Abstract 원중호교수

From HTC-as-a-Service, KISTI
Revision as of 04:37, 21 July 2016 by Admin (Talk | contribs)

(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)
Jump to: navigation, search



Abstract | Main Page

  • 세션 1
  • 일시 : 8월 25일 (목)
  • 시간 : 13:00-13:45
  • 발표 : 원중호 교수 (서울대학교 통계학과 교수)
  • 주제 : Neural Network and Deep Learning
  • 초록 : 최근 깊은 인공신경망(artificial neural network) 구조에 기반한 딥러닝(deep learning) 학습 알고리즘이 패턴 인식의 다양한 응용 분야에서 혁신적인 성능 향상을 불러 일으키고 있다. 본 튜토리얼에서는 먼저 기본적인 인공신경망의 개념과 학습 알고리즘에 대해 정리하고, 이어서 딥러닝 알고리즘의 기본적 구조와 주요 결과들을 간략히 소개한 뒤, 그동안 딥러닝이 가장 큰 성능 향상을 가져온 분야인 영상 인식과 순차적 자료 인식에 대해 좀 더 자세히 알아본다. 구체적으로, 영상 인식에 주로 사용되는 컨볼루셔널 신경망(convolutional neural network) 및 순차적 자료 인식에 주로 사용되는 재귀적 신경망(recurrent neural network)의 구조를 소개하고, 이들 신경망 구조와 해당 학습 알고리즘들이 어떻게 영상 분류나 음성 인식 등의 문제에 응용되었고 이들 분야에서 얼마나 혁신을 가져왔는지 알아본다.