문단 (context)
NARX 신경망의 학습을 위하여 일반적으로 많이 사용되는 알고리즘은 빠르게 수렴하는 특성을 지닌 Levenberg-Marquardt 알고리즘이다. 그러나 시계열에 잡음이 많거나 자료의 수가 부족할 경우 수렴에 많은 시간이 소요되기는 하지만 Bayesian Regularization(BR) 방법론이 더 적합한 경우가 많다. 만약 자료의 수가 아주 많다면 Scaled Conjugate Gradient(SCG) 알고리즘이 가장 적합하다. SCG 알고리즘은 기울기(gradient) 계산에 기반을 둔 알고리즘이라 Jacobian 계산에 기반을 둔 나머지 두 알고리즘보다 컴퓨터 메모리를 효과적으로 사용한다. 본 연구에서는 학습 자료의 수가 매우 적은 편에 속하기 때문에 BR 알고리즘을 사용하였다.
기계독해 질의응답 4건
| question_id | 질문 | 답변 불가 | 정답 |
|---|---|---|---|
| 932953 | NARX 신경망 학습을 위해 많이 사용되고 빠르게 수렴하는 특성을 지닌 알고리즘은 뭐야 | 가능 | Levenberg-Marquardt 알고리즘 |
| 932954 | 빠르게 수렴하는 특징이 있고 NARX 신경망 학습을 위해 많이 이용되는 알고리즘은 뭐니 | 가능 | Levenberg-Marquardt 알고리즘 |
| 932955 | 빠른 수렴 특성이 있고 NARX 신경망 교육을 위해 많이 활용되는 알고리즘은 뭐지 | 가능 | Levenberg-Marquardt 알고리즘 |
| 932956 | 연속성이 있는 데이터를 처리하기 위해 고안된 인공신경망 알고리즘은 뭘까 | 불가 | Levenberg-Marquardt 알고리즘 |