Detailed Information
Cited 0 time in 
Cited 0 time in 
Cited 0 time in
Metadata Downloads
커버리지 방법들을 이용한 심층 신경망 구조 선택
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | 이민수 | - |
| dc.contributor.author | 이찬근 | - |
| dc.date.accessioned | 2021-08-17T06:40:14Z | - |
| dc.date.available | 2021-08-17T06:40:14Z | - |
| dc.date.issued | 2021-01 | - |
| dc.identifier.issn | 2383-630X | - |
| dc.identifier.issn | 2383-6296 | - |
| dc.identifier.uri | https://scholarworks.bwise.kr/cau/handle/2019.sw.cau/48545 | - |
| dc.description.abstract | 최근 심층 신경망이 널리 보급되면서 심층 신경망을 시험 및 검증하기 위한 많은 연구가 진행되고 있다. 이중 가장 활발히 연구되고 있는 주제 중 하나는 심층 신경망을 대상으로 하는 테스트 커버리지 방법이다. 본 연구는 현재까지 발표된 다양한 테스트 커버리지 방법들을 이용하여, 학습 데이터 대비최적의 심층 신경망 구조를 찾는데 활용할 수 있다는 새로운 아이디어를 제안한다. 이를 위해, 동일한 데이터세트로 학습된 기온 예측용 신경망 구조들 다수에 대해 테스트 커버리지를 계산하여 가장 적합한 신경망을 선택한다. 구체적으로, 제시된 방법은 1～3개의 장단기 메모리 층과 2～20개의 뉴런을 가지는 전결합 층으로 구성된 총 13개의 신경망 구조 중 최적의 심층 신경망 구조를 성공적으로 찾아낸다. | - |
| dc.format.extent | 9 | - |
| dc.language | 한국어 | - |
| dc.language.iso | KOR | - |
| dc.publisher | 한국정보과학회 | - |
| dc.title | 커버리지 방법들을 이용한 심층 신경망 구조 선택 | - |
| dc.title.alternative | Deep Neural Network Structure Selection Using Coverage Methods | - |
| dc.type | Article | - |
| dc.identifier.doi | 10.5626/JOK.2021.48.1.82 | - |
| dc.identifier.bibliographicCitation | 정보과학회논문지, v.48, no.1, pp 82 - 90 | - |
| dc.identifier.kciid | ART002677631 | - |
| dc.description.isOpenAccess | N | - |
| dc.citation.endPage | 90 | - |
| dc.citation.number | 1 | - |
| dc.citation.startPage | 82 | - |
| dc.citation.title | 정보과학회논문지 | - |
| dc.citation.volume | 48 | - |
| dc.publisher.location | 대한민국 | - |
| dc.subject.keywordAuthor | 심층신경망 | - |
| dc.subject.keywordAuthor | 심층신경망 테스팅 | - |
| dc.subject.keywordAuthor | 테스트 커버리지 | - |
| dc.subject.keywordAuthor | 심층신경망 성능 | - |
| dc.subject.keywordAuthor | deep-neural-network | - |
| dc.subject.keywordAuthor | deep-neural-network testing | - |
| dc.subject.keywordAuthor | test coverage | - |
| dc.subject.keywordAuthor | performance of deep-neural-network | - |
| dc.description.journalRegisteredClass | kci | - |
- Files in This Item
- There are no files associated with this item.
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.