||||
| 부처명 | 과학기술정보통신부 | ||||
| 시행계획 내 사업명 | |||||
| 시행계획 내 사업유형 | 예산출처지역 | 대전광역시 | 사업수행지역 | 대전광역시 | |
| 계속/신규 과제구분 | 계속과제 | 이전연도 과제번호 | 1711087191 | ||
| 과제수행연도 | 2020 | 총연구기간 | 2019-03-01 ~ 2023-02-28 | 당해연도 연구기간 | 2020-03-01 ~ 2021-02-28 |
요약 정보
| 연구목표 | 본 연구팀은 통계적 그리고 계산적으로 효율적인 학습 알고리즘의 파라미터 구조에 관한 연구를 수행함으로써 보다 낮은 데이터 샘플 복잡도와 계산 복잡도에도 성공적인 학습을 보장할 수 있는 알고리즘을 개발하고자 한다. 크게 두 가지 파라미터 구조에 대해 연구하고자 한다.첫 번째. 학습 알고리즘에서 정의되는 파라미터 공간은 고차원의 형태이지만, 실제로 데이터를 생... | ||
|---|---|---|---|
| 연구내용 | 첫 번째 관련 연구. 추정 편향 없이 희소한 파라미터 구조를 복원할 수 있는 페널티 함수 (또는 정규화 과정) 형태 및 이론적인 성능 보장에 대한 연구를 진행한다. 고차원의 파라미터 공간에서 실제로 데이터를 생성하는 파라미터는 희소한 구조를 가질 때 L1 페널티 (정규화) 등을 최적화의 목적식에 더하여 파라미터를 학습하도록 유도하게 된다. 이 페널티 함수는... | ||
| 기대효과 | 랭킹 기반의 페널티 함수에 대한 통계적 이론의 제시와 실험적인 우수성 입증을 통해 L1 페널티의 단점이었던 편향을 제거함으로써 여태까지 파라미터 구조 학습을 위해 L1 페널티 함수가 사용되어 왔던 다양한 문제에서 성능을 더 끌어올릴 수 있는 큰 효과를 갖는다. 또한, 새로운 페널티 함수에 대한 통계적인 이론을 제시하는 것은 보다 넓은 학습 이론의 이해에 도... | ||
| 키워드 | 희소 구조 복원,다중작업 환경,인공 신경망,베이지안 프레임워크,랭킹 기반 페널티 함수 | ||
위탁/공동여부 정보
| 단독연구 | 기업 | 대학 | 국공립(연)/출연(연) | 외국연구기관 | 기타 |
|---|---|---|---|---|---|
|
기술 정보
| 연구개발단계 | 기초연구 | 산업기술분류 | |
|---|---|---|---|
| 미래유망신기술(6T) | IT(정보기술) | 기술수명주기 | |
| 연구수행주체 | 학 | 과학기술표준분류 | 인공물 > 정보/통신 > 정보이론 > 인공지능 |
| 주력산업분류 | 적용분야 | 기타 공공목적 | |
| 중점과학기술분류 | 과제유형 |
과제수행기관(업) 정보
| 과제수행기관(업) 정보 | 과제수행기관(업)명 | 한국과학기술원 | 사업자등록번호 | |
|---|---|---|---|---|
| 연구책임자 | 소속기관명 | 한국과학기술원 | 사업자등록번호 | |
| 최종학위 | 박사 | 최종학력전공 | 공학 |
사업비
| 국비 | 50,000,000 | 지방비(현금+현물) | 0 |
|---|---|---|---|
| 비고 | |||